“曾铁勇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果17个，建议您升级VIP下载更多相关专利

[发明专利]基于残差神经网络的乳腺癌病理图像分类方法-CN202310826879.4在审
发明人： 曾铁勇;万能;武婷婷;刘斐斓 -专利权人： 曾铁勇
申请日： 2023-07-07 - 公布日： 2023-10-03 - 主分类号： G06V10/764 文献下载
摘要：本发明属于医学图像分类领域，公开了一种基于残差神经网络的乳腺癌病理图像分类方法，首先从乳腺癌BreakHis数据集中获取原始病理图像与分类标签，构造用于识别乳腺疾病的数据集；接着对数据集中每一张图像，使用混合超分辨率网络架构，来提取乳腺病理图像的潜在特征进行图像增强；然后将原始图像数据集与增强后图像数据集融合构成新数据集，作为分类模型的训练集与测试集。本发明基于优化后的残差神经网络与新数据集训练乳腺病理图像分类模型，最后通过加载预训练的分类模型，即可快速识别出待识别生理图像的肿瘤亚型类别，在保证算法速度的基础上，提升了乳腺癌病理图像的分类准确率。
基于神经网络乳腺癌病理图像分类方法

[发明专利]一种基于IV曲线机器学习识别的光伏故障诊断方法-CN202310768047.1在审
发明人： 曾铁勇;陈泉;刘斐斓;武婷婷;金晨涵;万能 -专利权人：上海后米物联网技术有限公司
申请日： 2023-06-27 - 公布日： 2023-09-26 - 主分类号： G06F18/2413 文献下载
摘要：本发明公开了一种基于IV曲线机器学习识别的光伏故障诊断方法，属于光伏故障诊断技术领域，包括以下步骤：一、收集光伏组件电流、电压数据，进行预处理，得到数据集；二、特征工程，包括特征发现和特征提取；三、采用分类算法进行数据增强：故障数据类别不平衡时，使用类内插值方法，在每个类别中使用内插值进行随机数据扩充至指定数量；四、输出诊断报告。通过上述方式，本发明利用收集到的光伏组件的电流‑电压数据，通过机器学习算法识别光伏组件故障的种类，并告知用户导致故障的可能原因。
一种基于 iv 曲线机器学习识别故障诊断方法

[发明专利]基于半近端算子的低剂量电子计算机断层扫描成像方法-CN202310747896.9在审
发明人：韦德亮;黎芳;曾铁勇 -专利权人：华东师范大学
申请日： 2023-06-25 - 公布日： 2023-09-19 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于半近端算子的低剂量电子计算机断层扫描成像方法，其特点是结合深度卷积残差高斯去噪网络和半近端交替方向乘子法，解决低剂量断层扫描成像问题，具体包括：训练数据集预处理；建立深度卷积残差高斯去噪网络模型；模型推理，得到重建结果等步骤。本发明与现有其他方法相比，同时考虑并且融合了能量泛函模型和深度学习算法，有效解决了在医学图像上稀疏断层扫描成像效果不好的问题，使用模型对低剂量断层扫描数据进行高质量成像是临床检查和辅助治疗的关键。
基于半近端算子剂量电子计算机断层扫描成像方法

[发明专利]一种多模式森林防火多路视频监控系统构建方法-CN202210629920.4在审
发明人：武婷婷;杜智颜;邹观哲;王清洁;曾铁勇 -专利权人：南京邮电大学
申请日： 2022-06-06 - 公布日： 2023-06-30 - 主分类号： H04N7/18 文献下载
摘要：本发明属于多媒体视频技术领域和图像识别技术领域，具体地说，是一种多模式森林防火多路视频监控系统构建方法，基于libavcodec，libavformat等库实现摄像头拍摄画面的采集和视频格式的转换，帮助用户进行视频监控和视频本地存储，基于多种光学运动特征融合实现识别烟雾林火检测、基于火焰颜色和纹理特征融合实现识别火焰的林火检测，并在发现林火后向用户发出预警信号。构建的多路视频播放存储系统主要包括用户管理、多路视频采集、多路视频播放、视频存储、烟雾识别林火检测和火焰识别林火检测五部分。
一种模式森林防火视频监控系统构建方法

[发明专利]近红外光谱胸内血管显像系统、方法及电子设备-CN202211666778.7在审
发明人：刘昭国;曾铁勇;余昭胜;徐圆;李智 -专利权人：南方医科大学南方医院
申请日： 2022-12-23 - 公布日： 2023-06-23 - 主分类号： G06T3/40 文献下载
摘要：本发明提供了一种近红外光谱胸内血管显像系统、方法及电子设备，该系统包括术中腔镜以及与术中腔镜连接的显示器；术中腔镜包括图像传感器以及内含多个近红外LED光源的镜头组；图像传感器分别与镜头组和显示器连接；镜头组用于在多个近红外LED光源向术中部位发射近红外光信号时，将近红外光信号经过术中部位反射后得的反射光信号转换成图像光信号；图像传感器用于将图像光信号转换成低分辨率图像，并采用预先训练的分类器对低分辨率图像进行血管分割以得到血管分割后的第一高分辨率图像，之后将第一高分辨率图像发送给显示器进行第一高分辨率图像的显示。采用本发明可以降低外科医师在术中识别血管的难度。
红外光谱血管显像系统方法电子设备

[发明专利]一种自适应加权矩阵的L0正则化图像平滑方法及应用-CN202310116621.5在审
发明人：武婷婷;武文娜;赵吴帆;曾铁勇 -专利权人：南京邮电大学
申请日： 2023-02-15 - 公布日： 2023-05-09 - 主分类号： G06T5/00 文献下载
摘要：本发明属于图像处理领域，公开了一种自适应加权矩阵的L0正则化图像平滑方法及应用，具体的设计了一个自适应加权矩阵，并将其应用到L0梯度最小化方法中，通过赋予不同梯度方向上不同的权重，达到刻画局部特征、防止过度平滑的目的，其次，利用ADMM算法对所提出的模型进行高效求解，最后，将待处理图像输入到所提出的最小化模型中，输出最后的平滑图像，并将结果扩展到其他应用中。本发明解决了常见方法中不能处理低分辨率、高振幅结构的问题，还能够获得更好的平滑图像，通过与其他先进方法相比，本发明的模型在视觉效果、数值方面均有显著提高。
一种自适应加权矩阵 l0 正则图像平滑方法应用

[发明专利]一种利用深度学习先验信息生成脑图谱的方法-CN202310056827.3在审
发明人：沈超敏;伍念;彭亚新;张桂戌;曾铁勇 -专利权人：华东师范大学
申请日： 2023-01-17 - 公布日： 2023-04-25 - 主分类号： G06N3/06 文献下载
摘要：本发明公开了一种利用深度学习先验信息生成脑图谱的方法，将深度学习先验信息嵌入到经典的变分模型中构建脑图谱的方法。本方法可用于生成在神经影像学研究中至关重要的脑图谱，提供对脑解剖结构、功能和连接等的群体表达，促进了多中心研究的结果整合，为脑科学和脑疾病研究提供有用的参照系。本方法分三步：第一步,利用MRI数据集，训练一个配准神经网络；第二步，初始化一个脑图谱；第三步，迭代更新初始脑图谱，直到脑图谱稳定不再变化，将结果直接输出。每一轮脑图谱的更新依赖于所有待构建脑图谱的MRI和当前脑图谱之间的配准形变场，由第一步中的神经网络直接计算得出。本发明的优点是将传统的脑图谱生成算法中复杂度极其高的配准算法替换成由神经网络计算，极大减少计算开销，从而节约了生成脑图谱的时间。
一种利用深度学习先验信息生成图谱方法

[发明专利]复杂背景下的多位手写粉笔数字自动识别方法-CN202310109319.7在审
发明人：武婷婷;闵如意;王海燕;李尔瀚;曾铁勇 -专利权人：南京邮电大学
申请日： 2023-02-14 - 公布日： 2023-04-18 - 主分类号： G06V30/32 文献下载
摘要：本发明涉及模式识别与机器学习领域，公开了一种复杂背景下的多位手写粉笔数字自动识别方法，首先使用MNIST数据集训练一个识别手写数字的卷积神经网络并保存到本地，其次对待识别图片进行预处理，包括二值化、去噪、图像增强等，以此来降低背景的干扰，凸显待识别数字的轮廓，然后根据手写数字的轮廓来对其进行定位，并用矩形框来表示数字所在的区域，最后对每个矩形中的数字进行遍历，重新加载预训练好的模型对数字进行识别。本发明实现了复杂背景下手写粉笔数字的定位与自动识别，解决了传统方法只能在干净单一背景或前景与背景对比度较大时才能进行识别的局限性。
复杂背景手写粉笔数字自动识别方法

[发明专利]基于双支路联合学习的低剂量CT图像超分辨率重建方法-CN202211614231.2在审
发明人：李智;侯宏宇;张桂戌;曾铁勇;李俊成 -专利权人：华东师范大学
申请日： 2022-12-15 - 公布日： 2023-04-11 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于双支路联合学习的低剂量CT图像超分辨率重建方法，其特点是并行处理CT图像的去噪重建和超分辨率重建。同时，双支路联合学习框架可以通过去噪任务和超分辨任务的交互来学习多任务之间的潜在联系，进而有效的重建出高分辨率CT图像。具体包括：构建数据集，训练数据集预处理，构建双支路网络模型，双支路信息的交互以及模型的训练和测试等步骤。本发明与现有技术相比充分考虑了双任务之间的交互问题，使用过滤门模块，去除无用信息并突出有利于超分辨率的特征，从而在去除噪声的同时实现CT图像的超分辨率重建，具有广泛的应用领域和良好的应用前景。
基于支路联合学习剂量 ct 图像分辨率重建方法

[发明专利]一种陀螺仪空间对应物的位置矫正方法-CN202211671837.X在审
发明人：武婷婷;杜智颜;邹观哲;李尔瀚;曾铁勇 -专利权人：南京邮电大学
申请日： 2022-12-26 - 公布日： 2023-03-10 - 主分类号： G01C25/00 文献下载
摘要：本发明属于微机械陀螺仪技术领域，公开了一种陀螺仪空间对应物的位置矫正方法，包括如下步骤：步骤1：陀螺仪与陀螺仪空间对应物位置的具体匹配，使得陀螺仪空间对应物和陀螺仪可以同步移动；步骤2：根据陀螺仪和陀螺仪空间对应物的方位距离误差进行矫正；步骤3：陀螺仪空间对应物位置的自动重置。本发明实现了陀螺仪空间对应物位置的矫正以及自动重置，解决了由于边界的存在而产生的陀螺仪与陀螺仪空间对应物之间的方位误差以及由于陀螺仪零漂问题的存在而引起的误差。
一种陀螺仪空间对应位置矫正方法

[发明专利]一种多尺度自监督图像去模糊方法-CN202211007783.7在审
发明人：张美娜;武婷婷;杨莹;倪国喜;曾铁勇 -专利权人：南京邮电大学
申请日： 2022-08-22 - 公布日： 2022-12-06 - 主分类号： G06T5/00 文献下载
摘要：本发明是一种多尺度自监督图像去模糊方法，包括步骤1：对模糊图像构建高斯金字塔，生成三个尺度的模糊图像；步骤2：在最大后验概率估计框架下，得到模糊核和潜在清晰图像的极小化模型；步骤3：在每个尺度的去模糊网络中，Skip‑CNN和FCN来捕捉图像和模糊核的先验信息，Skip‑CNN和FCN联合更新中间图像和模糊核，得到该尺度下的去模糊图像及模糊核；步骤4：从最粗尺度开始，依次得到由粗到精尺度下的去模糊图像和模糊核，最终在最精尺度下得到恢复结果。本发明克服单尺度下模糊核估计的不稳定性，提高图像恢复质量，保证图像恢复过程中充分学习彩色图像三个通道的信息，避免图像空间转换带来的颜色失真问题。
一种尺度监督图像模糊方法

[发明专利]一种同时去雾和提高分辨率的真实场景视觉增强方法-CN202210507268.9在审
发明人：张昊;曾铁勇 -专利权人：张昊;曾铁勇
申请日： 2022-05-11 - 公布日： 2022-07-29 - 主分类号： G06T7/90 文献下载
摘要：本发明所述的一种同时去除雾霾和提高分辨率的真实场景的视觉增强方法，首先利用秩一先验得到一幅初始的去雾图片和散射光图，然后在变分模型的框架下，同时结合了秩一先验去雾和一个用于处理多种图像退化问题的超分辨深度神经网络先验，利用半二次分裂(HQS)的优化算法，同时交替迭代估计用于去除雾霾的散射光图和通过深度超分辨率网络寻求高质量的视觉增强图像。本发明所述的方法还可以处理其他复杂场景，提高获取图像的清晰度和可识别度。
一种同时提高分辨率真实场景视觉增强方法

[发明专利]基于隐式正则与算法BDCA的相位恢复方法-CN202111365808.6在审
发明人：谷晓雨;武婷婷;黄朝燕;马均瑶;厉力华;曾铁勇 -专利权人：南京邮电大学
申请日： 2021-11-17 - 公布日： 2022-04-05 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了基于隐式正则与算法BDCA的相位恢复方法，根据算法BDCA求解基于隐式正则的相位恢复模型极小解，输出相位恢复的图像u；所述基于隐式正则的相位恢复模型计算公式如下：其中：u为干净图像，u∈[0,1]，λ是一个正则参数，b是观察到的退化图像，是傅里叶变换算子，分别代表维度为n,m的复数域空间，控制参数∈＞0，·,·代表内积；为Huber正则函数，为线性算子，Huber正则函数为本发明在图像具有高噪声的情形下有效的进行相位恢复。
基于正则算法 bdca 相位恢复方法

[发明专利]一种基于深度学习的半监督高光谱影像混合像元分解方法-CN202111142946.8在审
发明人：冯如意;白佳瑜;王力哲;曾铁勇 -专利权人：中国地质大学（武汉）
申请日： 2021-09-28 - 公布日： 2021-12-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于深度学习的半监督高光谱影像混合像元分解方法，该方法包括：手工获取端元光谱数据；对光谱数据降维，光谱数据维数降至与端元数目相等；将降维后的光谱数据通过光谱重构层，得到重构的像元光谱；最小化重构的像元光谱与输入的光谱之间的误差，更新网络参数。通过手工选取端元光谱，获得更为准确的端元初始值，加速模型收敛，获得更为精确的丰度值；通过利用较深的深度学习网络模型，提取更深层次的特征信息，学习像元光谱内在的相关性；通过使用全连接层将数据与线性混合模型结合，并通过初始化网络参数来加速模型收敛，提升分解精度；通过余弦相似度来度量输入输出数据的相似性，获得更高的计算效率和精度。
一种基于深度学习监督光谱影像混合分解方法

[发明专利]一种基于对偶学习图网络的遥感影像超分辨率重建方法-CN202110961671.4在审
发明人：冯如意;刘子瑜;王力哲;曾铁勇 -专利权人：中国地质大学（武汉）
申请日： 2021-08-20 - 公布日： 2021-11-12 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于对偶学习图网络的遥感影像超分辨率重建方法，包括：获取若干个目标特征块，在下采样特征中搜索与目标特征块最相似的k个特征块；得到目标特征块的高分辨率特征块，得到超分辨率重建图像；计算退化后的低分辨率图像和原始低分辨率图像之间的对偶误差，将对偶误差加入损失函数中；损失函数趋于稳定，模型收敛，输入超分辨率重建的遥感图像到超分辨率重建模型，得到低分辨率遥感图像对应的高分辨率遥感图像。通过图的构建，实现了特征跨尺度连接，实现了非局部聚合效果且相比于全局方法节省了计算资源；减小了超分辨率重建图解空间的大小，提升了超分精度和视觉效果。
一种基于对偶学习网络遥感影像分辨率重建方法

1
2
下一页»
尾页
共 17 条