-
公开(公告)号：CN112801212B
公开(公告)日：2022-11-18
申请号：CN202110229582.0
申请日：2021-03-02
Applicant: 东南大学
Abstract: 本发明涉及一种基于小样本半监督学习的白细胞分类计数方法，首先对显微镜拍摄的血细胞图像用图像处理方式清晰定位到单个白细胞，得到待分类细胞图像；对细胞图像选取部分进行人工标注，分别得到标注样本与无标注样本，分配训练样本和测试样本；确定分类网络的输入输出及中间部分的结构，构建基于双网络结构的半监督分类网络；使用少量标注样本和大量无标注样本训练半监督分类网络，保存训练效果最优的模型；对定位的单个白细胞图像进行分类，根据半监督分类网络输出每张图像的分类信息，从而统计出白细胞每类的数量。该方法能够在少标注情况下实现白细胞图像分类统计，且检测效率和精度高。
-
公开(公告)号：CN114461623A
公开(公告)日：2022-05-10
申请号：CN202210100479.0
申请日：2022-01-27
Applicant: 东南大学
Abstract: 本发明公开许可链上授权的非交易有害数据完全擦除方法，包括异地多步擦除、擦除后的验证与示证、设置擦除周期可调节和新用户节点初始化，本发明可在授权后完全擦除链上有害数据，而非对相关数据的隐藏处理。所设计的一致性验证算法，能保证擦除操作不影响交易相关数据的完整性、一致性、有效性等永久写入特性，且提供基于密码学的用户示证；所涉及的擦除周期可调整方法，允许许可链系统在不扩大影响的情况下对突发性的非法数据插入进行及时处理。
-
公开(公告)号：CN112133366A
公开(公告)日：2020-12-25
申请号：CN202010930573.X
申请日：2020-09-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于基因数据和生成对抗卷积神经网络的面型预测方法，包括以下步骤：S1：对人体颅骨CT扫描图进行数据预处理，并结合相应的基因数据，制作数据集；S2：搭建卷积神经网络；S3：使用训练样本训练步骤S2中搭建好的卷积神经网络，每训练四轮，便用模型对检测样本进行检测，评判生成的预测面型；S4：选取步骤S4中效果最好的一轮作为最终结果。本发明利用深度学习技术，通过卷积神经网络自动提取特征，模型只需要输入基因序列，就可以在很短的时间内计算出基因所对应的完整面部形态，实现端到端的预测。在提高了预测效率的同时，保证了可观的预测准确率。
-
公开(公告)号：CN106934806B
公开(公告)日：2019-09-10
申请号：CN201710135456.2
申请日：2017-03-09
Applicant: 东南大学
Abstract: 本发明公开一种基于结构清晰度的无参考图失焦模糊区域分割方法，包括以下步骤：(1)缩放图像，将图像缩放为原图像面积的约1/4倍；(2)计算清晰度差值，分别计算原图和缩放后图像对应位置图像块的结构清晰度，并计算二者的差；(3)提取模糊区域，滤除差值图像的噪声，使用图像分割算法分割出模糊区域，并对分割后的结果进行上采样。针对无参考图像的失焦模糊区域分割，本发明使用原始图像构造缩放图像，分别计算缩放图像以及原始图像的清晰度，进而获得模糊度分布图像，最终快速有效地分割出图像失焦模糊区域。
-
公开(公告)号：CN110120037A
公开(公告)日：2019-08-13
申请号：CN201910354636.9
申请日：2019-04-29
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 东南大学 , 江苏省电力试验研究院有限公司
IPC: G06T7/00
Abstract: 本发明公开了一种图像处理方法，包括以下步骤：S1：对于所有型号的碳纤维复合芯导线，均建立碳纤维复合芯导线中各层铝股的射线图像库；S2：采用X射线机拍摄待检测的碳纤维复合芯导线的射线图像；S3：将待检测的碳纤维复合芯导线的射线图像与射线图像库中同型号碳纤维复合芯导线的各层铝股的射线图像进行相减处理，获得仅包含碳纤维芯棒的射线图像。本发明还公开了采用上述图像处理方法的缺陷检测方法。此外，本发明还公开了相应的装置、设备和计算机存储介质。本发明不需要使用显影剂将能够有效排除导线铝股间隙等形成的干扰，能够突出显示碳纤维复合芯导线的缺陷，从而能够快速准确地实现缺陷的识别和定位。
-
Patent Agency Ranking
公开(公告)号：CN106846343A
公开(公告)日：2017-06-13
申请号：CN201710136672.9
申请日：2017-03-09
Applicant: 东南大学
IPC: G06T7/11
CPC classification number: G06T7/0012 , G06T2207/30004
Abstract: 本发明公开一种基于超像素分割的病理图像特征提取方法，包括以下几个步骤：(1)初始化种子点，确定预分割为K个相同尺寸的超像素(2)相似度衡量，对于每个像素点，分别计算与之距离最近的种子点相似程度(3)提取每个分割部分的直方图，形状，纹理特征。本发明通过线性迭代聚类方法，将一副图像分割成很多部分，并对每部分提取该区域图像的直方图，形状，纹理特征。
-
公开(公告)号：CN102842141B
公开(公告)日：2015-03-11
申请号：CN201210228165.5
申请日：2012-07-03
Applicant: 东南大学
IPC: G06T11/00
Abstract: 本发明公开了一种旋转X射线造影图像迭代重建方法，首先在第一阶段构造低分辨率投影矩阵，并将完整矩阵拆解为单一角度矩阵和旋转矩阵2个分量进行简化存储，然后第二阶段在第一阶段得到低分辨率投影矩阵的基础上，进行进一步基于投影内容的简化，最后在第三阶段进行三维血管重建本方法采用的经过掩模简化的投影矩阵解决了旋转X射线造影系统投影，反投影计算量过大，计算时间过长的问题，能够有效获得三维血管结构，帮助临床医师进行诊断。
-
公开(公告)号：CN118196604A
公开(公告)日：2024-06-14
申请号：CN202410340505.6
申请日：2024-03-25
Applicant: 新型显示与视觉感知石城实验室 , 东南大学
Abstract: 本发明公开了对迭代FGSM反取证攻击鲁棒的像素级定位取证方法，构建像素级定位取证模型，该模型由特征提取模块、多尺度模块、解码器模块三部分组成；特征提取模块用于提取图像的RGB色彩特征和SRM噪声特征，在提取出的RGB色彩特征后使用多尺度模块，该模块基于注意力机制和密集特征设计，让模型在更大的感受野下提取多尺度特征。解码器模块由基于残差块的上采样单元组成，其中每个单元都使用了注意力机制SCSE层。解码器模块与特征提取模块的对应部分使用跳跃连接相连，解码器模块输出预测的取证定位掩码。像素级定位取证模型在多个公开数据集上取得了较好的取证效果，且在基于迭代FGSM的反取证攻击下表现出较好的鲁棒性。
-
公开(公告)号：CN116644833A
公开(公告)日：2023-08-25
申请号：CN202310383084.0
申请日：2023-04-11
Applicant: 东南大学 , 江苏省未来网络创新研究院
IPC: G06Q10/04 , G06Q50/00 , G06F18/214 , G06F18/243 , G06F18/2415 , G06F16/35 , G06F40/284 , G06N5/04
Abstract: 本发明公开了一种基于自然语言处理和社交网络的科研成果归属预测方法及系统，首先，基于现有的科研成果认领平台构建训练样本库，再基于预训练模型训练二分类任务模型，并构建科研人员合作网络，构建科研成果属性过滤模块，最后通过对未认领科研成果进行归属打分的方式完成科研成果的归属预测。本发明能够充分利用科研成果之间的发展关系和科研人员之间合作的信息，更加准确的得到科研成果的归属预测结果，减少人工参与的同时大大提高成果归属预测的准确性。
-
公开(公告)号：CN110119677B
公开(公告)日：2022-03-11
申请号：CN201910246680.8
申请日：2019-03-28
Applicant: 东南大学 , 国网江苏省电力有限公司电力科学研究院
IPC: G06V40/60 , G06V10/774 , G06V10/764 , G06K9/62 , G01N23/04
Abstract: 本发明提供一种基于图像分类网络的碳纤维复合芯电缆破损检测方法采用X成像的方式对碳纤维复合芯电缆进行图像采集；对采集的碳纤维复合芯电缆图像进行预处理操作，分别得到训练样本与检测样本；确定起始残差网络的输入输出及中间部分的结构，构建碳碳纤维复合芯电缆破损分类检测网络；使用训练样本训练碳纤维复合芯电缆破损分类检测网络，保存训练效果最优的模型；使用检测样本进行检测，根据碳纤维复合芯电缆破损分类检测网络分类输出，自动标记出图像中的破损位置。该方法能够自动实现碳纤维复合芯电缆破损检测，且检测效率和精度高。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
