-
公开(公告)号：CN110222672B
公开(公告)日：2022-10-21
申请号：CN201910532371.7
申请日：2019-06-19
申请人： 广东工业大学
IPC分类号： G06V40/10 , G06V10/776
摘要： 本发明公开了一种施工现场的安全帽佩戴检测方法、装置、设备及存储介质，通过根据施工现场图像样本以及包括人体头部位置标注和安全帽类别标注的标注信息训练安全帽佩戴检测模型，将待检测图像输入该安全帽佩戴检测模型，得到待检测图像中的人体头部位置信息以及与人体头部位置信息对应的安全帽类别信息并输出，相比于传统的从背景检测人体再检测头部区域再到安全帽识别的图像处理方法，整个过程是端到端的，更关注人体头部特征和安全帽类别特征进行学习，因此能够适应背景不同的多种施工场景，无需针对各施工场景分别训练模型参数，减小了传统模型泛化能力差的问题，便于及时发现未佩戴安全帽的工人、保障工人安全。
-
公开(公告)号：CN111798377A
公开(公告)日：2020-10-20
申请号：CN202010650903.X
申请日：2020-07-08
申请人： 广东工业大学
摘要： 本发明提供的一种基于多分辨率学习策略的磁共振图像超分辨率重建方法，将低分辨率的磁共振图像输入至神经网络模型中，以通过神经网络模型对该低分辨率的磁共振图像进行多尺度特征提取，多分辨率上采样以及加权融合，重建出高分辨率的磁共振图像；与现有技术相比，本申请能够获得比自然图像更丰富的特征信息的同时降低了网络的时间复杂度、减少了显存的消耗；并且，通过多尺度特征映射单元对磁共振图像进行特征提取，不仅能够获得较为多样化的多尺度特征信息，还能够提升网络的深度，降低网络的参数量，减少网络的训练时间；另外，本发明还通过多分辨率学习层实现高分辨率磁共振图像的超分辨率重建，与期望输出更为接近，效果更佳。
-
公开(公告)号：CN110310280B
公开(公告)日：2021-05-11
申请号：CN201910620001.9
申请日：2019-07-10
申请人： 广东工业大学
摘要： 本发明公开了一种肝胆管及结石的图像识别系统，包括：输入模块，用于获取待测图像并输入至经过训练的稀疏卷积神经网络中；稀疏卷积神经网络，用于对待测图像进行图像识别，并在识别结果中分割出待测图像中的肝胆管及胆结石的位置轮廓；稀疏卷积神经网络中的第1编码器中的各个卷积层均采用小卷积核，其余编码器中以及各个解码器中的各个卷积层均采用稀疏卷积核；第一个编码的过程中将不同尺度下的特征图输出至后续的各个编码器及解码器中，与对应分辨率下的特征图进行融合操作。应用本申请的方案，可以更加有效地对肝胆管及结石进行图像识别从而协助医生的治疗。本申请还提供了一种肝胆管及结石的图像识别系统、设备及存储介质，具有相应效果。
-
公开(公告)号：CN110222672A
公开(公告)日：2019-09-10
申请号：CN201910532371.7
申请日：2019-06-19
申请人： 广东工业大学
摘要： 本发明公开了一种施工现场的安全帽佩戴检测方法、装置、设备及存储介质，通过根据施工现场图像样本以及包括人体头部位置标注和安全帽类别标注的标注信息训练安全帽佩戴检测模型，将待检测图像输入该安全帽佩戴检测模型，得到待检测图像中的人体头部位置信息以及与人体头部位置信息对应的安全帽类别信息并输出，相比于传统的从背景检测人体再检测头部区域再到安全帽识别的图像处理方法，整个过程是端到端的，更关注人体头部特征和安全帽类别特征进行学习，因此能够适应背景不同的多种施工场景，无需针对各施工场景分别训练模型参数，减小了传统模型泛化能力差的问题，便于及时发现未佩戴安全帽的工人、保障工人安全。
-
公开(公告)号：CN111798377B
公开(公告)日：2023-07-28
申请号：CN202010650903.X
申请日：2020-07-08
申请人： 广东工业大学
IPC分类号： G06T3/40 , G06N3/0464 , G06N3/08
摘要： 本发明提供的一种基于多分辨率学习策略的磁共振图像超分辨率重建方法，将低分辨率的磁共振图像输入至神经网络模型中，以通过神经网络模型对该低分辨率的磁共振图像进行多尺度特征提取，多分辨率上采样以及加权融合，重建出高分辨率的磁共振图像；与现有技术相比，本申请能够获得比自然图像更丰富的特征信息的同时降低了网络的时间复杂度、减少了显存的消耗；并且，通过多尺度特征映射单元对磁共振图像进行特征提取，不仅能够获得较为多样化的多尺度特征信息，还能够提升网络的深度，降低网络的参数量，减少网络的训练时间；另外，本发明还通过多分辨率学习层实现高分辨率磁共振图像的超分辨率重建，与期望输出更为接近，效果更佳。
-
公开(公告)号：CN116049603A
公开(公告)日：2023-05-02
申请号：CN202310121347.0
申请日：2023-02-13
申请人： 广东工业大学
摘要： 本发明提供一种光栅尺测量误差补偿方法，包括以下步骤：S1：构建初始误差补偿模型和多维有界优化模型；S2：由亚像素级定位网络根据输入的光栅图像提取亚像素码道定位图；S3：在任务空间中根据亚像素码道定位图构建回归树，输出关联各干扰因素的回归结果并将回归结果迁移到多维有界优化模型；S4：由多维有界优化模型根据回归结果反馈补偿条件到亚像素级定位网络；S5：由亚像素级定位网络根据补偿条件提取新的亚像素码道定位图输入到译码层，输出的译码结果作为准确的测量结果，完成光栅尺测量误差补偿。本发明提供一种光栅尺测量误差补偿方法，解决了光栅尺的测量精度往往受到多种误差因素影响的问题。
-
公开(公告)号：CN112884759B
公开(公告)日：2023-04-07
申请号：CN202110271312.6
申请日：2021-03-12
申请人： 广东工业大学
IPC分类号： G06T7/00 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本申请公开了一种乳腺癌腋窝淋巴结转移状态的检测方法及相关装置，方法包括：获取病人的腋窝淋巴结部位的B型超声图像和剪切波弹性超声图像；将B型超声图像和剪切波弹性超声图像输入到深度学习模型中进行特征提取、特征融合和分类预测，得到病人的乳腺癌腋窝淋巴结转移状态检测结果。本申请解决了现有技术通过机器学习方法进行乳腺癌腋窝淋巴结转移状态的检测，由于数据样本较少，导致机器学习模型的预测性能不佳的技术问题。
-
公开(公告)号：CN112884759A
公开(公告)日：2021-06-01
申请号：CN202110271312.6
申请日：2021-03-12
申请人： 广东工业大学
摘要： 本申请公开了一种乳腺癌腋窝淋巴结转移状态的检测方法及相关装置，方法包括：获取病人的腋窝淋巴结部位的B型超声图像和剪切波弹性超声图像；将B型超声图像和剪切波弹性超声图像输入到深度学习模型中进行特征提取、特征融合和分类预测，得到病人的乳腺癌腋窝淋巴结转移状态检测结果。本申请解决了现有技术通过机器学习方法进行乳腺癌腋窝淋巴结转移状态的检测，由于数据样本较少，导致机器学习模型的预测性能不佳的技术问题。
-
公开(公告)号：CN110310280A
公开(公告)日：2019-10-08
申请号：CN201910620001.9
申请日：2019-07-10
申请人： 广东工业大学
摘要： 本发明公开了一种肝胆管及结石的图像识别系统，包括：输入模块，用于获取待测图像并输入至经过训练的稀疏卷积神经网络中；稀疏卷积神经网络，用于对待测图像进行图像识别，并在识别结果中分割出待测图像中的肝胆管及胆结石的位置轮廓；稀疏卷积神经网络中的第1编码器中的各个卷积层均采用小卷积核，其余编码器中以及各个解码器中的各个卷积层均采用稀疏卷积核；第一个编码的过程中将不同尺度下的特征图输出至后续的各个编码器及解码器中，与对应分辨率下的特征图进行融合操作。应用本申请的方案，可以更加有效地对肝胆管及结石进行图像识别从而协助医生的治疗。本申请还提供了一种肝胆管及结石的图像识别系统、设备及存储介质，具有相应效果。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.024 秒)