-
公开(公告)号：CN111353995B
公开(公告)日：2023-03-28
申请号：CN202010240762.4
申请日：2020-03-31
Applicant: 成都信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法，包括以下步骤：S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集，并对宫颈单细胞数据集进行预处理；S2、模型设计：以传统的生成对抗网络为基础，在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成：生成器用于捕获训练数据的分布，判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式，使生成对抗网络可以生成逼近真实的图像，提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据，可以通过扩大数据集获得更高的疾病检测准确率。
-
公开(公告)号：CN107609470B
公开(公告)日：2020-09-01
申请号：CN201710636033.9
申请日：2017-07-31
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种野外火灾早期烟雾视频检测的方法，其包括以下步骤：步骤1：将视频镜头进行解压处理，得到帧序列；步骤2：以大小为5*5的均值滤波器对原始图像进行滤波，并通过形态学的方法去除噪点；步骤3：利用火灾烟雾的运动特性初提取火灾烟雾候选区域，采用高斯混合模型提取运动前景；步骤4：利用早期野外火灾烟雾颜色静态特征进行第2次烟雾候选区域提取；步骤5：利用烟雾扩散过程中运动的方向特征进行第3次烟雾候选区域提取；步骤6：利用卷积神经网络对候选烟雾区域进行识别，其中，卷积神经网络设计为一层输入层，三层卷积层，三层池化层，一层全连接神经网络和一层输出层。本发明具有识别率高，便于推广应用的优点。
-
公开(公告)号：CN111353995A
公开(公告)日：2020-06-30
申请号：CN202010240762.4
申请日：2020-03-31
Applicant: 成都信息工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法，包括以下步骤：S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集，并对宫颈单细胞数据集进行预处理；S2、模型设计：以传统的生成对抗网络为基础，在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成：生成器用于捕获训练数据的分布，判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式，使生成对抗网络可以生成逼近真实的图像，提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据，可以通过扩大数据集获得更高的疾病检测准确率。
-
公开(公告)号：CN107609470A
公开(公告)日：2018-01-19
申请号：CN201710636033.9
申请日：2017-07-31
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种野外火灾早期烟雾视频检测的方法，其包括以下步骤：步骤1：将视频镜头进行解压处理，得到帧序列；步骤2：以大小为5*5的均值滤波器对原始图像进行滤波，并通过形态学的方法去除噪点；步骤3：利用火灾烟雾的运动特性初提取火灾烟雾候选区域，采用高斯混合模型提取运动前景；步骤4：利用早期野外火灾烟雾颜色静态特征进行第2次烟雾候选区域提取；步骤5：利用烟雾扩散过程中运动的方向特征进行第3次烟雾候选区域提取；步骤6：利用卷积神经网络对候选烟雾区域进行识别，其中，卷积神经网络设计为一层输入层，三层卷积层，三层池化层，一层全连接神经网络和一层输出层。本发明具有识别率高，便于推广应用的优点。
-
-
-
Search Results
4
records
(took 0.021 seconds)
