-
公开(公告)号：CN111833361A
公开(公告)日：2020-10-27
申请号：CN202010675708.2
申请日：2020-07-14
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开一种针对目标大小进行分割的工具，涉及全卷积神经网络技术领域，采用工具包括：目标感知模块，用于感知图像中目标大小，并将图像中目标划分为一般目标和小目标；层级分割网络，包括两个层级，基于目标感知模块的划分结果，第一个层级用于直接分割图像中的一般目标，第二个层级用于放大并分割图像中的小目标。本发明还公开一种针对目标大小进行分割的方法，本方法与前述工具相结合，通过对图像中目标大小进行分级并根据分级结果进行不同分割的过程，提高不同尺度目标的分割精度，尤其采用层级分割网络，大幅度提升小目标的分割精度。
-
公开(公告)号：CN110321922A
公开(公告)日：2019-10-11
申请号：CN201910385106.0
申请日：2019-05-09
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开一种基于空间相关区分卷积神经网络的CT图像分类方法,涉及数据处理技术领域；构造三维稀疏卷积核，针对CT图像数据，在卷积过程中获取CT图像数据各个切片的空间信息及各个切片空间信息之间的空间相关性，在每个卷积层后利用softmax损失函数对CT图像数据的特征图的学习进行区分性特征学习约束，约束每个特征图的相关特征点符合对应的CT图像的类别，利用每个卷积层的softmax损失函数之和获得空间相关区分卷积神经网络的优化函数，待分类的CT图像输入空间相关区分卷积神经网络后，利用优化函数对待分类的CT图像进行分类。
-
公开(公告)号：CN108537206A
公开(公告)日：2018-09-14
申请号：CN201810366071.1
申请日：2018-04-23
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开了一种基于卷积神经网络的人脸验证方法，其实现过程为，首先收集训练图像，挑选正类样本，生成正类模板；构造训练集，将收集的训练图像与正类模板进行比对；设计损失函数，通过优化该函数，结合训练集训练卷积神经网络模型，使该卷积神经网络模型可样本对输入；将待验证样本与产生的正类模板构造成一个样本对输入到卷积神经网络中，根据验证结果，确定样本为正类或负类，正类则验证通过，负类则验证不通过。本发明的一种基于卷积神经网络的人脸验证方法与现有技术相比，将单样本输入改为样本对输入，能够学到样本与正类模板的相似性，直接输出样本与正类模板的比对结果，不需要与其他正类样本进行一一比对，可以有效地降低验证时间。
-
公开(公告)号：CN111223100A
公开(公告)日：2020-06-02
申请号：CN202010020569.X
申请日：2020-01-09
申请人： 济南浪潮高新科技投资发展有限公司
IPC分类号： G06T7/10
摘要： 本发明公开一种基于双路相关性学习网络的图像分割方法及系统，涉及图像分割技术领域，其实现包括：引入半监督分割框架，构建结构相同的上路网络和下路网络；基于像素之间的相关性，在上路网络中构建关系图；基于关系图，将有标记的图像输入上路网络进行训练，得到训练完成的上路网络；将未标记的图像输入下路网络，对下路网络的可调参数进行赋值，使下路网络的分割结果与训练所得上路网络的分割结果一致，此时，得到训练完成的下路网络；将待分割的未标记图像输入训练完成的上路网络和下路网络，训练完成的上路网络和下路网络输出一致的分割结果。本发明可以充分利用未标记图像及像素之间的结构信息，提高分割精度。
-
公开(公告)号：CN109766854A
公开(公告)日：2019-05-17
申请号：CN201910038289.9
申请日：2019-01-15
申请人： 济南浪潮高新科技投资发展有限公司
IPC分类号： G06K9/00
摘要： 本发明特别涉及一种基于两阶段互补网络的鲁棒人脸识别算法。该基于两阶段互补网络的鲁棒人脸识别算法，采用两阶段互补网络，第二阶段子网络为第一阶段子网络的补充；所述第一阶段子网络用于识别受外界环境影响较小的人脸图像，将难以识别的受外界环境影响较大的人脸图像输入到所述第二阶段子网络，所述第二阶段子网络学习外界环境影响因素的特点，减少外界环境对算法的影响。该基于两阶段互补网络的鲁棒人脸识别算法，操作简便，简单高效，两阶段互补网络可以利用现有的较为经典的任何网络来实现，同时以第二阶段子网络作为对第一阶段子网络的补充，既提高了识别效率，又保障了识别准确率。
-
公开(公告)号：CN109753944A
公开(公告)日：2019-05-14
申请号：CN201910035759.6
申请日：2019-01-15
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明特别涉及一种基于深度三层次的虹膜识别方法。该基于深度三层次的虹膜识别方法，包括噪声评估，图像转换和识别三部分，采用噪声评估网络对图像是否受外界干扰影响进行评估，分为不受外界干扰和受外界干扰两类；采用图像转换网络对受外界干扰的图像进行转换，生成高质量的消除外界干扰的图像；采用识别网络对生成的高质量的消除外界干扰的图像进行识别。该基于深度三层次的虹膜识别方法，能够消除外界环境的影响，提高了虹膜识别的准确性和识别效率，保障了个人身份验证的安全性和便利性，适宜推广应用。
-
公开(公告)号：CN109614929A
公开(公告)日：2019-04-12
申请号：CN201811510433.6
申请日：2018-12-11
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开了基于多粒度代价敏感卷积神经网络的人脸检测方法及系统，属于计算机视觉技术领域。本发明的基于多粒度代价敏感卷积神经网络的人脸检测方法，该方法中采用快速区域卷积神经网络为基本框架，在快速区域卷积神经网络框架中加入多粒度转换单元，将不同人脸的重要性引入到目标函数中，通过优化目标函数，获得多粒度转换卷积神经网络的参数，从而得到人脸检测模型。该发明的基于多粒度代价敏感卷积神经网络的人脸检测方法能够增强被遮挡人脸在训练过程中的重要程度，从而提高被遮挡人脸被检测出的准确性，具有很好的推广应用价值。
-
公开(公告)号：CN109409314A
公开(公告)日：2019-03-01
申请号：CN201811318592.6
申请日：2018-11-07
申请人： 济南浪潮高新科技投资发展有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于增强网络的手指静脉识别方法及系统，属于生物特征识别技术领域。本发明的基于增强网络的手指静脉识别方法，对图像质量进行评价，分出高质量图像和低质量图像，采用增强网络对低质量图像进行增强，将低质量图像转换成高质量图像，通过识别网络对输出的高质量图像进行身份识别。该发明的基于增强网络的手指静脉识别方法在识别图像的同时提高图像质量，从而有助于提高识别精度，具有很好的推广应用价值。
-
公开(公告)号：CN109214388A
公开(公告)日：2019-01-15
申请号：CN201811389439.2
申请日：2018-11-21
申请人： 济南浪潮高新科技投资发展有限公司
摘要： 本发明公开一种基于个性化融合网络的肿瘤分割方法，涉及医学图像处理技术领域，该方法首先通过专家观察对肿瘤超声图像进行分类，随后根据分类结果对肿瘤超声图像进行初步处理后作为训练样本输入灰度识别网络或多尺寸全卷积神经网络进行训练，进行多次训练后得出肿瘤超声图像的最佳分割结果，最后，将肿瘤超声图像输入灰度识别网络或多尺寸全卷积神经网络即可完成分割，该分割方法可以适应不同分类的肿瘤超声图像，具有分割精度高、分割效率高的优点。本发明还公开一种基于个性化融合网络的肿瘤分割装置，与上述分割方法相结合，更好的完成肿瘤超声图像的分割。
-
公开(公告)号：CN108764116A
公开(公告)日：2018-11-06
申请号：CN201810508245.3
申请日：2018-05-24
申请人： 济南浪潮高新科技投资发展有限公司
CPC分类号： G06K9/00288 , G06K9/6256
摘要： 本发明公开了一种基于深度代价敏感的人脸识别系统及方法，包括分类模块，用于将人脸分为正脸和侧脸；转换模块，用于接收来自分类模块的侧脸，并将分类模块划分的侧脸转换为正脸；识别模块，用于接收来自分类模块和转换模块发送来的正脸图像，并对该图像进行识别。本发明的一种基于深度代价敏感的人脸识别系统及方法与现有技术相比，有效将侧脸转换为信息量更为丰富的正脸，提高正脸的识别率而且可以将侧脸识别的较好，从而在侧脸上取得较高的识别精度，简单有效，实用性强。
-
-
-
-
-
-
-
-
-
搜索结果
35 条记录 (耗时 0.042 秒)
