-
公开(公告)号：CN117173798A
公开(公告)日：2023-12-05
申请号：CN202311139689.1
申请日：2023-09-05
Applicant: 科大讯飞股份有限公司
IPC: G06V40/40 , G06V40/16 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种活体识别方法、装置、电子设备及存储介质，该方法包括：获取目标用户在目标模态下的待识别图像；将待识别图像输入第一检测模型中，输出目标用户的活体检测结果，第一检测模型是基于第二检测模型确定的第一类别token对初始第一检测模型进行约束得到的，第二检测模型为基于多模态的图像样本训练得到的；第一类别token为第二检测模型对图像样本对应的用户进行活体检测时的参数。该方法中，第二检测模型能利用多模态图像样本中不同模态的数据特征，充分挖掘数据间的关系；通过第二检测模型确定的第一类别token对初始第一检测模型进行约束，使第一检测模型能对任意模态的图像进行活体识别，提高了活体识别的灵活度。
-
公开(公告)号：CN113240666B
公开(公告)日：2024-04-16
申请号：CN202110625389.9
申请日：2021-06-04
Applicant: 科大讯飞股份有限公司
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/187 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/0464 , G06N3/094
Abstract: 本申请提供了一种医学影像预处理方法、装置、设备及存储介质，其中，方法包括：在获得待处理医学影像后，首先从待处理医学影像中获取候选感兴趣影像块，然后基于预先建立的影像转换模型将候选感兴趣影像块转换为无设备信息的影像块。由于影像转换模型采用对抗生成网络中的生成网络，以使对抗生成网络中的判别网络无法判别训练样本对应的转换后样本所属的域为训练目标训练得到，因此，基于训练得到的影像转换模型能够将从待处理医学影像中获取的候选感兴趣影响块转换为无设备信息的影像块，进而使得后续对无设备信息的候选感兴趣影像块进行感兴趣影像块/非感兴趣影像块的分类时，因无设备信息的影响，能够获得比较准确的分类结果。
-
公开(公告)号：CN110796659B
公开(公告)日：2023-12-01
申请号：CN201911289667.7
申请日：2019-12-13
Applicant: 科大讯飞股份有限公司
IPC: G06T7/00 , G06T7/136 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/40 , G06N3/044 , G06N3/0464 , G06N3/09
Abstract: 本申请提出一种目标检测结果的鉴别方法、装置、设备及存储介质，其中，该方法包括：获取初始目标检测结果，所述初始目标检测结果为从图像中检测图像目标得到的初步检测结果；将所述初始目标检测结果划分为图像单元序列，并根据所述图像单元序列提取所述初始目标检测结果的内部结构特征；至少根据所述内部结构特征，确定所述初始目标检测结果是否为图像目标。该方法基于初始目标检测结果的内部结构对初始目标检测结果进行鉴别，可以准确识别初始目标检测结果是否为图像目标。
-
公开(公告)号：CN111738992A
公开(公告)日：2020-10-02
申请号：CN202010500226.3
申请日：2020-06-04
Applicant: 科大讯飞股份有限公司
Abstract: 本发明实施例提供一种肺部病灶区域提取方法、装置、电子设备和存储介质，其中方法包括：确定肺部影像；将肺部影像输入至病灶检测模型，得到病灶检测模型输出的病灶检测结果；将肺部影像输入至病灶分割模型，得到病灶分割模型输出的病灶分割结果；基于病灶检测结果和病灶分割结果，确定肺部影像的病灶区域提取结果。本发明实施例提供的方法、装置、电子设备和存储介质，通过病灶检测模型得到病灶检测结果，通过病灶分割模型得到病灶分割结果，实现了自动化的病灶区域提取，在保证病灶区域提取效率的同时，通过结合病灶检测模型和病灶分割模型两个模型的优势，得到兼顾了区域提取准确性和提取精度的肺部影像的病灶区域提取结果。
-
公开(公告)号：CN113240666A
公开(公告)日：2021-08-10
申请号：CN202110625389.9
申请日：2021-06-04
Applicant: 科大讯飞股份有限公司
Abstract: 本申请提供了一种医学影像预处理方法、装置、设备及存储介质，其中，方法包括：在获得待处理医学影像后，首先从待处理医学影像中获取候选感兴趣影像块，然后基于预先建立的影像转换模型将候选感兴趣影像块转换为无设备信息的影像块。由于影像转换模型采用对抗生成网络中的生成网络，以使对抗生成网络中的判别网络无法判别训练样本对应的转换后样本所属的域为训练目标训练得到，因此，基于训练得到的影像转换模型能够将从待处理医学影像中获取的候选感兴趣影响块转换为无设备信息的影像块，进而使得后续对无设备信息的候选感兴趣影像块进行感兴趣影像块/非感兴趣影像块的分类时，因无设备信息的影响，能够获得比较准确的分类结果。
-
公开(公告)号：CN110796659A
公开(公告)日：2020-02-14
申请号：CN201911289667.7
申请日：2019-12-13
Applicant: 科大讯飞股份有限公司
Abstract: 本申请提出一种目标检测结果的鉴别方法、装置、设备及存储介质，其中，该方法包括：获取初始目标检测结果，所述初始目标检测结果为从图像中检测图像目标得到的初步检测结果；将所述初始目标检测结果划分为图像单元序列，并根据所述图像单元序列提取所述初始目标检测结果的内部结构特征；至少根据所述内部结构特征，确定所述初始目标检测结果是否为图像目标。该方法基于初始目标检测结果的内部结构对初始目标检测结果进行鉴别，可以准确识别初始目标检测结果是否为图像目标。
