-
公开(公告)号：CN110619332B
公开(公告)日：2022-03-29
申请号：CN201910744386.X
申请日：2019-08-13
Applicant: 中国科学院深圳先进技术研究院 , 中山大学中山眼科中心
IPC: G06V30/148 , G06V10/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/75 , G06V10/764
Abstract: 一种基于视野检查报告的数据处理方法包括：获取待处理的视野检查报告中的光敏感度数据图数据、模式偏差数值图数据和模式偏差概率图数据；将所述光敏感度数据图数据输入第一卷积神经网络模型得到第一训练分值，将模式偏差数值图数据输入第二卷积神经网络模型得到第二训练分值，将所述模式偏差概率图数据输入第三卷积神经网络模型得到第三训练分值；根据所述第一分值、第二分值、第三分值以及对应的权值计算得到分类结果。与通过图像对比的方式相比，识别精度更高，并且在模式偏差概率图和模式偏差数值图的基础上，引入保留有原始信息的光敏感度数据图，更加充分的利用视野检查报告信息，有利于提高所获取的分类结果的准确度。并且基于该分类结果，有利于提高最终报告的生成效率，并且结合其它检测信息，可以有助于医务人员快速的对病情进行评估。
-
公开(公告)号：CN113379767A
公开(公告)日：2021-09-10
申请号：CN202110676639.1
申请日：2021-06-18
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明公开一种构建自我监督点云学习的语义扰动重构网络的方法。该方法包括：构建语义扰动重构网络，其基本分支包括第一特征提取网络和第一预测网络，第一特征提取网络以点云为输入，提取局部特征和全局特征，第一预测网络用于点云重建和法向估计；扰动分支包括第二特征提取网络和第二预测网络，第二特征提取网络以语义扰动的点云为输入，提取局部特征和扰动点云的全局特征，第二预测网络用于点云重建；优化损失函数为目标训练语义扰动重构网络，训练过程中，第一特征提取网络和第二特征提取网络共享权重，并通过点云一致性损失的约束进行无监督学习，以利用扰动分支来引导基本分支进行特征学习。本发明能获得更精确的点云数据自监督分析结果。
-
公开(公告)号：CN113298728A
公开(公告)日：2021-08-24
申请号：CN202110557336.8
申请日：2021-05-21
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请提供一种视频优化方法、装置、终端设备及存储介质，涉及深度学习技术领域，能够提高优化视频的连续性。该视频优化方法包括：利用已训练的特征提取网络分别提取待优化的视频帧序列中的M帧锚点帧的中间特征，视频帧序列包括N帧视频帧，M帧锚点帧包括视频帧序列的第1帧视频帧和第N帧视频帧；利用已训练的光流网络分别确定N‑M帧中间帧的正向光流参数和反向光流参数；根据N‑M帧中间帧的正向光流参数和反向光流参数，以及M帧锚点帧的中间特征，确定N‑M帧中间帧的中间特征；利用已训练的特征估计网络分别对视频帧序列的N帧视频帧的中间特征进行特征估计，得到N帧优化图像，N帧优化图像构成视频帧序列的优化视频。
-
公开(公告)号：CN109522942B
公开(公告)日：2021-03-02
申请号：CN201811269756.0
申请日：2018-10-29
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明涉及图像处理技术领域，提出一种图像分类方法、装置、终端设备和计算机存储介质。在获取待分类图像之后，将该待分类图像输入预先构建的卷积神经网络模型，得到该待分类图像的图像特征；然后从预设的文本库中选取与该待分类图像对应的目标文本，将该目标文本转换为词向量，输入预先构建的循环神经网络模型，得到该目标文本的文本特征；接着结合该文本特征对该图像特征进行加权叠加处理，得到加权图像特征；最后采用双线性乘法融合该加权图像特征和该文本特征，利用融合后的特征完成两类分类，得到该待分类图像的图像类别。采用本发明能够解决高细粒度图像分类的问题。
-
公开(公告)号：CN111340778A
公开(公告)日：2020-06-26
申请号：CN202010117157.8
申请日：2020-02-25
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明提出了一种青光眼图像处理方法和设备，包括：通过交互端获取视野报告中的PD图，并通过PD图检测识别单元对PD图进行处理，以获取用于表征PD图的二维数组；基于青光眼识别单元对二维数组进行处理，以提取二维数组的特征及确定PD图中是否存在青光眼的概率；通过相似度计算单元基于特征和存储端中的样本库进行相似度计算，以确定样本库中与特征相似度最高的预设数量的图片进行存储；将概率以及图片在交互端作为PD图的处理结果进行展示。基于视野图进行识别处理，且支持多个系统，可广泛应用于各种场景中，为实现青光眼早期诊断提供便利，方便了医疗资源没有那么发达地区青光眼的早期诊断及筛查，操作起来简单方便，利于提前快速识别青光眼。
-
Patent Agency Ranking
公开(公告)号：CN110889351A
公开(公告)日：2020-03-17
申请号：CN201911128730.9
申请日：2019-11-18
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本申请适用于计算机视觉技术领域，提供了一种视频检测方法、装置、终端设备及可读存储介质，该方法包括：获取待测视频，待测视频包括N个视频帧。依次获取N个视频帧的预测帧，其中，第i+1个视频帧的预测帧是将第i个视频帧的误差图像，输入到已训练的预测网络模型处理得到的。若第N个视频帧与第N个视频帧的预测帧的差异度符合预设条件，则确定待测视频存在异常。由于计算预测帧时是根据前一帧的误差图像预测得到的，因此生成的预测帧考虑到了待测视频的时序影响，使得获取的第N个视频帧的预测帧更准确，进而在根据第N个视频帧的预测帧和第N个视频帧确认待测视频是否异常时，实现了降低误检的概率，提高检测准确度效果。
-
公开(公告)号：CN105809179B
公开(公告)日：2019-10-25
申请号：CN201410855634.5
申请日：2014-12-31
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明适用于电子技术领域，提供了一种指针式仪表的读数识别方法及装置，包括：按照预设的图像分割方法，将指针式仪表的待识别表盘图像以指针旋转轴为中心按照角度n分割为360/n个等角区域；将所述待识别表盘图像输入预先构建并训练的卷积神经网络；经过所述卷积神经网络，输出指针位于各个所述等角区域的概率值；根据概率值最大的所述等角区域在所述待识别表盘图像中的位置确定所述待识别表盘图像的指针读数。本发明利用卷积神经网络来识别指针式仪表的指针位置，再根据指针的位置来确定指针读数，消除了因客观条件所造成的读数识别不准确的现象，大大地提高了指针式仪表读数的识别准确率。
-
公开(公告)号：CN106709461B
公开(公告)日：2019-09-17
申请号：CN201611239337.3
申请日：2016-12-28
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明适用于计算机科学技术领域，提供了基于视频的行为识别方法及装置，包括：提取所有采样时刻视频帧的深度特征，所述深度特征包括所述采样时刻视频帧中行为的高层语义特征和细节特征；基于所述采样时刻视频帧的细节特征，获取用于表达当前时刻视频帧的行为的时空特征；将所述时空特征与所述高层语义特征一同输入LSTM模型，以对所述当前时刻视频帧进行行为识别。本发明使时空特征和高层语义特征互补协作，以增强RNN识别复杂行为的能力。
-
公开(公告)号：CN106650699B
公开(公告)日：2019-09-17
申请号：CN201611269956.7
申请日：2016-12-30
Applicant: 中国科学院深圳先进技术研究院
Abstract: 本发明属于人脸检测技术领域，提供了一种基于卷积神经网络的人脸检测方法及装置，所述方法包括：将卷积神经网络划分为三级卷积神经网络，第一级网络为全卷积神经网络，第二级网络和第三级网络分别为双流的内部级联卷积神经网络；将预处理后的多张待检测图片输入至所述第一级网络，获得包含初始人脸检测框的图片；将所述包含初始人脸检测框的图片输入至所述第二级网络和第三级网络，获得包含人脸的图片。通过本发明可有效提高人脸识别的精度。
-
公开(公告)号：CN110020620A
公开(公告)日：2019-07-16
申请号：CN201910251871.3
申请日：2019-03-29
Applicant: 中国科学院深圳先进技术研究院
Abstract: 一种大姿态下的人脸识别方法包括：通过纹理学习网络学习人脸训练图像的第一图像特征；根据所述人脸训练图像重建对应的三维人脸，将重建后的三维人脸的形状信息转换为二维纹理图像；通过形状学习网络学习所述二维纹理图像的第二图像特征；联合所述第一图像特征和所述第二图像特征，对人脸进行识别。使二维平面特征和三维特征能够联合表达，有效的提升了大姿态下的人脸识别准确度，并且训练过程相对较为简单，能够减少存储空间的占用。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.06 seconds)
