公开(公告)号：CN119964162A

公开(公告)日：2025-05-09

申请号：CN202510428896.1

申请日：2025-04-08

Applicant: 宁波大学

Inventor： 脱婷 ,  郭立君 ,  张荣

IPC: G06V20/70 ,  G06V10/80 ,  G06V10/26 ,  G06V10/44 ,  G06V10/42 ,  G06V10/764 ,  G06V10/82 ,  G06F16/53 ,  G06F16/583 ,  G06F40/30 ,  G06F18/25 ,  G06F18/241 ,  G06F18/22 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明涉及一种图像语义增强与对称语义补全的搜索系统和方法，通过设置的图像语义增强装置以使用超像素分割算法划分图像区域，使区域内的低级语义信息更加一致，结合超像素分割算法处理前进行的图像数据增强，能够确保从全局图像中调取到的高级语义传递到局部图像块中。并且，通过设置的对称语义补全装置能够进行局部‑局部跨模态对齐和全局‑局部跨模态对齐，进而实现图像和文本局部和全局这两个方向上的语义补全，实现以跨模态交互恢复全局和局部特征，最终达到输入图像与其说明文字全局对齐的目的，完成语义补全，降低计算成本。

公开(公告)号：CN119180883B

公开(公告)日：2025-04-11

申请号：CN202411699706.1

申请日：2024-11-26

Applicant: 宁波大学

Inventor： 王思思 ,  郭立君 ,  张荣

IPC: G06T11/00 ,  G16H30/00

Abstract: 本发明涉及一种基于神经衰减场的稀疏视图重建系统和方法，在设置X射线管的基础上，还设置采集器、线点采样模组、哈希编码模块和构建模块。线点采样模组能够通过索贝尔算子的全局‑局部射线采样方式分别在各成像图像中提取多条X射线路径，且分别在各条X射线路径上自适应提取等距点列，获得各点的三维位置信息，有助于确保进行稀疏视图下更高效、更高质量的计算机断层扫描视图重建过程，再结合所设置的哈希编码模块，可以将由线点采样器所获各点的位置信息按点逐个进行三维哈希编码和二维哈希编码，并进行加权求和以获得各点对应的哈希编码结果，可以克服现有技术图像质量问题和数据信息不足的技术缺陷。

公开(公告)号：CN119131664A

公开(公告)日：2024-12-13

申请号：CN202411585929.5

申请日：2024-11-08

Applicant: 宁波大学

Inventor： 丰亚威 ,  郭立君 ,  张荣 ,  钱江波 ,  王翀 ,  辛宇

IPC: G06V20/40 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0985 ,  G06V10/82

Abstract: 本发明公开了一种基于分段对比掩码自编码器的视频动作分类方法，其通过将视频内容划分为全局视图和多个局部视图，并采用掩码数据增强技术，利用教师模型和学生模型的联合处理机制，捕获视频的全局性判别特征和局部细粒度特征；分段对比掩码自编码器通过自监督学习，减少了对标注数据的依赖，提高了训练效率；学生模型和教师模型的输出特征对齐，增强了模型对输入多样性的适应能力，有效地将时间信息和局部信息融入到对比学习中；此外，引入的掩码策略提高了模型对视频内容的细粒度理解能力；本发明在训练效率方面表现出色，仅需较少的训练轮次即可达到优异性能，显著提升了视频动作分类的精度。

公开(公告)号：CN118015012B

公开(公告)日：2024-10-18

申请号：CN202410054479.0

申请日：2024-01-15

Applicant: 宁波大学

Inventor： 张荣 ,  夏天翔 ,  郭立君 ,  谢国民 ,  吴喜萍

IPC: G06T7/11 ,  G06T7/194 ,  G06T7/136 ,  G06V10/25 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种脑部MRI图像脑微出血自动分割方法，其获得三维脑部MRI图像及对应标签图像，对其进行预处理与数据增强；通过滑动窗口法从三维脑部MRI图像及其数据增强处理后的图像中提取样本，约束正负样本比重，以生成训练样本；构建全卷积神经网络，用于初步筛选脑微出血；构建第一U‑Net分割网络、第二U‑Net分割网络，分别用于进一步区分高分辨率、低分辨率MRI的脑微出血；对于测试三维脑部MRI图像，提取样本，将其输入上述训练好的模型中得到分割结果；优点是其能有效区分真实的脑微出血和其他类似的干扰物，如血管、钙化沉积和海绵状血管瘤，分割效果好，且能提高低分辨率三维脑部MRI图像中脑微出血检测的灵敏度，同时能降低假阳性率。

公开(公告)号：CN117426781A

公开(公告)日：2024-01-23

申请号：CN202310629468.6

申请日：2023-05-31

Applicant: 宁波大学

Inventor： 邹炉琳 ,  郭立君 ,  张荣

IPC: A61B6/00

Abstract: 本发明提供了一种双解码正面脊柱侧弯的自动评估方法，包括：步骤S1，获取至少一X射线图像；步骤S2，输入至双解码网络模型中，通过编码器进行特征提取得到不同尺度的特征图，并通过中间解码器对各特征图进行椎骨区域分割、特征压缩及特征融合得到分割预测图，以及通过尾部解码器对分割预测图进行特征增强及特征解耦得到椎骨中心点预测热图和椎骨倾斜向量预测图。有益效果是本发明能够通过双解码网络模型对X射线图像进行椎骨区域的精确提取，并在此基础上计算得到能体现出椎骨倾斜度的椎骨倾斜向量预测图以及能体现出椎骨位置的椎骨中心点预测热图供医生分析患者椎骨问题，能够减少医生工作量且同时提高分析准确性。

公开(公告)号：CN117058571A

公开(公告)日：2023-11-14

申请号：CN202310850066.9

申请日：2023-07-12

Applicant: 宁波大学

Inventor： 蒋银辉 ,  罗思惠 ,  郭立君 ,  张荣

IPC: G06V20/40 ,  G06V20/10 ,  G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80

Abstract: 本发明涉及一种噪声鲁棒的多模态视频高光检测学习方法，该方法通过将视频的视觉和音频两种多模态表征信息作为输入，接着通过线性映射将高维特征压缩到一个低维度特征，以此来减少参数量和显存占用，同时提高运行速度，然后利用视频片段内部全局‑局部空间特征信息和视频片段与片段之间时序特征信息相结合，来增强模态表征信息；接着通过多模态交互融合模块，对视觉和音频两种模态表征信息进行交互融合；最后，构建目标损失函数对网络进行优化；该方法能够有效地提高视频高光检测的精度和鲁棒性，应用范围广泛，特别适用于含噪标签数据的视频高光检测。

公开(公告)号：CN115578746A

公开(公告)日：2023-01-06

申请号：CN202211056593.4

申请日：2022-08-30

Applicant: 宁波大学

Inventor： 吴晴晴 ,  郭立君 ,  余晓婷 ,  张荣

IPC: G06V40/10 ,  G06V10/774 ,  G06V10/82 ,  G06V10/762 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于相机感知和深度学习的无监督域适应行人重识别方法，采用将目标域数据集中的特征基于图片样本自带的相机编号进行筛分，然后进行聚类得到多个相机的相机内部伪标签，并基于一致性系数矩阵和跨相机的全局伪标签对多个相机的相机内部伪标签进行重新编整，使得多个相机内的属于同一类代理的伪标签的类代理编号一致，修正后的跨相机的全局伪标签克服了全局聚类中跨视角造成的同个行人在图片上的差异，并通过计算源域数据集和目标域数据集的对比损失进一步缓解了目标域数据集中的相机域差异，提高了对噪声标签的鲁棒性。

公开(公告)号：CN111046733A

公开(公告)日：2020-04-21

申请号：CN201911097725.6

申请日：2019-11-12

Applicant: 宁波大学

Inventor： 王伟楠 ,  张荣 ,  郭立君

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于稀疏和深度的3D人体姿态估计方法，在给定2D姿态数据的前提下，通过以下两个角度提高单目视频的3D人体姿态估计精度：一是，通过先验知识从给定的2D姿态得到较为合理的单帧3D姿态映射；二是，利用视频帧间的时间相关性约束估计优化的3D姿态；利用预学习的3D姿态字典得到最优的3D姿态表示，可以有效消除2D姿态到3D姿态求解结果的任意性，在2D关节点缺失时保证该模型仍然可靠；本发明提出的带有残差结构的MLSTM降噪编/解码器模型，能够保持连续帧的3D姿态在空间结构上和时间上的一致性，缓解每帧的独立误差造成的估计序列在时间上不连贯的问题，进一步提高3D姿态估计的精度。

公开(公告)号：CN107451990A

公开(公告)日：2017-12-08

申请号：CN201710440527.X

申请日：2017-06-13

Applicant: 宁波大学

Inventor： 王潇 ,  张荣 ,  郭立君 ,  郭浩龙

IPC: G06T7/00 ,  G06T5/00 ,  G06T5/30

Abstract: 本发明公开了一种使用非线性引导滤波的照片图像篡改检测方法，其采用最大似然估计方法获得相机的初步传感器模式噪声，再采用零均值化和维纳滤波得到相机的最终传感器模式噪声；然后将待测照片图像的噪声残差图像作为其初步传感器模式噪声，再根据相机的最终传感器模式噪声对待测照片图像的初步传感器模式噪声采用非线性引导滤波处理，得到待测照片图像的最终传感器模式噪声；接着通过分块、求块之间的相关系数，获取相关系数关联图；最后对相关系数关联图的二值图像进行腐蚀和膨胀处理，根据结果判定待测照片图像是否发生篡改；优点是能有效消除待测照片图像的传感器模式噪声中的图像内容、CFA插值噪声、JPEG压缩噪声和随机噪声等干扰噪声的影响。

公开(公告)号：CN106570874A

公开(公告)日：2017-04-19

申请号：CN201610987762.4

申请日：2016-11-10

Applicant: 宁波大学

Inventor： 王浩 ,  郭立君 ,  张荣

IPC: G06T7/11

CPC classification number: G06T2207/20081 ,  G06T2207/30204

Abstract: 本发明公开了一种结合图像局部约束与对象全局约束的图像标记方法，其获取每幅原始图像的超像素区域节点图像，且在每幅原始图像对应的掩膜图像中找出与对应的超像素区域节点图像中的每个超像素区域节点相对应的掩膜区域，并进行标记；然后利用超像素区域节点图像的特征集合以及掩膜图像所对应的区域标签集合来训练条件随机场模型，利用掩膜图像中的所有掩膜区域标记后得到的图像所对应的虚拟标签集合来训练形状玻尔兹曼机模型，且两者通过方格划分技术将条件随机场模型与形状玻尔兹曼机模型有效结合起来，使得图像局部约束与对象整体约束紧密结合，提高了图像标记的准确率；且其能适用于数据集较小且图像的分辨率较低的情况，计算复杂度低。