申请/专利权人:东南大学
申请日:2020-09-07
公开(公告)日:2020-12-25
公开(公告)号:CN112132759A
主分类号:G06T5/00(20060101)
分类号:G06T5/00(20060101);G06T7/136(20170101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.01.12#实质审查的生效;2020.12.25#公开
摘要:本发明提供了一种基于端到端卷积神经网络的颅骨面貌复原方法,包括以下步骤:S1:对人体颅骨CT扫描图像进行数据预处理并制作数据集;S2:搭建卷积神经网络;S3:使用训练样本训练步骤S2中搭建好的卷积神经网络,每训练五轮,便用模型对检测样本进行检测,评判生成的预测面型;S4:选取步骤S4中效果最好的一轮作为最终结果。本发明采用神经网络的方法自动提取颅骨的特征,根据颅骨本身的特性预测面型,具有较高的灵活性,流程少,耗时短,并提升了预测准确率。本发明利用深度卷积编解码器,学习头骨和面貌之间的相互关系及特征,根据颅骨信息还原面型,充分考虑了面部点的空间特性,弥补了稀疏特征点带来的误差。
主权项:1.一种基于端到端卷积神经网络的颅骨面貌复原方法,其特征在于,包括如下步骤:S1:对人体颅骨CT扫描图进行数据处理,制作数据集,并划分训练集和测试集;S2:根据训练样本的样本特征搭建卷积神经网络Gx;S3:使用训练样本训练步骤S2中搭建好的卷积神经网络,每训练五轮,便用模型对测试样本进行测试,评判生成的预测面型;S4:选取步骤S3中效果最好一轮对应的模型作为最终结果。
全文数据:
权利要求:
百度查询: 东南大学 一种基于端到端卷积神经网络的颅骨面貌复原方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。