-
公开(公告)号：CN100449258C
公开(公告)日：2009-01-07
申请号：CN200610050550.X
申请日：2006-04-27
Applicant: 浙江工业大学
Abstract: 一种基于二维彩色光编码的实时三维视觉系统，包括数字放映机，用以把光模板投射到物体上；摄像机，用以获取图象；微处理器，用以形成彩色调制光和进行三维重建，微处理器包括有：颜色集合模块，用以形成颜色集合：P＝{c1，c2，c3，…ci，…}，i≥3，其中ci表示一种特定波长的光波或者颜色；编码模块，用以从颜色集合中选出元素，并进行特定的编码组合成编码字，所述的编码字的具有领域唯一性；编码字输出模块，用以将编码字一一对应到光投影器件以输出光束；三维坐标计算模块，用以将获取的图像对应到光模板并计算得到三维空间坐标。本发明只需对单幅图象进行局部分析即可测量三维场景，因此重建效率高、系统速度快、实时性好。
-
公开(公告)号：CN119649088A
公开(公告)日：2025-03-18
申请号：CN202411560361.1
申请日：2024-11-04
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于随机图像掩码和双流神经网络的图像分类方法，包括获取待分类图像，输入至训练好的双流神经网络，得到该待分类图像所属的类别。本基于随机图像掩码和双流神经网络的图像分类方法通过掩码图像和拼接图像，实现了对图像数据的双重表征，掩码图像则是通过掩码块对原始图像进行覆盖，迫使网络学习从剩余信息中推断整体内容的能力，拼接图像则是通过拼接被掩码块覆盖的原始图像的局部信息，提供了更为细致的局部特征视图，有助于网络捕获图像的精细结构，同时通过掩码图像和拼接图像训练网络，使网络仅通过图像中的部分信息学习整体的特点，有助于提高网络的泛化能力。
-
公开(公告)号：CN118941786A
公开(公告)日：2024-11-12
申请号：CN202410888284.6
申请日：2024-07-04
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 一种基于双分支证据融合和图卷积神经网络的医学图像分割后处理方法，在预训练好的基础模型MedSAM的基础上，通过Dropout操作重构两个相互独立的输出分支，分别获取双分支的像素分类证据并进行融合，得到融合后的不确定性；以工作区域ROI内的像素点为节点，根据其融合后的不确定性进行标记，低不确定性的节点标签为基础模型的原分割结果，高不确定度的节点没有标签，通过图连接构建加权的半标记图；用加权半标记图中有标签的节点输出计算包含交叉熵损失和Dice损失的联合优化损失，训练图卷积神经网络并对未标记的点进行分类，融合不确定性低的节点标签，得到最终的分割结果。本发明提升了原分割结果中不确定高的区域的分割精度。
-
公开(公告)号：CN118781021A
公开(公告)日：2024-10-15
申请号：CN202410907417.X
申请日：2024-07-08
Applicant: 浙江工业大学
Abstract: 一种基于多尺度轻量化扩散模型的头部皮肤镜影像修复方法，包括以下步骤：步骤1：对原始训练数据进行预处理，对每张影像的毛发遮挡部分制作所对应的mask，并形成各自最后的masked图像；步骤2：构建采用多尺度训练方式的扩散模型，构建全局和局部两个分支，利用全局的图像信息对其局部的修复做结构指导；步骤3：设定网络的输入；步骤4：经过指导及训练生成的patch会修复其各自mask部分，并最终组合到原图形成修复后图像，与对应原始医学图像一起进入判别器计算得分，提高生成质量；步骤5：最小化步骤4中生成图像和对应原始医学图像的之间的误差，对双分支模型进行训练。本发明有效去除原影像遮挡皮肤病理的毛发。
-
公开(公告)号：CN112488048B
公开(公告)日：2024-03-22
申请号：CN202011483184.3
申请日：2020-12-16
Applicant: 浙江工业大学
IPC: G06F18/25 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F17/14
Abstract: 一种基于深度学习及随机阵列的声信号差分特征融合方法，包括波束成形方法和波达方向估计方法，波束成形方法的过程为：输入空间矩阵；空间矩阵通过系数估计CNN得到差分卷积核；构建随机声阵列输入声信号；将声信号变换成频域信号输入随机阵列模拟器；将信号输入差分卷积网络；根据多种选取模式，以取平均的方式完成差分特征提取；处理完成后输入空间滤波CNN，给出结果；波达方向估计方法的过程和波束成形方法总体相似，其中差分卷积核不接受提供的卷积核而是自行初始化；通过波达估计CNN而不是空间滤波CNN输出空间矩阵的估计。本发明通过深度学习的方法提高波达方向估计精度和波束成形的指向性。
-
Patent Agency Ranking
公开(公告)号：CN117611794A
公开(公告)日：2024-02-27
申请号：CN202311393971.2
申请日：2023-10-26
Applicant: 浙江工业大学
IPC: G06V10/25 , G06V10/80 , G06V10/774 , G06V10/20 , G06V10/82 , G06N3/0464 , G06T7/00
Abstract: 一种基于复合特征融合的胰腺CT图像小病灶检测方法，包括以下步骤：步骤S1:获取胰腺CT图像数据集并进行初步筛选；步骤S2:调整胰腺CT图像的窗宽窗位；步骤S3:将胰腺CT图像转化为jpg格式的图像；步骤S4:将所有数据集进行分组处理；步骤S5:将数据集进行在线的数据增强操作；步骤S6:训练基于多项辅助融合改进的YOLOv6模型；步骤S7:验证评估和保存基于多项辅助融合改进的YOLOv6模型。本发明可以提升小肿瘤的检测能力，非常有利于胰腺肿瘤的早筛任务，有效提高医生的工作效率。
-
公开(公告)号：CN117575998A
公开(公告)日：2024-02-20
申请号：CN202311419080.X
申请日：2023-10-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于重参数化大卷积核的胰腺肿瘤高精度检测方法，包括以下步骤：步骤S1:获取胰腺CT图像数据集并做划分；步骤S2:设计RepDW结构；步骤S3:将数据集在线增强；步骤S4:训练基于重参数化大卷积核RepDW结构的YOLO算法；步骤S5:验证评估模型性能；步骤S6:保存最佳训练模型。本发明提提出可以无损提升肿瘤检出性能的YOLO新架构，设计了一种RepDW的卷积结构，通过使用重参数化深度可分离卷积，不仅提升了网络的感受野，增强了网络的全局信息提升能力，同时保证了实时性，最终本方法可以同时有效提升胰腺大肿瘤和小病症的检出能力，并且保证了较快的推理速度，达到了临床实时性的要求。
-
公开(公告)号：CN117173406A
公开(公告)日：2023-12-05
申请号：CN202311019012.4
申请日：2023-08-14
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06T7/10 , G06V10/80
Abstract: 一种基于卷积神经网络多模态融合的淋巴瘤病灶分割方法，所述方法包括以下步骤：步骤1.构建包含特征融合模块的双分支卷积神经网络模型；步骤2.将PET和CT图像分别输入到卷积神经网络的PET分支和CT分支，获取中间特征图；步骤3.将具有相同大小和通道数的PET和CT中间特征图经concatenate后输入到融合模块，得到融合后的特征图；步骤4.将融合后的特征图输入到对应解码器层，进行分割预测。本发明通过额外的融合模块，融合PET和CT的中间特征图，提高了淋巴瘤病灶自动识别分割的性能。
-
公开(公告)号：CN117173093A
公开(公告)日：2023-12-05
申请号：CN202310871645.1
申请日：2023-07-17
Applicant: 浙江工业大学
Abstract: 一种基于深度学习模型结合分水岭算法的稀土晶体观测方法，包括以下步骤：步骤1：准备稀土晶体结构图像数据集，将整个数据集划分成训练集和测试集；步骤2，对训练集图像进行数据增强；步骤3，使用训练集对改进的Unet3+深度学习模型进行训练，并在测试集上根据图像分割评价指标对分割模型进行评估，得到最终图像分割模型，使用该模型对晶体结构图进行预测得到原始分割结果图；步骤4，针对原始分割结果图，利用分水岭算法对其进行后处理；步骤5，对步骤4后处理得到最终分割结果图进行观测，使用OpenCV库统计所有连通区的特征信息。本发明能够提供更快速、更准确的晶体分割和统计分析。
-
公开(公告)号：CN111724391B
公开(公告)日：2023-04-07
申请号：CN202010425083.4
申请日：2020-05-19
Applicant: 浙江工业大学
Abstract: 一种基于动态阈值的淋巴癌图像精细分割方法，首先使用双预测精度的方法来保证ROI选取的准确性，以及确保选择区域包含整个淋巴癌；其次，对于在优化过程中新出现的单个淋巴癌病灶，视为一个新的ROI区域，并以独立的阈值标准继续优化边缘，以此调整密集区域单个淋巴癌的边缘精细分割。本发明通过采用动态ROI阈值方法对密集区域单个病灶图像的初分割结果进行优化，利用双预测精度信息获取更为准确的淋巴癌图像。
-
-
-
-
-
-
-
-
-
Search Results
191
records
(took 0.029 seconds)
