公开(公告)号：CN107194997B

公开(公告)日：2020-07-07

申请号：CN201710338255.2

申请日：2017-05-15

Applicant: 中国科学院大学

Inventor： 薛健 ,  宋兴旭 ,  吕科

IPC: G06T19/20 ,  G06F3/0481

Abstract: 本发明涉及一种块体理论平衡区域图的三维可视化方法，其步骤：建立二维平面投影区域以及与之对应的三维空间节理锥拾取对象模型；判断是否点击选择节理锥对象；求出节理锥各个平面指向外的法线方向，记录法线和相交棱信息；根据指向外的法线和相交棱信息，绘制各种运动模式下的平衡区域；计算小圆锥面起始向量和旋转角，绘制单面滑动摩擦角等值面；计算扇形平面的边界向量，绘制双面滑动摩擦角等值面；根据绘制的平衡区域图进行鼠标在三维空间的交互操作；计算主动合力所在的区域，判断出块体的运动模式：根据分析块体达到稳定时，所需要达到的摩擦角值；当块体的实际摩擦角大于主动合力方向所在摩擦角等值面所对应的摩擦角值，块体保持稳定；反之，则为关键块体，需要提供支护措施。

公开(公告)号：CN119399528A

公开(公告)日：2025-02-07

申请号：CN202411484446.6

申请日：2024-10-23

Applicant: 中国科学院大学 ,  中国医学科学院北京协和医院

Inventor： 吕科 ,  甘玮 ,  赵瑞琪 ,  张韬 ,  薛健

IPC: G06V10/764 ,  G06V40/16 ,  G06V10/52 ,  G06V10/62 ,  G06V10/80 ,  G06V10/82 ,  G16H50/30 ,  G16H50/70 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0455 ,  G06V10/766

Abstract: 本发明涉及计算机视觉领域，公开了一种基于多特征融合与多任务学习的单侧面瘫多分支评估方法、系统、介质及设备，其包括：将采集到的正面人脸指定表情动作视频进行预处理后，保留可检测出人脸区域的视频帧；提取目标面神经分支区域的局部动态对称特征和极限动作状态下的全局静态人脸特征，并进行特征融合，融合的特征与全局静态人脸特征相加合并，得到合并后的共享特征；将共享特征同时输入分类子网络和回归子网络中，得到是否面瘫的分类概率值和面瘫严重程度的初步回归估计值，结合分类概率值与可学习参数，对初步回归估计值进行增强回归，得到最终回归估计值；对回归估计值进行数据后处理，得到最终的面瘫严重程度评估级别。

公开(公告)号：CN118691813A

公开(公告)日：2024-09-24

申请号：CN202410728032.7

申请日：2024-06-06

Applicant: 中国科学院大学

Inventor： 薛健 ,  贾创 ,  吕科

IPC: G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/0985 ,  G06V10/34

Abstract: 本发明涉及一种三维医学图像分割方法，包括：(1)获取无标注的三维医学图像样本，并对所述无标注的三维医学图像样本进行数据增强，得到两组医学图像；(2)初始化自监督学习预训练框架，所述自监督学习预训练框架包括学生网络和教师网络；(3)将所述两组医学图像分别输入自监督学习预训练框架中的学生网络和教师网络，进入训练迭代，并基于预设的复合损失函数，在每一次训练迭代中调整所述学生网络和教师网络的网络参数；(4)完成预设的训练迭代次数，得到最终额学生网络，并用于对待分割的医学图像进行三维医学图像分割的任务。本方案提升下游任务的图像分割精度。

公开(公告)号：CN117787384A

公开(公告)日：2024-03-29

申请号：CN202311723082.8

申请日：2023-12-14

Applicant: 中国科学院大学

Inventor： 薛健 ,  向贤财 ,  赵琳 ,  吕科 ,  张宝琳

IPC: G06N3/092 ,  G06N3/0464 ,  G06N5/022

Abstract: 本发明涉及一种用于无人机空战决策的强化学习模型训练方法，包括若干训练轮次，在每一训练轮次中，包括：(1)设置网络架构和网络参数；(2)获取输入数据，并输入到当前训练轮次的强化学习模型中，得到输出数据；(3)根据强化学习模型输出的决策数据，计算当前训练轮次的奖励函数，奖励函数由基本奖励和预测增益奖励叠加得到，其中，所述预测增益奖励由决策差确定，所述决策差为所述强化学习模型与预先确定的大语言模型针对所述输入数据输出的决策数据之间的差别；(4)根据当前训练轮次的奖励函数，调整强化学习模型的网络参数，得到下下一训练轮次的初始网络参数；(5)返回(1)执行下一训练轮次，直到达到预设的停止条件。

公开(公告)号：CN112115783B

公开(公告)日：2023-11-14

申请号：CN202010809064.1

申请日：2020-08-12

Applicant: 中国科学院大学

Inventor： 吕科 ,  高鹏程 ,  薛健

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明实施例公开了基于深度知识迁移的人脸特征点检测方法、装置及设备，该方法包括：提供人脸数据集，根据人脸数据集提供的人脸检测框或者人脸特征点的包围框对人脸图像进行裁剪得到训练集、验证集和测试集；将测试样本和训练样本输入到初始人脸对齐网络框架中；利用Pytorch训练初始人脸对齐网络框架中的教师网络和学生网络，直至损失函数和最大迭代次数满足预定条件时生成训练模型；冻结教师网络的模型参数，提取教师网络学习的深层暗知识传递给学生网络生成最终人脸对齐网络模型；将自然场景下的RGB人脸图像输入至最终人脸对齐网络模型中，输出人脸特征点检测结果。本发明人脸特征点检测精度稿，模型参数量和计算复杂度低。

公开(公告)号：CN116503940A

公开(公告)日：2023-07-28

申请号：CN202310311831.X

申请日：2023-03-28

Applicant: 中国科学院大学

Inventor： 吕科 ,  牛泽海 ,  薛健

IPC: G06V40/20 ,  G06V10/762 ,  G06V40/10

Abstract: 本发明涉及一种多视角多人三维人体姿态估计与追踪方法、系统及设备，该方法包括以下步骤：利用二维人体姿势估计网络估计出每个视图中每个人的二维人体关键点；基于人体对称空洞网络和关节对称空洞网络，使用平面扫描立体算法对估计出来的所述二维人体关键点进行深度回归；将由多个视图的平面扫描立体形成的多个三维骨架聚集起来形成骨架池；使用骨架聚类算法对骨架池进行聚类后构建出骨架簇；使用骨架簇追踪算法，利用构建出的所述骨架簇追踪每个三维人体姿势。应用本发明可以实现三维人体姿态估计与追踪，提高多视角多人三维人体姿态估计的鲁棒性。

公开(公告)号：CN112381061B

公开(公告)日：2022-07-12

申请号：CN202011409778.X

申请日：2020-12-04

Applicant: 中国科学院大学

Inventor： 薛健 ,  王聪 ,  吕科

IPC: G06V40/16 ,  G06V10/26 ,  G06V10/32 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种面部表情识别方法及系统，其包括：采集人脸视频，针对每一帧视频检测是否有人脸区域，有则进入下一步，没有则跳过并进入下一帧图像的处理；在人脸区域内检测出预先设定数量的人脸特征点；基于人脸特征点的坐标位置，计算并裁剪面部区域图像；将裁剪后的面部区域图像进行缩放，输入训练好的轻量化空间注意力模块嵌入的面部表情识别网络模型，获得每个情感类别的预测概率值，概率最大的类别作为表情识别结果并输出。本发明能够识别人类面部7类基本表情和1个中立表情，可在少量注意力模块嵌入的基础上，能够提高非受控环境下面部表情的识别精度；能广泛在计算机视觉技术领域中应用。

公开(公告)号：CN112216371B

公开(公告)日：2022-07-12

申请号：CN202011312332.5

申请日：2020-11-20

Applicant: 中国科学院大学

Inventor： 薛健 ,  黄彬 ,  吕科

IPC: G16H30/20 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种多路多尺度并联编解码网络图像分割方法、系统及介质，其包括：将训练数据进行预处理，然后划分数据集为训练集和测试集；训练集用于训练多路多尺度编解码网络深度学习模型的网络参数，测试集用于验证迭代完成的网络参数的泛化性能，如果测试集精度不满足预先设定要求则从新划分数据集进行训练，如果满足预先设定要求则保存网络参数；对待预测数据作与训练数据相同的预处理，载入训练好的网络参数，最后对模型输入图像，并得到分割预测结果，分割结果以概率图表示。本发明能在医学图像分割任务中保持整体分割精度的同时，提高了对目标细节的分割效果，并且使网络训练收敛速度更快。

公开(公告)号：CN112114045A

公开(公告)日：2020-12-22

申请号：CN202010785514.8

申请日：2020-08-06

Applicant: 中国科学院大学

Inventor： 梁昊 ,  吕科 ,  薛健

IPC: G01N29/06 ,  G01N29/44 ,  G06F17/14

Abstract: 本发明公开了一种面向超声显微镜的分辨率增强方法，先获得试件的超声层析扫描数据；采用离散小波分解对每一点的超声信号进行多尺度分析，生成低频分量和高频分量；使用维纳反卷积滤波器处理低频分量，对叠加后的信号进行分离；使用分离后的信号和高频分量进行离散小波反变换，重建超声层析扫描数据；使用重建的超声层析扫描数据生成试件内部更高分辨率的垂直剖面与水平剖面扫描图像。本发明解决了现有超声显微镜成像分辨率难以提升的问题。

公开(公告)号：CN109087317A

公开(公告)日：2018-12-25

申请号：CN201811347355.2

申请日：2018-11-13

Applicant: 中国科学院大学

Inventor： 薛健 ,  檀彦豪 ,  吕科 ,  董继阳

IPC: G06T7/11 ,  G06T7/136 ,  G06N3/04

Abstract: 本发明实施例公开了一种肺结节图像分割方法，涉及计算机技术和医学图像分析领域，所述肺结节图像分割方法包括：对所有胸部CT图像进行标注，获取标注后的CT图像数据集；构建肺结节检测卷积神经网络模型，将CT图像数据集输入肺结节检测卷积神经网络模型中；设置卷积神经网络模型的超参数，通过Caffe训练所述肺结节检测卷积神经网络模型，并生成训练模型；将CT图像数据集输入至所述训练模型中，完成训练后输出检测到的肺结节位置信息；使用阈值方法对所检测到的肺结节区域二值化，得到肺结节主要区域；在肺结节主要区域内随机选取种子点，使用区域生长法对肺结节进行分割。本发明能够解决现有医学诊断技术中不能准确自动地分割肺结节，给治疗带来困难的问题。