-
公开(公告)号：CN112991496B
公开(公告)日：2022-11-18
申请号：CN202110084837.9
申请日：2021-01-22
Applicant: 厦门大学
Abstract: 一种基于TPS变形算法的中国画动画自动生成方法。所述方法包括：步骤一，通过上传图片按钮收集动画生成的中国画对象；步骤二，对中国画进行识别与检测，检测出画中的人脸，花草等各种意象；步骤三，对于人脸对象，进行特征点信息识别，并获取用户的表情变形目标；步骤四，根据特征点规律计算出目标表情下的特征点信息，使用TPS变形算法进行求解，得到表情变形的最终状态；步骤五，使用线性插值法补充中间态的特征点坐标信息，分别使用TPS变形算法进行求解，得到表情变形的图片序列；步骤六，将图片序列按顺序播放，形成一段表情变形动画。针对于绘画文物遗产开发一个集数字化传承、保护，价值再挖掘等功能于一体的动画自动生成方法。
-
公开(公告)号：CN114927239A
公开(公告)日：2022-08-19
申请号：CN202210422918.X
申请日：2022-04-21
Applicant: 厦门大学
Abstract: 本发明提供了机器学习技术领域的一种应用于药物分析的决策规则自动生成方法及系统，方法包括：步骤S10、获取药物数据，提取药物数据的药物特征并构建数据集；步骤S20、计算数据集中各药物特征的方差、数据复杂度以及排列重要性，基于方差、数据复杂度以及排列重要性筛选重要特征；步骤S30、从重要特征中筛选包含n(n＝1,2,3,…)个特征的特征子集，并计算各特征子集的排列重要性；步骤S40、按排列重要性的顺序在各特征子集上搜索使预测结果发生翻转时，各特征子集所需的最小特征变化量，进而生成类别边界；步骤S50、通过贝叶斯公式将类别边界描述成决策规则。本发明的优点在于：能为任意机器学习模型(包括不可解释的黑盒模型)生成高度可解释的决策规则。
-
公开(公告)号：CN114882553A
公开(公告)日：2022-08-09
申请号：CN202210422919.4
申请日：2022-04-21
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明提供了表情识别技术领域的一种基于深度学习的微表情识别方法及系统，方法包括：步骤S10、交互型机器人通过3D摄像头获取图像流；步骤S20、交互型机器人通过人脸识别算法检测所述图像流中的人脸并进行截取，获取人脸数据流并上传服务器；步骤S30、服务器从所述人脸数据流中提取包括人脸动态数据和人脸静态数据的人脸数据组；步骤S40、服务器基于软编码输出创建一微表情识别模型，并对所述微表情识别模型进行训练；步骤S50、服务器将所述人脸数据组输入训练后的微表情识别模型得到微表情信息，并将所述微表情信息反馈给交互型机器人，交互型机器人基于接收的所述微表情信息进行互动响应。本发明的优点在于：极大的提升了微表情识别的准确率。
-
公开(公告)号：CN114495232A
公开(公告)日：2022-05-13
申请号：CN202210101703.8
申请日：2022-01-27
Applicant: 厦门大学
IPC: G06V40/16 , G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提供了动作识别技术领域的一种基于深度学习的课堂学生动作识别方法及系统，方法包括：步骤S10、对捕获的课堂视频进行剪辑得到若干个课堂子视频；步骤S20、通过人脸检测算法依次检测各课堂子视频中的人脸，进而将课堂子视频剪辑成若干个人脸子视频；步骤S30、分别提取各人脸子视频的静态特征图片以及动态特征图片，基于各静态特征图片以及动态特征图片构建训练数据集；步骤S40、基于深度学习创建一动作识别模型，利用训练数据集对动作识别模型进行训练；步骤S50、利用训练后的动作识别模型对摄像头捕捉的课堂视频进行实时的动作识别。本发明的优点在于：实现实时、准确的识别学生动作，以及时调整教学策略，进而极大的提升了教学质量。
-
公开(公告)号：CN112991496A
公开(公告)日：2021-06-18
申请号：CN202110084837.9
申请日：2021-01-22
Applicant: 厦门大学
Abstract: 一种基于TPS变形算法的中国画动画自动生成方法。所述方法包括：步骤一，通过上传图片按钮收集动画生成的中国画对象；步骤二，对中国画进行识别与检测，检测出画中的人脸，花草等各种意象；步骤三，对于人脸对象，进行特征点信息识别，并获取用户的表情变形目标；步骤四，根据特征点规律计算出目标表情下的特征点信息，使用TPS变形算法进行求解，得到表情变形的最终状态；步骤五，使用线性插值法补充中间态的特征点坐标信息，分别使用TPS变形算法进行求解，得到表情变形的图片序列；步骤六，将图片序列按顺序播放，形成一段表情变形动画。针对于绘画文物遗产开发一个集数字化传承、保护，价值再挖掘等功能于一体的动画自动生成方法。
-
Patent Agency Ranking
公开(公告)号：CN119889283A
公开(公告)日：2025-04-25
申请号：CN202510101817.6
申请日：2025-01-22
Applicant: 厦门大学
IPC: G10L13/08 , G10L15/04 , G10L15/02 , G10L15/00 , G10L15/16 , G10L25/30 , G10L25/45 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06F40/117 , G06F40/58
Abstract: 一种基于语音到单元的端到端闽南语翻译、合成方法及系统，涉及计算机技术。翻译方法，从用户端获取闽南语音频数据，经重采样和分割，音频片段预处理，位置编码后输入Transformer网络的编码器编码，编码后的低维表征与解码器输出一同送入解码器自回归解码得翻译序列，剔除特殊标记符号得中文文本翻译结果。合成方法，从用户端获取中文文本，过滤部分标点符号，获取词嵌入与位置嵌入后经Transformer编码器编码得中间隐变量，解码器解码得初始梅尔频谱输出，经后处理修正得到梅尔频谱作为声学特征，通过微调的Hifi‑Gan声码器生成闽南语音频。提高闽南语语音翻译准确度，合成闽南语语音生动流畅，适用于多场合。
-
公开(公告)号：CN119724483A
公开(公告)日：2025-03-28
申请号：CN202411591788.8
申请日：2024-11-08
Applicant: 厦门大学
IPC: G16H20/40 , G16H20/70 , G16H10/60 , G06F18/23213 , G06F18/10 , G06N3/0442 , G06N3/092
Abstract: 适用于认知障碍治疗的康复辅助方法、设备及介质，涉及医疗康复。包含平板电脑、毫米波雷达等，利用信号处理和深度学习等人工智能技术，对脑损伤、脑卒中所致轻度认知障碍患者辅助康复训练。通过平板电脑录入采集患者的基本信息、病史和当前认知状况，生成康复档案；基于患者的认知障碍类型和严重程度，智能制定康复训练计划；患者通过游戏化的训练界面康复训练，基于毫米波雷达实时无接触监测训练过程中的生理状态；运用深度学习模型分析患者的训练数据，评定康复进展；汇总训练和评定数据，优化后续康复方案。可快速准确实现从患者信息采集、训练计划制定、训练实施、康复评定到数据分析报告生成的全流程自动化管理，提高认知康复效率和效果。
-
公开(公告)号：CN114863241B
公开(公告)日：2024-09-13
申请号：CN202210430505.6
申请日：2022-04-22
Applicant: 厦门大学
Abstract: 本发明提供了计算机技术领域的一种基于空间布局与深度学习的影视动画评估方法，包括：步骤S10、获取动画图像并提取空间特征，基于空间特征构建无向全连通图；步骤S20、构建内容相似度网络，通过图卷积对无向全连通图进行推理；步骤S30、将内容相似度网络里的空间节点映射到潜在空间以构建空间关系全连通图；步骤S40、构建空间关系网络，通过图卷积对空间关系全连通图进行推理得到潜在特征并映射回原始空间；步骤S50、基于空间关系网络以及内容相似度网络的输出计算构图评分；步骤S60、提取动画图像的颜色特征并输入颜色评价模型获取颜色评分；步骤S70、基于构图评分以及颜色评分计算综合评分。本发明的优点在于：极大的提升了影视动画评估的可解释性。
-
公开(公告)号：CN117298535A
公开(公告)日：2023-12-29
申请号：CN202311252079.2
申请日：2023-09-26
Applicant: 厦门大学
Abstract: 一种基于深度神经网络的波比跳计数系统，涉及体育运动领域。包括前端模块、后端模块和算法微服务模块；前端模块用于接收用户上传的运动过程视频，向用户提供运动项目选择、开始评估等功能选项；后端模块用于接收前端模块发送的视频数据和运动项目选择，根据运动项目选择调用相应的算法微服务模块处理；算法微服务模块包括姿态估计子模块、姿态分析子模块、姿态评估子模块、数据分析子模块和数据可视化子模块；基于姿态特征信息，对运动员的姿态进行分析和评估，判断动作是否规范、通过关键点坐标计算关节角度。数据进行分析和可视化展示，更好地了解运动员的运动状态和问题，做出针对性的训练、调整和治疗，具有直观、清晰、易懂等优点。
-
公开(公告)号：CN111814609B
公开(公告)日：2023-09-29
申请号：CN202010589037.8
申请日：2020-06-24
Applicant: 厦门大学
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度森林和卷积神经网络的微表情识别方法，所述方法包括：步骤一、采集微表情图像，使用光流法和光流应变法结合的三维特征作为微表情的特征；步骤二、构造基于深度森林和卷积神经网络的异质集成模型，将深度森林的重表示特征经过卷积层和卷积神经网络的深度特征混合形成新的图像特征，帮助分类器实现判别分类；步骤三、结合当前场景内容和微表情分类，与识别对象进行交互。本发明实现了更高的准确率，相比其他微表情识别算法,集成算法表现出更好的鲁棒性。需要更少的参数，训练时消耗更少的时间和资源，是一种轻量高效的微表情识别方法。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.023 seconds)
