-
公开(公告)号：CN116229063A
公开(公告)日：2023-06-06
申请号：CN202310036249.7
申请日：2023-01-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。
-
公开(公告)号：CN113657417A
公开(公告)日：2021-11-16
申请号：CN202010396591.4
申请日：2020-05-12
Applicant: 复旦大学
Abstract: 本发明提供一种基于附属参数判断无标签样本的推断结果可信度的方法，其特征在于，包括如下步骤：步骤S1，利用特征提取器提取有标签样本和无标签样本的特征，并将该特征降维；步骤S2，利用有标签样本训练分类模型；步骤S3，利用分类模型对无标签样本进行推断从而获得预测标签；步骤S4，根据有标签样本和含有预测标签的无标签样本构建含有附属参数的线性回归模型；步骤S5，将含有附属参数的线性回归模型进行转化；步骤S6，求解关于附属参数的线性回归模型的解路径，利用附属参数的稀疏程度得到每个无标签样本的可信程度；步骤S7，选取可信程度最高的部分无标签样本作为有标签样本重新训练分类模型；步骤S8，重复步骤S2‑S7直到所有无标签样本均被选取。
-
公开(公告)号：CN104412908A
公开(公告)日：2015-03-18
申请号：CN201310413622.2
申请日：2013-09-11
Applicant: 复旦大学附属华山医院
IPC: A01K15/02
CPC classification number: A01K15/027
Abstract: 一种脑损伤大鼠综合训练装置，包括外框支架，控制台和多个训练笼，控制台连接在外框支架的外侧，多个训练笼并排安装在外框支架内，多个训练笼包括至少一个普通训练笼和至少一个左右平衡训练笼，各训练笼内分别设有跑步机；在左右平衡训练笼的下方设有左右摆动调节机构。控制台与各跑步机、左右摆动调节机构电信相连。本发明的装置既可进行单一的跑台训练，又可实施感觉-平衡-运动的多功能康复训练模式，满足研究者的实验需求，为脑损伤疾病的神经机制康复研究提供先进的动物实验手段。
-
公开(公告)号：CN119261926B
公开(公告)日：2025-04-18
申请号：CN202411376003.5
申请日：2024-09-30
Applicant: 复旦大学
IPC: B60W50/00 , G06N3/0455 , G06N3/09 , B60W60/00
Abstract: 本发明公开了一种基于流式Transformer的自动驾驶轨迹预测方法，包括：获取自动驾驶车辆的独立场景数据，并对该独立场景数据进行预处理，以得到预处理后的连续场景数据，将预处理后的连续场景数据输入预先训练好的的流式Transformer轨迹预测模型中，以获取预测的未来轨迹。本发明能够解决现有轨迹预测方法由于只能有效利用局部窗口中的信息，这与实际应用相冲突，因此导致模型与部署存在较大差异的技术问题；以及由于没有构建时序的场景上下文关系，导致模型应对突发情况能力较弱的技术问题；以及由于没有关注时序间轨迹预测的一致性，导致模型的轨迹预测不够准确，且存在突变的技术问题。
-
公开(公告)号：CN116229063B
公开(公告)日：2024-01-26
申请号：CN202310036249.7
申请日：2023-01-08
Applicant: 复旦大学
IPC: G06V10/26 , G06V20/70 , G06V10/764 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于类别色彩化技术的语义分割网络模型的训练方法，其首先获取ADE20K数据集，将数据集划分为训练集和测试集，生成维度为C×3的类别颜色数组，利用训练集对图像特征提取器、离散特征序号分类器和辅助像素分类器进行训练，以得到训练好的图像特征提取器和离散特征序号分类器的权重和多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重，利用训练集、多个迭代过程中产生的图像特征提取器和离散特征序号分类器的权重中的一个，对可学习的颜色块‑类别映射模块进行训练。本发明能够解决现有基于判别式模型的语义分割方法由于知识不足、信息不够丰富，导致该方法无法达到最佳的精度，进而导致准确性和泛化性不佳的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117008150A
公开(公告)日：2023-11-07
申请号：CN202310518436.9
申请日：2023-05-10
Applicant: 复旦大学
IPC: G01S17/89 , G06T7/73 , G06T3/40 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G01S17/86 , G09B29/00
Abstract: 本发明公开了一种基于激光雷达和相机融合的高精地图构建方法，包括：从多个视角相机中获取多视角图像、相机的内外参数以及同一时间戳下的点云数据，并对其中获取的多视角和点云数据分别进行预处理，以得到预处理后的多视角图像和点云数据，将预处理后的所有点云数据、多视角图像、以及多视角图像对应的投影矩阵输入预先训练好的多模态高精地图构建模型中，以得到不同道路类别对应的预测结果，预测结果包含车道线、路沿和人行道的坐标点集。本发明能够解决现有单模态的高精地图在线构建方法只能利用一种传感器来在线构建高精地图，无法利用传感器之间的互补优势的技术问题。
-
公开(公告)号：CN115984403B
公开(公告)日：2023-07-07
申请号：CN202310062786.9
申请日：2023-01-16
Applicant: 复旦大学
Abstract: 本发明公开了一种基于神经编码理论提升分数生成模型生成性能的方法，包括：获取图像数据集在频域空间的统计量Rf，其中图像数据集中的每个图像也都是维数为C·W·H的向量，对获取的图像数据集在频域空间的统计量Rf进行软化处理，以得到软化处理后的统计量将软化处理后的统计量作用在SGM模型的生成过程中所施加的噪声上，并进行循环迭代处理，以获取最终的生成结果xT。本发明能够解决现有SGM模型生成相同质量、数量的图像样本所需要的时间往往是GAN和VAE的几倍乃至几十倍，从而会显著增加时间开销的技术问题，以及现有SGM模型所生成图像的质量也会随着迭代次数的降低大幅下降的技术问题。
-
公开(公告)号：CN113111205A
公开(公告)日：2021-07-13
申请号：CN202110393866.3
申请日：2021-04-13
Applicant: 复旦大学
IPC: G06F16/53 , G06F16/55 , G06F16/583 , G06K9/46 , G06K9/62
Abstract: 本发明提供了一种基于元滤波核的动态图像特征对齐方法及装置，用于对小样本的动态图像进行分类得到预测分类结果，其特征在于，包括如下步骤：搭建特征提取网络，并从支持集样本以及查询集样本中提取到图片特征组；搭建元滤波核生成网络，并输入图片特征组得到元滤波核；基于元滤波核并通过元滤波核生成网络对图片特征组进行自适应对齐得到对齐后查询集特征；搭建图像分类网络，对支持集特征以及对齐后查询集特征进行比较分类得到本地预测类别，并进行全局分类得到全局预测类别；构建损失函数，基于该损失函数以及预测类别训练得到训练好的小样本图像分类模型；将动态图像输入训练好的小样本图像分类模型分类得到预测分类结果。
-
公开(公告)号：CN110656171A
公开(公告)日：2020-01-07
申请号：CN201811173295.7
申请日：2018-10-09
Applicant: 复旦大学
IPC: C12Q1/6886
Abstract: 本发明属生物诊断检测技术领域，涉及SNORD33作为生物标记物用于制备检测试剂盒中的用途，本发明利用生物标志物SNORD33预测三阴性乳腺癌患者铂类治疗的疗效，以及用于铂类治疗前的三阴性乳腺癌患者，通过血浆SNORD33检测试剂盒，指导个体化治疗方案，包括检测受试者血浆SNORD33水平变化的方法，以及通过人血浆SNORD33检测试剂盒对受试者进行检测，将未接受铂类治疗前受试者血浆SNORD33作为一种生物标记物用于三阴性乳腺癌患者铂类治疗有效率及疾病控制时长的预测。对于血浆SNORD33高水平的受试者，选择铂类药物治疗疗效较好；对于血浆SNORD33低水平的受试者，考虑选择其他药物。检测血浆SNORD33水平能更精准的有助于指导三阴性乳腺癌患者的治疗。
-
公开(公告)号：CN116466320A
公开(公告)日：2023-07-21
申请号：CN202310297687.9
申请日：2023-03-17
IPC: G01S7/48 , G01S17/931 , G06V20/58 , G06V10/24 , G06V10/26 , G06V10/44 , G06V10/766 , G06V10/82 , G06N3/04
Abstract: 本申请涉及一种目标检测方法及装置，该方法包括：对激光雷达获取到的点云数据按照极坐标进行体素化处理，得到处理后数据；对处理后数据进行特征提取，得到第一2D特征图；基于全局信息交互对齐所述第一2D特征图，得到第二2D特征图；对第二2D特征图进行2D特征提取，得到第一2D特征信息；基于第一2D特征信息的几何信息和实例级信息对第一2D特征信息进行调整聚合，得到第二2D特征信息；基于第二2D特征信息进行目标检测，得到检测结果。本申请能进行全局特征信息的交互，减少全局交互的计算量，并让特征信息对齐。在特征信息提取后，还能在特征中引入几何线索和物体级别信息，提高回归能力。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.019 seconds)
