-
公开(公告)号：CN119379555A
公开(公告)日：2025-01-28
申请号：CN202411904895.1
申请日：2024-12-23
Applicant: 安徽大学
IPC: G06T5/70 , G06T5/50 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/82 , G06F17/14 , G06N3/0464
Abstract: 本发明公开一种基于二维符号距离场的阴影消除方法，通过2D符号距离场计算阴影图像的软权重掩码和SDF图像，通过软权重掩码提取原始阴影图像中的阴影区域和非阴影区域；快速傅里叶变换模块提取局部空间特征全局频率特征；通过信息交互模块IIM融合局部空间特征全局频率特征的注意力权重图得到融合特征；通过边界细化模块BRM输出边界细化后特征图；通过卷积操作提取非阴影区域的特征，通过全局特征调制模块GFM将全局特征向量、非阴影区域的特征和SDF特征进行调制，最终输出无阴影图像。本发明在阴影区域的亮度恢复、边界过渡和平滑性方面具有显著优势，使得去除后的图像接近真实无阴影效果。
-
公开(公告)号：CN117853645A
公开(公告)日：2024-04-09
申请号：CN202410242047.2
申请日：2024-03-04
Applicant: 安徽大学
IPC: G06T15/20 , G06N3/0464 , G06N3/082 , G06T7/529 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于跨视图捆绑交叉感知神经辐射场的图像渲染方法，利用轻量型捆绑特征提取模块计算多尺度捆绑卷积特征；利用混合交叉感知机制细化卷积特征，聚合跨视图交互信息并及时补充上下文特征信息，然后，进行相似性嵌入体渲染，将几何先验条件的余旋相似度作为显示匹配嵌入线索，为预测颜色密度场捕捉相似匹配信息；再后，最小化颜色与内容一致性损失，添加相同时间戳内的渲染视图与真实瞬时视图对数的绝对值差异，解决场景跨度大和特征信息匮乏情况下的伪影和模糊纹理问题。
-
-
公开(公告)号：CN116109852B
公开(公告)日：2023-06-20
申请号：CN202310390886.4
申请日：2023-04-13
Applicant: 安徽大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开一种快速及高精度的特征匹配错误消除方法，输入初始特征匹配点，提取特征匹配点坐标，计算正弦值和欧氏距离，对新坐标进行网格划分、统计网格中特征匹配点的数量并获得角度集合；通过自适应参数估计，计算出网格中特征匹配点数量的拐点，获得纠错阈值，将网格中特征匹配点数量小于阈值的特征匹配点剔除，从而获得精确的特征匹配点。本发明能够快速地消除初始特征匹配结果中的错误特征匹配点，提高图像匹配的精度，提升基于图像匹配的计算机视觉应用系统的性能，如基于图像的三维重建、图像拼接、图像检索、视觉定位与导航、虚拟现实和增强现实。
-
公开(公告)号：CN116109852A
公开(公告)日：2023-05-12
申请号：CN202310390886.4
申请日：2023-04-13
Applicant: 安徽大学 , 国网安徽省电力有限公司电力科学研究院
Abstract: 本发明公开一种快速及高精度的特征匹配错误消除方法，输入初始特征匹配点，提取特征匹配点坐标，计算正弦值和欧氏距离，对新坐标进行网格划分、统计网格中特征匹配点的数量并获得角度集合；通过自适应参数估计，计算出网格中特征匹配点数量的拐点，获得纠错阈值，将网格中特征匹配点数量小于阈值的特征匹配点剔除，从而获得精确的特征匹配点。本发明能够快速地消除初始特征匹配结果中的错误特征匹配点，提高图像匹配的精度，提升基于图像匹配的计算机视觉应用系统的性能，如基于图像的三维重建、图像拼接、图像检索、视觉定位与导航、虚拟现实和增强现实。
-
Patent Agency Ranking
公开(公告)号：CN119399505A
公开(公告)日：2025-02-07
申请号：CN202411529792.1
申请日：2024-10-30
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/74 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/045 , G06N3/0895 , G06N3/096
Abstract: 本发明公开一种基于文本‑区域匹配的带有缺失标签场景下的多标签图像识别方法，使用预训练视觉‑语言模型作为特征提取器，对视觉特征和查询向量进行交叉注意力运算生成区域级显著性图；利用多层感知机生成查询级特征，通过区域级显著性图对视觉特征进行聚合运算生成区域级特征表示；然后进行知识蒸馏过程，将区域级特征表示的知识迁移到查询级特征表示上，还基于多模态对比学习方法，利用记忆块视觉原型和文本原型进行存储以及对比学习，使得相同特定类别特征彼此趋近，不同特定类别特征适当拉远，从而使原模型建立起更好的类内和类间关系，有效地提高了带有缺失标签场景下的多标签图像识别的准确性。
-
公开(公告)号：CN119228743A
公开(公告)日：2024-12-31
申请号：CN202411232082.2
申请日：2024-09-04
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06V10/25 , G06N3/096 , G06N3/045 , G06V10/40 , G06V10/764 , G06N3/09 , G06N3/088 , G06N3/0475 , G06N3/094 , G06V10/74 , G06N3/048 , G06N3/084 , G06V10/774 , G06V10/766 , G06N20/00
Abstract: 本发明公开一种基于对比学习的X光图像域适应肺结节检测方法，使用源域图像训练模型，将模型复制得到教师模型和学生模型，然后源域图像经过强数据增强送入学生模型，目标域图像经过强数据增强和弱数据增强分别送入学生模型和教师模型。对于源域图像，通过标签计算监督损失，对于目标域图像，通过伪标签计算无监督损失。分层对比学习模块分别计算区域级和像素级对比损失，对抗学习模块通过来自于源域和目标域的区域级特征获得对抗性分类损失。最后合并损失函数进行模型优化，更新学生模型参数，通过指数滑动平均策略更新教师模型参数。本发明通过采用独特的分层对比学习策略，解决了低质量伪标签的问题，有效提高了X光图像域适应肺结节检测的精度。
-
公开(公告)号：CN119107416A
公开(公告)日：2024-12-10
申请号：CN202411320983.7
申请日：2024-09-23
Applicant: 安徽大学
Abstract: 本发明公开一种基于混合特征的稀疏视角X射线光图像三维重建方法，利用梯度值作为权重来引导采样射线，使采样射线尽可能分布在变化较明显的区域；使用三平面分解特征和哈希编码特征进行混合，将混合特征送入衰减场预测网络预测衰减值，使用衰减权重预测网络(W‑NAF)预测X射线路径上每个采样像素点的衰减权重，通过这两个网络得到采样像素点处的衰减值和衰减权重值；通过累积沿采样射线的衰减值来生成预测的投影像素值，然后通过最小化预测投影和真实的X射线图像之间的差异来优化网络。
-
公开(公告)号：CN118229872B
公开(公告)日：2024-11-01
申请号：CN202410242011.4
申请日：2024-03-04
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/082 , G06T7/55 , G06T7/80 , G06V10/44
Abstract: 本发明公开一种基于双重不确定性估计的多视图立体方法，根据输入的多视角图像和摄像机参数，计算多视角图像的多尺度特征；构造相邻阶段不确定性估计器，计算多阶段深度图和置信图；构造两两阶段不确定性估计器，计算不确定图；再次，根据不确定图和多阶段深度图，计算混合损失；融合深度图计算高质量的点云。本发明充分挖掘级联结构的深度神经网络模型在多视图立体重建中的潜力，通过在级联结构中嵌入相邻阶段不确定性估计器和两两阶段不确定性估计器，减少误差，提升生成深度图的准确性，最终生成高质量的点云模型。
-
公开(公告)号：CN118692632A
公开(公告)日：2024-09-24
申请号：CN202410705138.5
申请日：2024-06-03
Applicant: 安徽大学 , 安徽中医药大学第一附属医院(安徽省中医院) , 安徽医科大学
IPC: G16H30/00 , G16H15/00 , G06F18/24 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06F17/16 , G06F17/18
Abstract: 本发明公开一种基于中文大语言模型的医学影像质量控制方法，先使用基于自监督学习的掩码自编码器对视觉编码器进行预训练，使用包含标签的医学影像对模型进行微调，将医学影像输入到预训练的视觉编码器中，得到视觉特征，将影像描述作为文本提示输入基于中文大语言模型的文本编码器中，得到文本特征，将两个特征投射为相同尺寸再进行拼接，得到最终特征，将最终特征输入到使用高效微调方法(LoRA)的中文大语言模型中，得到质量控制报告，进行实体提取，再对实体进行编码，计算其与真实标签编码之间的距离，采用对比学习进行微调。本发明能够用于对2D和3D医学影像进行质量控制。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.02 seconds)
