-
公开(公告)号：CN108765432B
公开(公告)日：2020-08-07
申请号：CN201810428262.6
申请日：2018-05-07
Applicant: 山东大学
Abstract: 本发明公开了一种颈动脉内中膜边界自动分割方法及系统，对超声图像序列进行预处理，通过粗裁剪、生成种子点、动态规划方法处理实现对序列第一帧的初始化；建立图像序列分割的状态空间框架，运用蛇算法获取状态空间中的观测量，并使用卡尔曼滤波器求解该状态空间方程，得到图像内对应的颈动脉壁的实际位置；顺序地分割后续图像，得到图像分割结果。本发明中序列的第一帧初始化工作为自动分割，真正实现了颈动脉内中膜边界的全自动分割，在时效性方面有了质的提升。
-
公开(公告)号：CN108805078A
公开(公告)日：2018-11-13
申请号：CN201810593780.3
申请日：2018-06-11
Applicant: 山东大学
CPC classification number: G06K9/00362 , G06K9/00751 , G06N3/0454
Abstract: 本发明公开了基于行人平均状态的视频行人再识别方法及系统，包括：非重叠相机拍摄获得视频，构成包含若干行人的数据集，暹罗网络与暹罗损失函数一起训练，由于训练好的网络学习到的视频特征具有区分性，通过对来自同一视频的所有帧的特征进行平均而获得的特征向量初始化个体的平均体；视频内损失函数被定义为最小化特征向量与平均状态之间的距离，将视频内损失函数与暹罗损失函数结合在一起，从头开始训练新的模型；用训练好的模型更新行人平均状态，并且用更新的平均状态对网络进行重新训练，直到在验证集上没有对行人再识别的准确性产生进一步收益。本申请方法在PRID2011，iLIDS‑VID和MARS数据集上优于大多数最先进的算法，这也证明了本申请提出的方法的有效性。
-
公开(公告)号：CN108765432A
公开(公告)日：2018-11-06
申请号：CN201810428262.6
申请日：2018-05-07
Applicant: 山东大学
Abstract: 本发明公开了一种颈动脉内中膜边界自动分割方法及系统，对超声图像序列进行预处理，通过粗裁剪、生成种子点、动态规划方法处理实现对序列第一帧的初始化；建立图像序列分割的状态空间框架，运用蛇算法获取状态空间中的观测量，并使用卡尔曼滤波器求解该状态空间方程，得到图像内对应的颈动脉壁的实际位置；顺序地分割后续图像，得到图像分割结果。本发明中序列的第一帧初始化工作为自动分割，真正实现了颈动脉内中膜边界的全自动分割，在时效性方面有了质的提升。
-
公开(公告)号：CN111372006B
公开(公告)日：2021-05-07
申请号：CN202010139138.5
申请日：2020-03-03
Applicant: 山东大学
Abstract: 本公开提供了一种面向移动端的高动态范围成像方法及系统，对高动态范围图像进行处理，生成相应的低动态范围图像，将低动态范围图像输入到基于编码器‑解码器结构的神经网络模型中，神经网络模型的输入与相应的高动态范围图像在对数域求损失，使用梯度下降法优化神经网络模型，将优化后的神经网络模型移植到移动端，将其视为一个高次映射函数，完成低动态范围图像到高动态范围图像的端到端映射。有效地提高了单帧高动态范围成像方法的实用性。
-
公开(公告)号：CN111415318A
公开(公告)日：2020-07-14
申请号：CN202010201902.7
申请日：2020-03-20
Applicant: 山东大学
Abstract: 本发明涉及一种基于拼图任务的无监督相关滤波目标跟踪方法及系统。包括了离线预训练和在线微调两个阶段。在离线预训练阶段，基于拼图任务的神经网络的训练过程主要为无监督相关滤波算法训练和拼图任务训练两个任务结合。训练过程大体可分为四个部分：数据处理、深度特征提取、拼图任务训练、无监督相关滤波训练。本发明是在无监督相关滤波算法的训练中，同时引入对图像块位置索引的预测任务，以增加深度神经网络对物体细节特征的提取能力，并通过对不同层的特征进行融合使得算法兼顾语义信息和位置信息，准确性得到提升。
-
Patent Agency Ranking
公开(公告)号：CN111401267A
公开(公告)日：2020-07-10
申请号：CN202010195886.5
申请日：2020-03-19
Applicant: 山东大学
Abstract: 本发明公开了一种基于自学习局部特征表征的视频行人再识别方法及系统，包括：分别获取两段设定时间段内包含待识别行人连续变化图像的视频信息；采用孪生网络结构分别对获取的两段视频信息进行处理，得到对齐的表征行人时空特征的矢量，通过对比得到的矢量信息，判断两段连续图像信息中的行人是否为同一个人，实现行人再识别。本发明提出的残差-循环神经网络，不仅能提取序列之间相关性，而且在结构上构成残差网络，解决了循环神经网络的梯度消失问题，加强空间特征和时间特征的融合。
-
公开(公告)号：CN111415318B
公开(公告)日：2023-06-13
申请号：CN202010201902.7
申请日：2020-03-20
Applicant: 山东大学
Abstract: 本发明涉及一种基于拼图任务的无监督相关滤波目标跟踪方法及系统。包括了离线预训练和在线微调两个阶段。在离线预训练阶段，基于拼图任务的神经网络的训练过程主要为无监督相关滤波算法训练和拼图任务训练两个任务结合。训练过程大体可分为四个部分：数据处理、深度特征提取、拼图任务训练、无监督相关滤波训练。本发明是在无监督相关滤波算法的训练中，同时引入对图像块位置索引的预测任务，以增加深度神经网络对物体细节特征的提取能力，并通过对不同层的特征进行融合使得算法兼顾语义信息和位置信息，准确性得到提升。
-
公开(公告)号：CN111367282A
公开(公告)日：2020-07-03
申请号：CN202010157337.9
申请日：2020-03-09
Applicant: 山东大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于多模感知与强化学习的机器人导航方法及系统，包括：获取机器人在设定时刻所观测场景的RGB图片，采用训练好的分割网络将所述RGB图片转换为二元分割图；分别采集所述设定时刻的激光雷达数据以及机器人的速度度量数据；将所述二元分割图、激光雷达数据以及机器人的速度度量数据输入到训练好的多模融合深度网络模型中，得到机器人的最优运行策略。本发明采用多模机制可确保对环境更加完整的感知，基于RL的方法可通过在线交互直接学习在无限搜索空间中围绕周围环境优化的导航策略，从而产生灵活的动作，从而提高了其避免碰撞的能力。
-
公开(公告)号：CN109756842B
公开(公告)日：2020-05-08
申请号：CN201910129515.4
申请日：2019-02-21
Applicant: 山东大学
Abstract: 本发明公开了一种基于注意力机制的无线室内定位方法及系统，定位精度高。该方法包括以下步骤：在室内布置多个带有Ibeacon信标的信标节点和多个位置已知的参考节点；连续采集多时刻各个参考节点与所有信标节点之间的RSSI值，将各个参考节点每时刻对应的RSSI值进行排序，组成各个参考节点每时刻对应的RSSI值序列；利用时间卷积网络模型对各个参考节点每时刻对应的RSSI值序列进行训练，得到每个参考节点的概率序列；对所有参考节点的概率序列进行加权处理，得到最终的定位位置。
-
公开(公告)号：CN203056800U
公开(公告)日：2013-07-10
申请号：CN201220678092.5
申请日：2012-12-10
Applicant: 山东大学
IPC: H02K16/00
Abstract: 本实用新型公开了一种仿生眼球用正交圆柱结构两自由度步进电机，包括内定子、外转子、外定子、底座，底座上设有支撑轴，内定子包括内定子上部、内定子下部，内定子上部、内定子下部分别固定于支撑轴上，内定子上部、内定子下部之间通过空气隔开，纵向轴承外圈与不导磁的纵向端盖配合，外转子与支撑轴连接，外定子上设有输出轴；外定子通过安装在不导磁纵向端盖上；外定子包括两段外定子铁心，外转子包括弧形永磁体及其两侧的两段外转子铁心，外转子铁心外侧均匀布置若干小齿，两段外转子铁心内侧分别开有四个外转子铁心小齿，外转子内部齿端部、外转子外部齿端部分别加工成以纵轴、横轴为轴线的两个相互正交的内部圆柱面、外部圆柱面。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.043 seconds)
