-
公开(公告)号：CN107977605B
公开(公告)日：2020-04-24
申请号：CN201711091696.3
申请日：2017-11-08
Applicant: 清华大学
Abstract: 本发明公开了一种基于深度学习的眼部区域边界特征提取方法及装置，其中，方法包括：获取训练数据集，通过人工标定眼睛图像上的四条含语义信息的边界，并存储在四通道的边界图中得到训练数据集；对一套整体嵌套的用于边界提取的深度神经网络进行改进，改进深度神经网络的损失函数和网络结构，以使包含四条边界的语义信息并能输出相应的四通道的边界图；通过深度学习的方法，利用训练数据集对改进的整体嵌的深度神经网络进行有监督训练，得到网络的最优参数，以使用网络预测眼睛图像中的四条边界。该方法可以通过深度学习的方法提取眼睛图像中的四种边界，从而为眼皮的实时三维重建提供了良好的基础，并且可以提供含语义信息的眼部区域边界特征。
-
公开(公告)号：CN107240147B
公开(公告)日：2020-01-14
申请号：CN201710386631.5
申请日：2017-05-26
Applicant: 清华大学
Abstract: 本发明公开了一种图像渲染方法及系统，包括：获取步骤，获取待渲染图像的图像帧，其中，所述图像帧包括多个关键帧和多个参考帧，一个关键帧对应多个参考帧，所述关键帧为具体的场景光学信息，参考帧为关键帧的深度信息；处理步骤，根据所述多个关键帧和多个参考帧得到两种运动场，其中，所述两种运动场包括：所述关键帧与参考帧之间的运动场，不同关键帧之间的运动场；渲染步骤，根据多个处理后的关键帧渲染得到渲染图像。本发明通过利用两种不同尺度的运动场，实现了360°全景图渲染效果。
-
公开(公告)号：CN109166073A
公开(公告)日：2019-01-08
申请号：CN201810863613.6
申请日：2018-08-01
Applicant: 清华大学
IPC: G06T1/00
Abstract: 本发明公开了一种在三维网格模型中嵌入与提取水印方法与装置，其中，方法包括：利用顶点的1-邻接关系作选择水印嵌入顶点，将给定的水印信息分别嵌入到水印嵌入顶点的三维坐标(x1,x2,x3)尾数部分中，对于嵌入水印的三维网格模型，通过嵌入水印信息与1-邻接关系判断顶点是否被篡改。该方法利用顶点的三维坐标(x1,x2,x3)的尾数部分中作为水印嵌入与提取位，一方面可有效将水印信息进行嵌入与提取，另一方面有效降低水印信息嵌入造成的模型形变，提高了水印嵌入与提取的鲁棒性。
-
公开(公告)号：CN108960197A
公开(公告)日：2018-12-07
申请号：CN201810845001.4
申请日：2018-07-27
Applicant: 清华大学
CPC classification number: G06K9/00214 , G06K9/6215
Abstract: 本发明公开了一种陶瓷三维网格模型器型相似性的判别方法及装置，其中，方法包括以下步骤：以两组陶瓷三维网格模型作为输入，并对输入数据进行标准化；构造一组垂直平面，并分别与标准化后两组陶瓷三维网格模型的求交，每个三维网格模型所得交线按照顺序依次排列，形成第一与第二交线序列PSA、PSB；依次计算两个交线序列相对应交线PSAi与交线PSBi的差异，以形成对应的差异序列SAB；再以差异序列SAB的统计结果作为两组陶瓷三维网格模型的相似性。该方法利用陶瓷三维网格模型的器型表示特点，一方面将难以表示的器型特征转化为由线段组成的交线序列，另一方面以交线间的差异的统计结果作为陶瓷三维网格模型器型的相似性。
-
公开(公告)号：CN119741528A
公开(公告)日：2025-04-01
申请号：CN202411618447.5
申请日：2024-11-13
Applicant: 清华大学
IPC: G06V10/764 , G06V10/774 , G06V10/771 , G06V10/82 , G06N3/0464 , G16H50/20
Abstract: 本发明公开了一种基于深度学习的肠套叠自动诊断方法及装置，包括：构建初始肠套叠诊断模型；获取数据集，并基于数据集对初始肠套叠诊断模型进行训练，得到目标肠套叠诊断模型；获取待诊断的图像；将待诊断的图像输入目标肠套叠诊断模型，得到待诊断的图像对应的肠套叠分类结果。本发明基于目标肠套叠诊断模型对多种不同的图像进行分析，得到对应的肠套叠分类结果，从而适用范围广泛，提高了模型的鲁棒性和分类结果准确性。
-
Patent Agency Ranking
公开(公告)号：CN115115967B
公开(公告)日：2024-11-22
申请号：CN202210522410.7
申请日：2022-05-13
Applicant: 清华大学
IPC: G06V20/40 , G06V40/20 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/762 , G06V10/74
Abstract: 本申请涉及生物影像处理技术领域，特别涉及一种模式生物的视频动作分析方法、装置、设备及介质，其中，方法包括：获取目标模式生物的待分析影像；将待分析影像输入至预先训练完成的特征提取器，提取待分析影像中每个影像帧的类别标签，并基于每个影像帧的类别标签将待分析影像分割为多个视频段，其中，特征提取器基于携带有影像帧类别标签的影像样本训练得到；计算所有视频段之间的类别相似度，并聚合类别相似度大于预设值的视频段，得到至少一个聚合结果，并识别至少一个聚合结果得到目标模式生物的实际动作类型。由此，本申请实施例可以自动完成对模式生物视频的动作分析，无需任何人工干预，且可以能够应用于多种模式生物，扩展性强。
-
公开(公告)号：CN118247838A
公开(公告)日：2024-06-25
申请号：CN202410096566.2
申请日：2024-01-23
Applicant: 清华大学
IPC: G06V40/20 , G06V10/75 , G06V10/774 , G06N3/092
Abstract: 本发明公开了获取高质量手物交互运动序列的方法及装置，该方法，包括利用手物交互运动重建方法得到手物的第一交互运动序列；获取人手每个部位的传感器上的压力传感数据，并根据压力传感数据计算人手每个部位是否与物体表面的接触信息；基于第一交互运动序列和接触信息构建第二交互运动序列；利用深度强化学习方法将第二交互运动序列作为参考序列进行模仿交互，以得到最终的第三交互运动序列。本发明可以将物理规律和已有的手物交互运动序列采集的方法相结合，得到物理合理的高质量手物交互序列。
-
公开(公告)号：CN113771081B
公开(公告)日：2024-04-30
申请号：CN202110761597.1
申请日：2021-07-06
Applicant: 清华大学
IPC: B25J15/08
Abstract: 本发明提出一种基于物理的虚拟人手自动抓取方法及装置，其中，方法包括：采集人手参数信息，并根据所述人手参数信息构建人手物理模型；使用预先训练的强化学习网络预测人手的各个关节的目标角度；根据所述人手的各个关节的目标角度驱动所述人手物理模型抓取虚拟物体，以生成人手抓取物体的动画。该方法利用强化学习生成人手运动控制器，不仅可以避免大量的人工计算，同时保证了生成的运动更加贴近真实的人手运动，以及具有更好的训练结果和更快的训练速度。
-
公开(公告)号：CN115601508A
公开(公告)日：2023-01-13
申请号：CN202211395128.3
申请日：2022-11-08
Applicant: 清华大学(CN)
Abstract: 本发明提出一种三维结构保留的家具三维模型风格迁移方法，包括，获取目标家具的二维风格图片，所述二维风格图片用于指示所述目标家具的源风格；通过学习二维风格图片的三维语义信息，得到目标家具的风格结构点序列；获取目标家具的三维点云模型，所述三维点云模型用于指示所述目标家具的结构；通过学习三维点云模型的三维语义信息，得到目标家具的特征结构点序列；基于风格结构点序列和特征结构点序列对三维点云模型进行风格迁移，将三维点云模型的风格转换为源风格。通过本发明提出的三维结构保留的家具三维模型风格迁移方法，能够实现三维结构的风格迁移，提升了家具原型构造的效率。
-
公开(公告)号：CN115100217A
公开(公告)日：2022-09-23
申请号：CN202210495089.8
申请日：2022-05-07
Applicant: 清华大学
Abstract: 本申请涉及头颈部CT影像中脑部区域的提取方法技术领域，特别涉及一种头颈部CT影像中脑部区域的提取方法、装置、设备及介质，其中，方法包括：获取待提取头颈部的实际CT影像；建立参考CT影像与实际CT影像之间的三维变化关系，并基于三维变化关系将参考CT影像的脑部区域标注结果变化至实际CT影像中，得到实际CT影像的脑部区域标注结果；根据实际CT影像的脑部区域标注结果从实际CT影像中提取待提取头颈部的实际脑部区域影像。由此，本申请实施例可以使用灌水算法可以将颅骨内所有脑组织区域提取出来，提取结果完整，且可以使用膨胀、腐蚀等操作对于颅骨缺损、颅骨薄的情况也可以去除脑外组织，提升鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.018 seconds)
