-
公开(公告)号：CN118129595A
公开(公告)日：2024-06-04
申请号：CN202410219147.3
申请日：2024-02-28
Applicant: 同济大学
IPC: G01B7/16
Abstract: 本申请公开了一种柔性全向应变传感器及制备方法，柔性全向应变传感器包括沿一厚度方向层叠设置的至少一层柔性衬底层；覆盖于所述至少一层柔性衬底层上的柔性封装层；以及至少一层传感层，每一层所述传感层设置在相应一层所述柔性衬底层朝向所述柔性封装层的表面；其中，所述柔性衬底层及所述柔性封装层均由柔性材料制成。本申请所提供的技术方案能够能够实现平面应变的全向传感，传感器信号强度随应变角度变化而变化，传感器能通过多个独立信号进行应变强度与方向的量化。
-
公开(公告)号：CN107341505B
公开(公告)日：2020-07-28
申请号：CN201710422205.2
申请日：2017-06-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于图像显著性与Object Bank的场景分类方法，该方法包括如下步骤：(1)针对每一种场景分别选取训练样本，对训练样本中的图像采用基于图像显著性与Object Bank的方法提取样本图像高层特征；(2)对样本图像高层特征通过主判别分析方法进行降维得到样本图像降维特征向量并输入至分类器；(3)对测试图像采用基于图像显著性与Object Bank的方法提取测试图像高层特征；(4)对测试图像高层特征通过主判别分析方法进行降维得到测试图像降维特征向量；(5)将测试图像降维特征向量输入至分类器，分类器对测试图像进行分类得到测试图像所对应的场景。与现有技术相比，本发明具有分类准确率高的优点。
-
公开(公告)号：CN108052865A
公开(公告)日：2018-05-18
申请号：CN201711144918.3
申请日：2017-11-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于卷积神经网络和支持向量机的火焰检测方法，该方法包括如下步骤：(1)获取监测视频中的每一帧图像并分别作为待检测的图片；(2)将待检测的图片输入至预先训练的特征检测模型并输出多个感兴趣的区域；(3)将每个感兴趣的区域分别作为一张特征图像输入至预先训练的基于卷积神经网络和支持向量机的分类模型，所述的分类模型滤除对特征图像进行分类确定火焰图像和非火焰图像；(4)根据所述的分类模型的分类结果确定待检测的图片中是否有火焰存在，若分类结果中包括至少一张火焰图像则待检测的图片中有火焰，否则待检测的图片中无火焰。与现有技术相比，本发明检测结果准确，检测速度快。
-
公开(公告)号：CN107341505A
公开(公告)日：2017-11-10
申请号：CN201710422205.2
申请日：2017-06-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于图像显著性与Object Bank的场景分类方法，该方法包括如下步骤：(1)针对每一种场景分别选取训练样本，对训练样本中的图像采用基于图像显著性与Object Bank的方法提取样本图像高层特征；(2)对样本图像高层特征通过主判别分析方法进行降维得到样本图像降维特征向量并输入至分类器；(3)对测试图像采用基于图像显著性与Object Bank的方法提取测试图像高层特征；(4)对测试图像高层特征通过主判别分析方法进行降维得到测试图像降维特征向量；(5)将测试图像降维特征向量输入至分类器，分类器对测试图像进行分类得到测试图像所对应的场景。与现有技术相比，本发明具有分类准确率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN103324700B
公开(公告)日：2017-02-01
申请号：CN201310229229.8
申请日：2013-06-08
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及本体学习领域，特别涉及到基于Web信息的本体概念属性学习方法。本发明的技术方案是以Web作为语料库，构建语言模式并作为Google搜索引擎的查询集合，进行网页片段和对应的源网址URL提取，以构建候选概念属性词库；根据候选词的URL构建文本集作为LDA的输入，采用Gibbs抽样的方法来获取LDA模型的训练参数，根据LDA模型的运行结果修剪和合并属性候选库，确立最终的概念属性词集。本发明能够更加准确有效地获取本体中的概念属性集合，从而使得自动或半自动构建本体成为可能。
-
公开(公告)号：CN103268603A
公开(公告)日：2013-08-28
申请号：CN201310165363.6
申请日：2013-05-08
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于层级血管树划分的肝脏图像分段方法，该方法首先用有向树来表示肝脏门静脉血管的拓扑结构，接着根据具体病例图像中肝门静脉血管的空间分布和分支平均半径信息，确定血管分级参数并构建层级血管树，标记出为肝脏供血的二级子树集合，按照供血区域将标记的二级子树划分为八类，进而采用最短距离算法将肝脏划分为八个肝段并进行诠析，提取临床感兴趣信息。该方法对分支较多、结构较复杂的肝脏血管可以取得较好的分级效果，考虑了大部分二级分支的供血作用，分段得到的肝段分布和属性信息也符合Couinaud肝段分割理论。
-
公开(公告)号：CN104750876B
公开(公告)日：2018-04-20
申请号：CN201510197775.7
申请日：2015-04-23
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明公开了一种应用于协同制造系统中的语义搜索方法，语义搜索方法为：获取外部输入的服务请求数据；每个服务请求数据中包括多类服务子数据，服务子数据的类别与标准子数据的类别一一对应；选择一个标准服务数据，并判断得到每类服务子数据与对应的标准子数据之间的语义关联值；分别将语义关联值与语义关联阈值进行比较，以分别输出相应的比较结果；将所有比较结果均表示语义关联值大于语义关联阈值的对应的标准服务数据作为可选择数据保存；依照上述步骤对所有标准服务数据进行遍历，把所有可选择数据对应的标准服务纳入一服务集合中并输出。
-
公开(公告)号：CN107240067A
公开(公告)日：2017-10-10
申请号：CN201710330860.5
申请日：2017-05-11
Applicant: 同济大学
CPC classification number: G06T5/50 , G06T3/4038 , G06T7/80 , G06T17/00
Abstract: 本发明涉及一种基于三维重建的序列图像自动拼接方法，该方法包括以下步骤：对输入的n幅图像分别提取尺度不变特征变换特征点；根据特征点匹配情况，选取每幅图像对应的m幅候选匹配图像，构成候选匹配图像集；对候选匹配图像集利用运动结构重建SfM算法进行三维重建，得到反投射后的三维平面；求解三维平面对应的二维参考平面，并投影至指定二维坐标平面；求解每幅图像的镜像畸变参数，优化相邻图像间的拼接效果。与现有技术相比，本发明基于三维点云重建方法恢复被摄物体三维结构，具有解决图像与被摄物体的之间不满足单应性约束条件下序列图像拼接问题、消除输入图像的单应性畸变和改善图像拼接质量等优点。
-
公开(公告)号：CN103268603B
公开(公告)日：2015-10-28
申请号：CN201310165363.6
申请日：2013-05-08
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于层级血管树划分的肝脏图像分段方法，该方法首先用有向树来表示肝脏门静脉血管的拓扑结构，接着根据具体病例图像中肝门静脉血管的空间分布和分支平均半径信息，确定血管分级参数并构建层级血管树，标记出为肝脏供血的二级子树集合，按照供血区域将标记的二级子树划分为八类，进而采用最短距离算法将肝脏划分为八个肝段并进行诠析，提取临床感兴趣信息。该方法对分支较多、结构较复杂的肝脏血管可以取得较好的分级效果，考虑了大部分二级分支的供血作用，分段得到的肝段分布和属性信息也符合Couinaud肝段分割理论。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.029 seconds)
