-
-
公开(公告)号：CN119600113A
公开(公告)日：2025-03-11
申请号：CN202510004449.3
申请日：2025-01-02
Applicant: 大连理工大学
IPC: G06T7/73 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0455
Abstract: 本发明属于三维感知技术领域，公开了一种基于可学习先验扩散模型的类级别物体位姿估计方法。本发明在训练过程中，可学习先验特征的参数能够动态更新，无需采集特定类别三维模型，有效提高了网络对类别信息的学习能力。本方法引入了Transformer扩散模型，并结合位置编码模块，增强了网络对物体三维信息的理解能力，从而提高了物体姿态估计的准确性。针对具有对称性的物体，本发明从物体位姿的概率分布出发，巧妙应对因对称性导致的多个可能姿态解的复杂性问题，有效避免了对称性对姿态估计的干扰，显著提升了网络在此类物体上的估计性能。本发明提供了一种高效、精准的姿态估计方法，为智能机器人抓取提供了可靠的技术支持。
-
公开(公告)号：CN118918211B
公开(公告)日：2024-12-03
申请号：CN202411404516.2
申请日：2024-10-10
Applicant: 大连理工大学
IPC: G06T11/00 , A61B6/03 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于医疗成像和人工智能领域，公开了一种基于投影与断层双域监督的双视角CT重建方法。本发明提出结合投影与断层双域监督实现双视角CT重建，引入FDK重建算法连接投影域和断层域，有效避免了跨域监督的转换误差。本发明提出了投影补全网络、投影残差学习网络和断层细化网络共同协作完成双域监督的双视角CT重建。针对这三个网络设计了专门的架构，引入重投影损失以提高重建质量。本发明仅用患者两个视角的投影即可重建出相应部位的断层图像，极大降低了患者所接受的辐射剂量，这对提高治疗的安全性、保障患者的身体健康具有重要意义。
-
公开(公告)号：CN118918211A
公开(公告)日：2024-11-08
申请号：CN202411404516.2
申请日：2024-10-10
Applicant: 大连理工大学
IPC: G06T11/00 , A61B6/03 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明属于医疗成像和人工智能领域，公开了一种基于投影与断层双域监督的双视角CT重建方法。本发明提出结合投影与断层双域监督实现双视角CT重建，引入FDK重建算法连接投影域和断层域，有效避免了跨域监督的转换误差。本发明提出了投影补全网络、投影残差学习网络和断层细化网络共同协作完成双域监督的双视角CT重建。针对这三个网络设计了专门的架构，引入重投影损失以提高重建质量。本发明仅用患者两个视角的投影即可重建出相应部位的断层图像，极大降低了患者所接受的辐射剂量，这对提高治疗的安全性、保障患者的身体健康具有重要意义。
-
公开(公告)号：CN114897785B
公开(公告)日：2024-07-26
申请号：CN202210388137.3
申请日：2022-04-14
Applicant: 大连理工大学
IPC: G06T7/00 , G06T7/13 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机断层图像重建领域，尤其涉及利用深度学习技术联合全局和局部单视角CT从单张X射线图像同时重建工件的三维全局外形和内在的局部缺陷结构，具体为缺陷检测中联合全局和局部的单视角CT重建方法。本发明所设计的CT重建网络，一方面能够有效地加快CT成像的速度，提高工业无损检测中大批量工件缺陷检测的效率；另一方面能够同时提供工件的3D外部结构和内部缺陷信息，从而提高缺陷检测和分析的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117974632A
公开(公告)日：2024-05-03
申请号：CN202410361413.6
申请日：2024-03-28
Applicant: 大连理工大学
Abstract: 本发明属于工业CT和人工智能领域，公开一种基于分割大模型的锂电池CT阴阳极对齐度检测方法。在锂电池的生产过程中，锂电池阴极和阳极的对齐度检测是锂电池制造质量控制的关键环节之一。本发明基于分割大模型Segment Anything对锂电池CT图像的电极延伸区进行分割，接着利用电极延伸区的灰度信息去除原始CT图像中的背景干扰，然后基于滑窗灰度计算完成对锂电池阴极和阳极边缘像素提取，最后根据所得的锂电池电极边缘像素完成对锂电池阴阳极片对齐度的计算和判断。本发明可以实现锂电池阴阳极对齐度的自动化计算，同时不需要大量的标注数据进行训练，且比仅使用传统图像处理算法的检测方法更具稳定性和泛化性。
-
公开(公告)号：CN112686201B
公开(公告)日：2022-09-30
申请号：CN202110032843.X
申请日：2021-01-11
Applicant: 大连理工大学
Abstract: 本发明涉及一种基于双目RGB图像的手部深度及姿态估计方法，属于计算机视觉与深度学习领域。主要包含以下步骤：(1)数据获取及预处理；(2)搭建基于双目RGB图像手部深度图重建网络；(3)将视差图转换为深度图；(4)搭建基于深度图手部关节点估计网络；(5)训练搭建的神经网络。(6)在测试集上预测手部深度和关节点得到手部深度图和关节点3D坐标。本发明具有以下优点：一是通过从双目RGB图像中重建手部深度图可以获取手部深度信息，在人机交互领域有重要作用；二是基于重建得到的手部深度图来估计手部关节点相比于直接从RGB图像估计关节点精度更高，可以有效解决基于单目RGB图像估计关节点带来的深度不确定性。
-
公开(公告)号：CN111428555B
公开(公告)日：2022-09-20
申请号：CN202010053784.X
申请日：2020-01-17
Applicant: 大连理工大学
Abstract: 本发明提供分关节的手部姿态估计方法，包括：S1、准备数据集；S2、设计网络结构，将数据集中的图像数据输入到神经网络进行处理和融合重构；S3、设计损失函数；S4、构建网络并进行网络训练，网络使用python2.7基于tensorflow1.3构建，在配有GTX1080显卡的主机上进行训练和测试；S5、通过评价指标对测试结果进行分析；所述评价指标包括平均关节误差、正确检测帧比率以及平均检测速度。本发明依据手指功能区别设计了分手指、分关节的手部姿态估计网络结构，使手部姿态估计具有较高的准确度。
-
公开(公告)号：CN114897785A
公开(公告)日：2022-08-12
申请号：CN202210388137.3
申请日：2022-04-14
Applicant: 大连理工大学
Abstract: 本发明属于计算机断层图像重建领域，尤其涉及利用深度学习技术联合全局和局部单视角CT从单张X射线图像同时重建工件的三维全局外形和内在的局部缺陷结构，具体为缺陷检测中联合全局和局部的单视角CT重建方法。本发明所设计的CT重建网络，一方面能够有效地加快CT成像的速度，提高工业无损检测中大批量工件缺陷检测的效率；另一方面能够同时提供工件的3D外部结构和内部缺陷信息，从而提高缺陷检测和分析的准确性。
-
公开(公告)号：CN113052936A
公开(公告)日：2021-06-29
申请号：CN202110339612.3
申请日：2021-03-30
Applicant: 大连理工大学
Abstract: 本发明涉及一种集成FDK和深度学习的单视角CT重建方法，属于计算机视觉与深度学习领域。为了使用FDK算法完成精确的2D到3D映射，本发明方法提出两阶段的深度学习框架，在第一阶段通过全视角生成网络，将单视角重建病态问题转化为一般性CT重建问题。在第二阶段通过FDK算法实现2D投影到3D体积的精确映射，再搭建CT微调网络对反投影所得的CT体积进行微调，提高断层图像质量。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.028 seconds)
