-
公开(公告)号：CN109636831A
公开(公告)日：2019-04-16
申请号：CN201811557430.8
申请日：2018-12-19
Applicant: 安徽大学
CPC classification number: G06T7/292 , G06T7/251 , G06T17/00 , G06T2207/10012 , G06T2207/30196
Abstract: 本发明为一种估计三维人体姿态及手部信息的方法，实现了一种新的以彩色深度相机单帧数据来自动准确的同时估计人体和手部的姿态以及人体实际体形的独特方法。首先将深度相机的关节预测与深度学习从彩色图预测关节的方法结合，同时获取人体的头部的转向解决现有技术不能匹配头部姿态的问题。同时，在人体估计中同时还原人手的姿态，使人体结果更形象具体，使用深度学习的方法从彩色图预测出手的3D姿态，然后使用3D人体关节拟合能量模型来完成人体姿态与最新的参数化人体模型SMPL+H的拟合。最后将获取的人体表面点云与拟合的模型进行配准提升人体形状估计的精确程度。籍此估计出一个准确的包含手部真实姿态的三维人体模型。
-
公开(公告)号：CN118071921A
公开(公告)日：2024-05-24
申请号：CN202410078770.1
申请日：2024-01-19
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06V20/40 , G06V40/20 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06T3/06 , G06V10/80
Abstract: 本发明是一种新型的基于骨架变化增强的人体网格重建方法，采用姿态变化作为约束特征抽象的前提，从而获得更好的描述姿态变化的特征。据此，还提出了一种姿态变化约束的特征增强模块，通过利用基于相邻两帧的热图的姿态差计算的注意图来增强当前帧的特征。利用该模块对当前帧的特征进行局部抽象，采用GRU提取相邻帧的全局特征，提出了一种基于姿态变化的双流视频的姿态和形状估计框架。实验结果表明，该模块和框架是有效的。
-
公开(公告)号：CN117409202A
公开(公告)日：2024-01-16
申请号：CN202311454320.X
申请日：2023-11-03
Applicant: 安徽大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于医学检测领域，具体涉及一种融合频域感知的医学图像中多器官分割方法、系统和设备。本发明设计了一个采用PVT模块作为初始骨干的U型网络，U型网络中的编码器采用四层的PVT模块进行下采样，解码器采用四层PE模块进行上采样。在编码器中四层PVT模块构成分支以外增加一个由五层TAF模块构成的特征融合分支，TAF模块用于提取频域特征并将其与空间特征融合；在解码器中增加3层SRA模块，SRA模块用于在相邻PE模块间对上采样结果添加相对位置编码后，再通过两层注意力计算得到细化后的特征。最后利用多器官医学图像样本对新设计的网络模型进行训练，可得到高精度的多器官分割模型。本发明解决了现有图像分割技术在多器官分割场景下精度不足的问题。
-
公开(公告)号：CN110853072B
公开(公告)日：2023-08-22
申请号：CN201911087472.4
申请日：2019-11-08
Applicant: 安徽大学
IPC: G06T7/194 , G06T7/136 , G06N3/08 , G06N3/0464
Abstract: 本发明提供基于自引导推理的弱监督图像语义分割方法，用来解决现有图像级标签监督下弱监督学习方法无法生成精确的语义分割图和训练过程复杂化的问题。为了解决这个问题，本发明基于同一对象的语义标签具有空间连续性提出了自引导推理层和自引导推理模块。本发明在技术上克服了现有弱监督语义分割技术无法获得精确分割效果和训练过程繁琐的问题，有效地提高了图像语义分割的准确率。
-
公开(公告)号：CN109697692B
公开(公告)日：2022-11-22
申请号：CN201811634213.4
申请日：2018-12-29
Applicant: 安徽大学
Abstract: 本发明提供一种基于局部结构相似的特征匹配方法，用来解决图像配准过程中出现的由于噪声干扰而造成匹配结果不理想的问题。步骤包括：步骤1，对两张待匹配图像进行特征提取与初始匹配；步骤2，建立特征点的邻域仿射系数矩阵；步骤3，对初始匹配集中的每一个匹配，计算与之相关联的特征点的邻域仿射系数矩阵的差异；步骤4，对邻域仿射系数矩阵进行优化，获取局部结构差异程度；步骤5，根据每个匹配相关联的特征点的局部结构差异值，设定比较阈值，确定最终的特征匹配对作为待匹配图像的匹配关系结果。本发明在技术上克服了现有技术优化过程复杂并收敛慢的问题，有效提高匹配的效率。
-
Patent Agency Ranking
公开(公告)号：CN114066955A
公开(公告)日：2022-02-18
申请号：CN202111399384.5
申请日：2021-11-19
Applicant: 安徽大学
Abstract: 本发明公开一种红外光图像配准到可见光图像的配准方法，其包括：提取个红外光图像中的红外光浅层特征、深层特征，提取可见光图像中的可见光浅层特征、深层特征，两个图像为同一场景下的两幅不同模态的图像；对红外光浅层特征、深层特征进行特征融合形成红外光融合特征图，对可见光浅层特征、深层特征进行特征融合形成可见光融合特征图；将红外光融合特征图中每个红外光融合特征与可见光融合特征图中每个可见光融合特征进行相关性求解；将相关性图输入在回归网络模型中，以预测红外光图像配准到可见光图像的仿射变换参数；待配准的红外光图像通过仿射变换参数来配准对应的可见光图像。本发明有效提升了红外光图像与可见光图像配准的精准度。
-
公开(公告)号：CN114066905A
公开(公告)日：2022-02-18
申请号：CN202111399439.2
申请日：2021-11-19
Applicant: 安徽大学
Abstract: 本发明属于图像处理领域，具体涉及一种基于深度学习的医学图像分割方法、系统、装置。该方法包括如下步骤：S1：构建一个包括特征提取模块、U‑net网络和特征融合模块的图像分割网络模型。特征提取模块采用ResNext101网络，U‑net网络模型包括编码器单元和解码器单元。特征融合模块用于特征提取模块和编码器提取的特征进行融合。S2：获取原始数据集并分类，得到训练集和测试集。S3：设定用于对网络模型进行训练的损失函数。S4：采用前述训练集和损失函数对网络模型进行训练。S5：采用测试集对网络模型进行测试，保存测试性能最佳的网络模型用于分割医学图像。本发明解决了现有图像分割方法存在的通用性较差，以及对尺度较大的医学图像的分割结果不精确的问题。
-
公开(公告)号：CN114066902A
公开(公告)日：2022-02-18
申请号：CN202111381789.6
申请日：2021-11-22
Applicant: 安徽大学
Abstract: 本发明属于图像分割领域，具体涉及一种基于卷积和transformer融合的医学图像分割方法、系统、装置。该方法包括如下步骤：S1：基于标准的transformer模块构建一个带有滑动窗口的改进的transformer模块。S2：构建一个包括卷积模块、改进的transformer模块、特征融合模块，以及解码器模块的深度融合网络。S3：选择多张带有息肉的医学图像构成原始数据集，并将原始数据集划分为训练集和测试集。S4：设置训练阶段的学习策略、训练epoch以及损失函数，利用训练集和测试集对深度融合网络进行训练和测试。S5：保存完成训练的深度融合网络用于分割的医学图像。本发明解决了现有的各类卷积神经网络在医学图像分割问题上存在的感受野不足、无法有效建立起远程依赖和利用全局上下文信息等问题。
-
公开(公告)号：CN109544605B
公开(公告)日：2022-01-21
申请号：CN201810497909.0
申请日：2018-05-23
Applicant: 安徽大学
IPC: G06T7/277
Abstract: 目前的移动阴影检测算法检测结果不够理想的问题，本发明提供基于时空关系建模的移动阴影检测方法，该方法利用HSV颜色空间和LBP纹理特征相结合的阴影特征，在阴影区域两步预检测的基础上，通过计算区域阴影程度的似然概率和其在帧内相邻域基于阴影特征两步特征分项比较和帧间相邻区域基于区域面积加权相结合得到的先验概率，实现基于马尔可夫随机场的迭代优化式阴影区域分割求解。实验结果表明，对于视频中移动阴影的检测，该方法有很好的效果。
-
公开(公告)号：CN108805897B
公开(公告)日：2022-01-21
申请号：CN201810498273.1
申请日：2018-05-22
Applicant: 安徽大学
Abstract: 针对经典的VIBE前景提取算法当输入的第一帧含有运动目标时后续检测就会出现“鬼影”现象、像素判别时模型中的固定半径在复杂场景检测效果不佳等问题，本发明提供一种改进的运动目标检测VIBE算法，区分静止区域是“鬼影”区域还是静止目标，并描述当前像素与背景模型中样本之间的差异程度，且在像素判别时根据描述字来动态调整判别模型中半径的大小，使得在场景变化程度较小时有更多的前景点被检测出，变化程度较大时能够阻止波动较小的像素点被检测为前景点，减少检测结果中的噪声。有益的技术效果：与原始的VIBE算法相比较，本发明能够在更少的帧数内去除“鬼影”，并使得检测出的运动目标更为准确。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.027 seconds)
