-
公开(公告)号：CN114332510B
公开(公告)日：2024-03-22
申请号：CN202210001464.9
申请日：2022-01-04
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/762 , G06N20/00
Abstract: 本发明公开一种层次化的图像匹配方法，获得查询图像和参考图像特征点特征描述子，从参考图像包含的局部特征点中，为查询图像中的每个局部特征点寻找两个最相似的候选匹配特征点；并依次筛选出最佳特征匹配结果。本发明能够快速地计算出两幅图像之间的特征匹配点，然后应用于一系列的基于图像匹配的高层次计算机视觉任务中：基于图像的三维重建、同时定位与地图构建、图像检索、地图导航、数字孪生、图像拼接、混合现实、虚拟现实和增强现实等。
-
公开(公告)号：CN117649565A
公开(公告)日：2024-03-05
申请号：CN202410122839.6
申请日：2024-01-30
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/0464 , G06N3/084 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本申请公开一种模型训练方法、训练装置及医学影像分类方法，通过获取医学影像训练集，所述医学影像训练集包括若干医学影像及其对应的疾病标签信息和临床信息；将所述医学影像数据集划分为若干数据块，并基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵；采用分批方式依次将所述数据块及对应的图像级关系矩阵输入到预训练影像分类模型进行模型训练，以获取训练好的医学影像分类模型。通过在模型训练阶段，引入图像级关系矩阵，优化视觉特征嵌入，帮助分类模型理解图像，提高医学影像分类模型的分类性能。
-
公开(公告)号：CN117218278A
公开(公告)日：2023-12-12
申请号：CN202310315796.9
申请日：2023-03-16
Applicant: 腾讯科技(深圳)有限公司 , 安徽大学
Abstract: 本申请实施例公开了一种三维模型的重建方法、装置、设备及存储介质，属于三维重建技术领域。该方法包括：获取彩色图像序列，所述彩色图像序列中包含至少两张彩色图像，所述至少两张彩色图像为不同视角下对目标场景进行拍摄得到；基于所述彩色图像序列，确定所述目标场景对应的符号距离场，以及所述目标场景中各个空间点对应的几何特征；基于所述符号距离场以及所述几何特征，确定各个视角下所述彩色图像对应的渲染图像；基于所述彩色图像与所述渲染图像之间的颜色差异，对所述符号距离场进行细节优化，得到优化后的符号距离场；基于所述优化后的符号距离场进行三维重建，得到所述目标场景对应的三维模型；提高了三维模型重建的准确性。
-
公开(公告)号：CN115719407B
公开(公告)日：2023-06-27
申请号：CN202310011438.9
申请日：2023-01-05
Applicant: 安徽大学
Abstract: 本发明公开一种面向大规模航拍图像的分布式多视图立体重建方法，先计算场景的稀疏点云模型和摄像机姿态，将稀疏点云模型划分为不同的区域，计算每个区域中所包含图像的深度图，为每个区域选择两幅最佳的深度图像作为初始融合视图，融合每个区域的深度图像、即可获得每个区域内的稠密点云模型，合并多个区域内的稠密点云、即可获得完整场景的稠密点云模型。本发明充分利用了大规模航拍图像之间的区域性，将大规模场景的多视图立体重建问题转化为可以在低性能计算机上求解的小规模多视图立体重建问题，既提高了三维重建的时间效率，又降低了三维重建的成本。
-
公开(公告)号：CN113284227A
公开(公告)日：2021-08-20
申请号：CN202110528870.6
申请日：2021-05-14
Applicant: 安徽大学
IPC: G06T17/00
Abstract: 本发明公开本发明的目的在于解决现有技术中存在的不足，先将大规模的航拍图像数据划分具有一定重叠度的子集，避免图像数据量过大导致单机版本的运动推断结构方法和系统出现内存溢出问题；其次，在分布式计算环境下不同节点上同时计算每个子集图像所对应的稀疏点云模型和摄像机参数，使得能够在有限的时间内计算出大规模场景的三维模型。本发明能够在在分布式环境下快速地计算出大规模航拍图像对应的稀疏点云模型和摄像机参数，使得基于航拍图像的高精度及快速的大规模室外场景三维重建变成可能。
-
Patent Agency Ranking
公开(公告)号：CN109086809A
公开(公告)日：2018-12-25
申请号：CN201810787550.0
申请日：2018-07-18
Applicant: 安徽安大笃北信息科技有限责任公司 , 安徽大学
Abstract: 本发明公开了一种基于改进的监督局部线性嵌入的早期阿尔茨海默病分类方法，包括以下步骤：(1)图像预处理：将采集的结构核磁共振图像进行图像校正、标准化、颅骨剥离和脑组织分割等过程；(2)相关特征的选取：根据脑区各功能的划分和统计分析技术提取出全脑感兴趣灰质体积和脑区平均皮层厚度，从数据集中获取CSF数据，将三组数据的组合作为原始特征；(3)高维空间特征的降维：将原始的高维特征作为改进的监督局部线性嵌入算法的输入，进行非线性降维，提取更具有鉴别信息的特征；(4)分类：将降维后的特征作为支持向量机分类器的输入，得到最终的分类精度。本发明相较于现有技术可以有效提高小样本数据的早期阿尔茨海默病分类结果。
-
公开(公告)号：CN108765548A
公开(公告)日：2018-11-06
申请号：CN201810380432.8
申请日：2018-04-25
Applicant: 安徽大学
CPC classification number: G06T17/00 , G06T7/30 , G06T7/50 , G06T2207/10012
Abstract: 本发明公开了一种基于深度相机的三维场景实时重建方法，包括以下步骤：原始深度数据和颜色数据的获取，深度数据去噪处理，深度图像坐标转换，相机姿态追踪，点云融合和记录颜色信息，点云模型隐含表面渲染，场景模型重建。本发明利用单个深度相机扫描场景，获得场景的深度数据流，在计算机上完成对数据的实时处理，并生成相应的三维模型，该方法可以提供低成本、易操作、高质量、具有实时性的三维重建系统，产生高质量、可视化强的三维模型。
-
公开(公告)号：CN104219267A
公开(公告)日：2014-12-17
申请号：CN201310218008.0
申请日：2013-06-04
Applicant: 安徽大学
Abstract: 本发明实施例公开了一种隐私保护的统计车辆数量的方法及装置，属于车联网技术领域。方法包括：将OBU的最大数量设为f；根据OBU的最大数量与f的比值计算与各个OBU的通信次数n，并根据每次通信结果得到第一非空白时隙前的空白时隙的数量，根据得到的n个第一非空白时隙前的空白时隙的数量计算车辆数量本发明通过OBU发送信息的第一非空白时隙前空白时隙的数量计算车辆数量，替代了通过对OBU身份认证的方式统计车辆数量，可以在计数的同时，实现对车辆身份隐私的保护；同时，将OBU的最大数量设为f，降低了OBU的最大数量与f的比值，减少了OBU与RSU之间通信的次数，缩短了车辆数量统计的时间。
-
公开(公告)号：CN1480897A
公开(公告)日：2004-03-10
申请号：CN02138255.7
申请日：2002-09-08
Applicant: 安徽大学
Abstract: 基于DSP的高速便携式扫描仪，由扫描头和控制电路构成，其特征是采用DSP数字信号处理器；存储单元由DSP提供的18根地址线和16根数据线，分别接至闪存器Am29F400B的18根地址线和16根数据线管脚上；扫描头信号单元，由缓冲器74HC244为扫描信号电平整形，整形输出的串行CCD图像信号送至DSP的多通道缓冲串口接收管脚BDR0，并由DSP将该串行信号转换成16位并行信号，经DMA接收，暂存片内RAM中，然后送至数据总线D0－D15上。本发明可脱离计算机独立快速完成扫描工作，其适应性强、成本低、质量高。
-
公开(公告)号：CN119399505A
公开(公告)日：2025-02-07
申请号：CN202411529792.1
申请日：2024-10-30
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/74 , G06V10/764 , G06V10/46 , G06V10/82 , G06N3/045 , G06N3/0895 , G06N3/096
Abstract: 本发明公开一种基于文本‑区域匹配的带有缺失标签场景下的多标签图像识别方法，使用预训练视觉‑语言模型作为特征提取器，对视觉特征和查询向量进行交叉注意力运算生成区域级显著性图；利用多层感知机生成查询级特征，通过区域级显著性图对视觉特征进行聚合运算生成区域级特征表示；然后进行知识蒸馏过程，将区域级特征表示的知识迁移到查询级特征表示上，还基于多模态对比学习方法，利用记忆块视觉原型和文本原型进行存储以及对比学习，使得相同特定类别特征彼此趋近，不同特定类别特征适当拉远，从而使原模型建立起更好的类内和类间关系，有效地提高了带有缺失标签场景下的多标签图像识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.028 seconds)
