-
公开(公告)号：CN108985331A
公开(公告)日：2018-12-11
申请号：CN201810610806.0
申请日：2018-06-14
Applicant: 浙江工业大学
Abstract: 一种基于对抗生成网络的目标计数方法，模型训练过程的步骤如下：步骤1.1：图片预处理，随机提取原图中若干图像块并缩放为相同大小；步骤1.2：设计鉴别模型，采用卷积神经网络计算图片置信度；步骤1.3：生成模型的设计，同样采用卷积神经网络生成所需密度图；步骤1.4：对抗生成网络的训练，设置两个损失函数L_D和L_G，采用Adam方法分别优化鉴别模型和生成模型；模型使用过程的步骤如下：步骤2.1：密度图的生成，根据训练模型使用生成模型生成密度图 步骤2.2：目标计数，根据公式(5)计算目标数量Num。本发明网络架构采用生成模型与鉴别模型以博弈的方式相互优化，从而获得精度较高的密度图。
-
公开(公告)号：CN104766304B
公开(公告)日：2017-12-05
申请号：CN201510088135.2
申请日：2015-02-26
Applicant: 浙江工业大学
IPC: G06T7/33
Abstract: 一种基于多序列医学图像的血管配准方法，包括以下步骤：1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；2)对所述多序列医学血管图像进行去噪处理；3)血管边缘的shape context描述；4)边缘点匹配；5)滤除误匹配；6)边缘校正与插值：根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小，根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。本发明提供一种精度较高的基于多序列医学图像的血管配准方法。
-
公开(公告)号：CN104680529B
公开(公告)日：2017-06-20
申请号：CN201510088158.3
申请日：2015-02-26
Applicant: 浙江工业大学
Abstract: 一种基于形状先验和相似性约束的颈动脉内外壁自动分割方法，所述分割方法包括如下步骤：1)通过SVM方法检测颈动脉内腔，得到内腔所在位置；2)使用各向异性的分割方法分割内壁；3)在分割内壁的基础上，结合外壁的特征学习回归模型，估算外壁大致位置，并构造概率模型；4)使用相似性约束算法分割外壁。本发明提供了一种自动方式、有效实现内外壁分割、精确度较高的基于形状先验和相似性约束的颈动脉内外壁自动分割方法。
-
公开(公告)号：CN106204430A
公开(公告)日：2016-12-07
申请号：CN201610595699.X
申请日：2016-07-25
Applicant: 浙江工业大学
CPC classification number: G06T3/0093 , G06T3/4007
Abstract: 一种基于人脸简单模型的特征点插值与图像变形方法，包括如下步骤：1)建立脸部模型之前，要先假设一个脸部横向形状曲线f(x)；2)在x轴在[-1,1]上的线段上找R个平均点，并在曲线上找到相应的坐标点，依次生成第i个模型pmi，对于每一个点，依次计算当该点为拍摄正面时左右脸宽度的比值si和其余每一个点j到该点在该方向上的距离lij；3)在使用时，先找到与当前角度最接近的模型pmk，选择好模型之后，输入要插值的点的位置，确定插值点的位置。本发明提供了一种人脸变形的真实感良好、计算效率较高的基于人脸简单模型的特征点插值与图像变形方法。
-
公开(公告)号：CN101639895A
公开(公告)日：2010-02-03
申请号：CN200910101609.7
申请日：2009-08-14
Applicant: 浙江工业大学
Abstract: 一种基于Similarity-Pictorial结构模型的计算机视觉图像特征提取和匹配方法，包括以下步骤：1)将待提取的计算机视觉图像建立PS模型，PS模型的代价函数包appearance代价函数和结构代价函数；2)在待提取的计算机视觉图像中，用顶点的绝对坐标l i 来表示顶点，并随机的选择其中的一个点作为原点，其他所有点和原点之间的相对关系是确定的；一旦m和D确定下来，PS模型中的结构代价函数t ij (v i ，v j )也就随之确定；3)将基于自相似描述子的模板匹配算法引入PS模型，4)找出代价函数L * 的最小值，即确定计算机视觉图像的匹配点。本发明能够适应不同的光照变化、具有良好的提取效果。
-
Patent Agency Ranking
公开(公告)号：CN101256627A
公开(公告)日：2008-09-03
申请号：CN200810059520.4
申请日：2008-01-25
Applicant: 浙江工业大学
Abstract: 一种基于不变矩的图形畸变分析方法，包括：1)选择合适的矩不变量：在动态形体模型中，使用点分布模型表示图像中的对象轮廓；2)模型畸变的主动检测方法：2.1)对动态形体模型中的PDM，其中，每一个标注点都有相应的权重，根据权重将一个PDM分解为子图形；2.2)计算训练集中每个子图形和模型在设定范围内进行变形后每一个子图形的边界矩不变量；然后计算这些边界矩不变量的聚类中心值；2.3)进行模型的畸变检测的步骤为：①将变形后的模型按照预先定义的分块策略进行分块；②计算每个子图形的边界矩不变量；③根据式(2)(3)(4)计算每个子图形的畸变概率；3)模型畸变的主动修正方法。本发明在搜索过程中，能有效检测并修正畸变，可靠性好。
-
公开(公告)号：CN116342645A
公开(公告)日：2023-06-27
申请号：CN202310128609.6
申请日：2023-02-16
Applicant: 浙江工业大学
IPC: G06T7/246 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/75 , G06V10/77 , G06V10/74 , G06N3/08
Abstract: 本发明公开了一种针对游泳馆场景下的多目标跟踪方法，构建的目标检测网络模型，所述目标检测网络模型包括基础目标检测模块和匹配模块，采用训练好的目标检测网络模型对游泳馆内摄像头采集的视频图像序列进行目标检测和匹配，获得配对的人头框与人体框，作为目标检测结果；然后对目标检测网络模型的目标检测结果，采用多目标跟踪算法对已配对的人头框与人体框对象进行多目标跟踪，获得目标轨迹。本发明模型框架简单，能够有效地对分类并跟踪游泳馆内岸上的人员以及游泳人员，实时对游泳人员进行检测跟踪，获取位置信息、行为信息。
-
公开(公告)号：CN109522832B
公开(公告)日：2021-10-26
申请号：CN201811311219.8
申请日：2018-11-06
Applicant: 浙江工业大学
Abstract: 一种基于点云片段匹配约束和轨迹漂移优化的回环检测方法，采用实时激光雷达里程计与建图LOAM系统，但是LOAM系统在长时间建图之后会产生较大漂移，所以提出一种点云片段匹配约束和轨迹漂移优化的回环检测方法。通过对激光雷达获取的点云进行分割、描述、匹配，从而找到回环关系，发现回环之后利用显式循环闭合ELCH算法进行回环调整，并且提出优化算法来消除点云地图调整过程出现的局部不一致。本发明在优化之后提出位姿预测与补偿算法对回环之后的位姿进行预测和补偿。从而能达到最大化减少漂移误差的效果。
-
公开(公告)号：CN110276285B
公开(公告)日：2021-04-06
申请号：CN201910510520.X
申请日：2019-06-13
Applicant: 浙江工业大学
Abstract: 一种非受控场景视频中的船舶水尺智能识别方法，先取视频中的一帧，使用一个深度神经网络模型检测单帧的水尺刻度位置，用数字图像处理技术处理得到各字符刻度的上下边缘。根据水尺刻度位置信息，截取近水端图像，并用深度神经网络模型对图像进行分割得到语义分割图像。再用语义分割图像来提取参考水位线，再通过前面得到的字符位置信息和水位线信息计算单帧吃水值。对视频的每一帧用相同方式处理得到吃水值序列，根据得到的吃水值序列计算最终的吃水值。本发明用一个深度神经网络模型精确的检测各刻度位置以及语义分割图像，根据语义分割图像提取水和船舶的分界线，从而计算参考水位线。根据精确的刻度信息和水位线信息，能够准确的计算出吃水值。
-
公开(公告)号：CN109544632A
公开(公告)日：2019-03-29
申请号：CN201811306327.6
申请日：2018-11-05
Applicant: 浙江工业大学
Abstract: 一种基于层次主题模型的语义SLAM对象关联的方法，利用深度学习模型检测关键帧中的物体并预测其位姿，在处理每一帧对象时，根据视角重叠的原则利用吉布斯采样方法采样具有潜在关联对象的真实环境对象集合，为当前帧的每一个物体根据物体关联方法进行计算，根据最大后验概率判断是否关联。对物体、相机和地图点构建因子图，它们之间的观测作为边，优化物体位姿、相机位姿和地图点位置。最后构建一个完整的包含物体信息和相机轨迹的语义地图。本发明能够高精度地实现物体关联，避免了冗余的物体关联；能够促进语义SLAM的相机位姿估计，而优化后的物体位姿能够使得物体关联更准确，从而构建更精确的语义地图。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.023 seconds)
