-
公开(公告)号：CN112941156A
公开(公告)日：2021-06-11
申请号：CN202110083574.X
申请日：2021-01-21
Applicant: 大连理工大学
IPC: C12Q1/6851 , C12Q1/6806
Abstract: 本发明公开了一种利用纸芯片对基因组损伤位点数进行绝对定量的检测方法与应用，属于分析检测领域。利用末端脱氧核苷酸转移酶TdT催化核酸标记荧光染料FITC‑dUTP聚合到DNA链3’‑OH的末端，并利用纤维素纸有限尺寸的孔道结构对聚合反应的程度进行有效控制，实现了TdT对DNA链3’‑OH末端的有限聚合。与溶液中聚合反应的均一性较差相比，纤维素纸孔道中的聚合反应更加均一，且聚合FITC‑dUTP的数量随孔径的减小而减小，聚合度不随DNA序列而改变，方法具有普适性。损伤的基因组可经DNA修复酶作用转化为3’‑OH断裂类型的损伤，在纤维素纸中对该末端进行荧光标记可实现绝对定量检测，同时利用该方法也可实现对细胞修复能力的评估。
-
公开(公告)号：CN112347908A
公开(公告)日：2021-02-09
申请号：CN202011219934.6
申请日：2020-11-04
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉图像分类领域，涉及一种基于空间分组注意力模型的外科手术器械图像识别方法。本方法先针对常见的外科手术采集对应的手术器械图像构建原始数据集，并进行图像增强操作；然后将得到的图像送入神经网络，通过神经网络中嵌入的轻量级空间分组注意力模块来挖掘手术器械图像在特征空间和通道的关联性，对某些特定区域的特征进行增强或抑制，从而达到更好的分类效果，实现对该手术所使用的手术器械的精准分类。
-
公开(公告)号：CN112050989A
公开(公告)日：2020-12-08
申请号：CN202011014837.3
申请日：2020-09-24
Applicant: 大连理工大学
IPC: G01L5/1627 , G01L1/22
Abstract: 本发明属于触觉传感器技术领域，提供了一种面向仿人抓取的柔性三维触觉传感器，分为五层，第一层为柔性非导电材料层，第二层为电极层，第三层为力敏材料层，第四层为电极层，第五层为柔性非导电材料层，整体为对称结构。传统的单测点触觉传感器只能在一维对力的大小进行测量，本装置采用分布式、多传感单元设计方案，不仅可以测量二维平面上各点的触觉力信息，而且可以反馈受力的位置信息。根据机械手仿人抓取的特点，设计了4行7列三维传感阵列，不仅可用于机械夹持器正面抓取受力测量，而且可用于机械手仿人抓取时，测量不同姿态下指端的正面和侧面受力情况。
-
公开(公告)号：CN107507134B
公开(公告)日：2020-09-11
申请号：CN201710859461.8
申请日：2017-09-21
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于卷积神经网络的超分辨率方法，旨在利用深度卷积神经网络探索一种实现速度快、修复品质高的单幅图像超分辨率方法。提供更加适合于单幅图像的超分辨率重建算法融合的方法，解决时间损耗多、算法实现所需要的硬件需求高等问题，同时针对不同超分辨率算法的特点，对现有的超分辨率算法进行分析以及选择，使得所选择的超分辨率算法进行融合之后能够实现优势互补，突破现有超分辨率算法实现的劣势。
-
公开(公告)号：CN111161286A
公开(公告)日：2020-05-15
申请号：CN202010000472.2
申请日：2020-01-02
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种交互式自然图像抠图方法，实现一种用户友好地简单交互式图像抠图框架，分为超像素划分、信息区域选取、用户划线、马尔科夫传播和CNN传播5个阶段。整体框架通过简单的用户交互实现准确、高效的图像蒙版生成，一些图像细节都可以准确地预测。马尔科夫链与深度学习的结合在有限邻域和全图上进行有效的标签传播与扩散，实现有限用户交互的最大化标注。本发明得到更为精准的抠图蒙版，同时又比依赖于三分图的抠图算法节省大量的运算时间，实现了图像抠图准确度与代价之间的有效平衡。
-
Patent Agency Ranking
公开(公告)号：CN108520155B
公开(公告)日：2020-04-28
申请号：CN201810337442.3
申请日：2018-04-11
Applicant: 大连理工大学
Abstract: 本发明属于神经网络算法与交通模拟技术领域，基于神经网络的车辆行为模拟方法。首先，提取每辆车个性化的真实交通轨迹，规格化处理把原始数据转化为神经网络可以识别的数据集；然后用神经网络从交通轨迹中为每辆车提供一个能够体现其驾驶特性的行为模型，和传统人为定义的数学交通模型不同，本文致力于用数据驱动的方法去描述车辆所面对的交通状态和车辆行为之间的关系。在本文模型中，车辆的行为主要受前车和后车的影响，这是一个回归问题。模型的输入是车辆所面对的交通状态，输出是车辆采取的行为。本发明与同类相比具有显著的特点，具体详细说明如下：(1)算法的自适应性强；(2)算法可处理多种输入输出映射。
-
公开(公告)号：CN110942512A
公开(公告)日：2020-03-31
申请号：CN201911179135.8
申请日：2019-11-27
Applicant: 大连理工大学
Abstract: 本发明属于计算机视觉技术领域，提供了一种基于元学习的室内场景重建方法。本方法利用元学习的meta-critic多任务联合学习的思想，从多个相关联的源任务中学习二维到三维的内在知识，作为目标任务的先验知识，以此为监督，训练目标任务的网络模型，达到更快更好地学习到从视频中重建出三维点云模型的方式方法；本方法的技术框架主要由两部分构成，分别为(1)源任务的多任务联合训练模型和(2)由预训练meta-critic模型为监督的目标任务模型。本发明使用的Meta-Critic思想也使源任务的训练中规避了不同任务需要使用不同的损失函数的劣势，该网络可以在学习模拟损失函数的同时共享不同任务之间的知识信息。
-
公开(公告)号：CN110458844A
公开(公告)日：2019-11-15
申请号：CN201910659062.6
申请日：2019-07-22
Applicant: 大连理工大学
Abstract: 一种低光照场景的语义分割方法，属于计算机视觉技术领域。本发明将正常图像的语义分割问题当做源域问题，低光照图像的语义分割问题当做目标域问题，利用迁移学习中的特征迁移的方法，充分发挥正常场景图像的信息充足的优势，将正常场景中的有用信息提取出来，并将这些有用信息与低光照图像的特征信息进行转换的结合，获取更多的有助于语义分割的图像信息，从而训练深度神经网络。基于这一思想，在生成对抗网络的基础之上，利用迁移学习的方法，设计并实现了用于低光照场景直接语义分割的网络模型。利用这一模型，能够有效解决低光照图片的语义分割任务。
-
公开(公告)号：CN110310221A
公开(公告)日：2019-10-08
申请号：CN201910515527.0
申请日：2019-06-14
Applicant: 大连理工大学
Abstract: 本发明提供一种基于生成对抗网络的多域图像风格迁移方法，属于计算机视觉领域，用来实现图像到多种不同艺术风格的转换。本发明设计了一个专家风格网络，通过一组双向重构损失，来抽取不同目标域的输入图像中包含各自域独特信息的风格特征编码。同时设计了一个迁移网络，结合自适应实例标准化，将抽取到的风格特征编码与内容编码器提取到的跨域共享的语义内容重新组合，生成新的图像，从而实现图像从源域到多个目标域的风格迁移。实验表明模型能够有效地将任意照片的内容与众多艺术品的风格相结合，产生新的图像。
-
公开(公告)号：CN107657106A
公开(公告)日：2018-02-02
申请号：CN201710859604.5
申请日：2017-09-21
Applicant: 大连理工大学
Abstract: 本发明属于计算机图形学技术领域，基于遗传算法的交通流模拟方法，来克服传统交通流模拟方法的局限性，交通流模拟系统分为线下学习和线上模拟两部分。根据每个车真实的交通数据，用基于遗传算法的方法找到它们真实的驾驶特点；将这些带有个性化参数的车辆作为本文的样例车辆，本文可以在任意的空间和时间尺度上模拟出交通场景。总的来说，交通重建是样例视频的场景重建，往更深的层次讲，本发明基于样例的交通模拟可以看做在空间和时间上的场景延伸。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.033 seconds)
