-
公开(公告)号：CN119251341A
公开(公告)日：2025-01-03
申请号：CN202411436711.3
申请日：2024-10-15
Applicant: 安徽大学
Abstract: 本发明公开一种基于泊松流生成模型的CT图像质量评估方法，通过伪参考图像生成模块PPFM生成伪参考图像，以弥补参考图像的缺失并帮助随后的得分回归模型捕获详细的特征，分层特征融合回归模块将上层特征与下层特征逐层融合在一起，以便充分利用不同尺度的特征，同时，最后一层提取特征依次传递到ViT(Vision Transformer模块)中，将获得的全局特征与局部特征融合在一起，以预测最终的图像质量。
-
公开(公告)号：CN119228743A
公开(公告)日：2024-12-31
申请号：CN202411232082.2
申请日：2024-09-04
Applicant: 安徽大学
IPC: G06T7/00 , G06N3/0464 , G06V10/25 , G06N3/096 , G06N3/045 , G06V10/40 , G06V10/764 , G06N3/09 , G06N3/088 , G06N3/0475 , G06N3/094 , G06V10/74 , G06N3/048 , G06N3/084 , G06V10/774 , G06V10/766 , G06N20/00
Abstract: 本发明公开一种基于对比学习的X光图像域适应肺结节检测方法，使用源域图像训练模型，将模型复制得到教师模型和学生模型，然后源域图像经过强数据增强送入学生模型，目标域图像经过强数据增强和弱数据增强分别送入学生模型和教师模型。对于源域图像，通过标签计算监督损失，对于目标域图像，通过伪标签计算无监督损失。分层对比学习模块分别计算区域级和像素级对比损失，对抗学习模块通过来自于源域和目标域的区域级特征获得对抗性分类损失。最后合并损失函数进行模型优化，更新学生模型参数，通过指数滑动平均策略更新教师模型参数。本发明通过采用独特的分层对比学习策略，解决了低质量伪标签的问题，有效提高了X光图像域适应肺结节检测的精度。
-
公开(公告)号：CN119107416A
公开(公告)日：2024-12-10
申请号：CN202411320983.7
申请日：2024-09-23
Applicant: 安徽大学
Abstract: 本发明公开一种基于混合特征的稀疏视角X射线光图像三维重建方法，利用梯度值作为权重来引导采样射线，使采样射线尽可能分布在变化较明显的区域；使用三平面分解特征和哈希编码特征进行混合，将混合特征送入衰减场预测网络预测衰减值，使用衰减权重预测网络(W‑NAF)预测X射线路径上每个采样像素点的衰减权重，通过这两个网络得到采样像素点处的衰减值和衰减权重值；通过累积沿采样射线的衰减值来生成预测的投影像素值，然后通过最小化预测投影和真实的X射线图像之间的差异来优化网络。
-
公开(公告)号：CN118229872B
公开(公告)日：2024-11-01
申请号：CN202410242011.4
申请日：2024-03-04
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/082 , G06T7/55 , G06T7/80 , G06V10/44
Abstract: 本发明公开一种基于双重不确定性估计的多视图立体方法，根据输入的多视角图像和摄像机参数，计算多视角图像的多尺度特征；构造相邻阶段不确定性估计器，计算多阶段深度图和置信图；构造两两阶段不确定性估计器，计算不确定图；再次，根据不确定图和多阶段深度图，计算混合损失；融合深度图计算高质量的点云。本发明充分挖掘级联结构的深度神经网络模型在多视图立体重建中的潜力，通过在级联结构中嵌入相邻阶段不确定性估计器和两两阶段不确定性估计器，减少误差，提升生成深度图的准确性，最终生成高质量的点云模型。
-
公开(公告)号：CN118398154B
公开(公告)日：2024-09-10
申请号：CN202410804636.5
申请日：2024-06-21
Applicant: 安徽大学
Abstract: 本发明提供一种词语索引模型和医学报告的生成方法、系统、设备和介质。模型生成方法包括：获取医学影像集和对应的医学报告集，以及文本索引表和医学术语集；对医学报告集和医学术语集索引化处理，得到医学报告索引集和医学术语索引集；输入医学影像集至特征提取网络提取医学影像特征；将医学术语索引集和初始文本输入词嵌入网络获取文本特征和医学术语特征；将文本特征和医学术语特征、医学影像特征和医学术语特征输入融合网络得到对齐融合特征；输入对齐融合特征至预测网络得到预测文本序列集合；根据预测文本序列集合与索引化后的医学报告的差异度，更新模型参数，得到训练好的词语索引模型。提升了医学报告的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118411708A
公开(公告)日：2024-07-30
申请号：CN202410547825.9
申请日：2024-05-06
Applicant: 江淮前沿技术协同创新中心 , 安徽大学
IPC: G06V20/58 , G06V20/40 , G06V10/56 , G06V10/62 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于路况场景感知与动态特征融合的驾驶员视角下交通违规行为识别方法，包括：输入256×256的RGB帧、光流帧视频信息以及对应的标签文本，使用预训练CLIP模型进行特征提取；经过动态特征融合处理；将多帧视频图像的视频图像特征向量进行融合；构建路况场景图，得到路况语义特征，再结合标签语义特征进行融合，得到场景文本特征向量；计算最终的视频图像特征向量和场景文本特征向量之间的相似度，根据相似度排序，得出交通违规行为识别结果。本发明能够同时捕捉视频的静态视觉信息和动态运动信息，提高了特征表达的丰富性和准确性；利用动态特征融合策略，增强了特征向量的代表性和鲁棒性；实现了对驾驶员视角下交通违规行为的精确识别。
-
公开(公告)号：CN118351162A
公开(公告)日：2024-07-16
申请号：CN202410513144.0
申请日：2024-04-26
Applicant: 安徽大学
IPC: G06T7/557 , G06T7/73 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于拉普拉斯金字塔的自监督单目深度估计方法，输入连续图像序列，使用深度估计网络和位姿估计网络获取估计粗深度图和位姿转换信息，使用粗深度图和位姿转换信息重建原图，最后计算和最小化图像重建损失本发明可以计算出高精度的深度图，具有广泛的应用场景，包括三维重建、多视图立体、文化遗产的数字化保护、元宇宙、虚拟现实和增强现实等。
-
公开(公告)号：CN117152002A
公开(公告)日：2023-12-01
申请号：CN202311035537.7
申请日：2023-08-17
Applicant: 安徽大学
IPC: G06T5/00 , G06N3/09 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于特征差分增强的单幅图像反射去除方法，将被反射污染的图像输入VGG9网络提取超列特征；将超列特征与被反射污染的图像按通道连接形成网络的输入特征；将输入特征送入共享参数的共享编码器，进行四次下采样生成四种不同尺度和分辨率的特征图，每一次下采样均通过1/4实例归一化策略进行特征归一化；通过单编码器和双解码器得到透射增强特征和反射图R的反射增强特征；将透射增强特征、反射增强特征输入自适应信息交换模块进行自适应信息交换，随后依次进行上采样和卷积得到最终所得预测透射图和反射图。利用反射污染图像的透射层和反射层之间的特征差异和信息交换，充分考虑透射层和反射层之间的互补机制。
-
公开(公告)号：CN116993925A
公开(公告)日：2023-11-03
申请号：CN202311240044.7
申请日：2023-09-25
Applicant: 安徽大学
Abstract: 本发明公开一种面向大规模三维重建的分布式集束调整方法，先计算场景的稀疏点云模型和摄像机参数；针对稀疏点云模型和摄像机参数，建立对应的误差方程；根据摄像机的感知一致性，采用近似分割算法将大规模集束调整问题划分为分布式环境下可求解的小规模问题；采用道格拉斯‑拉赫福德分裂方方法求解每一个分布式节点上的优化问题；融合分布式节点上的点云模型和摄像机参数即可获得高质量的点云模型。本发明充分利用大规模图像数据之间的区域性，将大规模场景三维重建中的集束优化问题转化为可以在低性能计算机上求解的小规模集束优化问题，既提高三维重建的时间效率，又降低三维重建的成本。
-
公开(公告)号：CN116071504A
公开(公告)日：2023-05-05
申请号：CN202310205404.3
申请日：2023-03-06
Applicant: 安徽大学
Abstract: 本发明公开一种面向高分辨率图像的多视图立体重建方法，对参考图像和源图像使用动态特征提取网络计算特征图，将提取到的源视图特征映射到参照平面构建代价体；使用三维卷积神经网络对代价体进行正则化处理，获到概率体，通过偏置回归算法使得深度值更加接近真实值，进而提高深度图的精度。同时使用不确定性距离估计方法，优化深度值估计范围，计算出精确的深度采样范围，进而采用动态范围采样处理，重复上述操作，直到计算出半分辨率深度图，使用深度图优化网络对半分辨率的深度图进行优化，计算出全分辨率的深度图，对全分辨率的深度图进行融合，从而获得高质量的稠密点云模型。本发明能实现快速计算出大规模场景的高质量稠密点云的目标。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.027 seconds)
