-
公开(公告)号：CN101639937A
公开(公告)日：2010-02-03
申请号：CN200910195043.9
申请日：2009-09-03
Applicant: 复旦大学
Abstract: 本发明属于统计模式识别与图像处理技术领域，具体为是一种基于人工神经网络的超分辨率方法。本发明利用人工神经网络，表达出低分辨率图像和高分辨率图像之间的函数映射关系，具体步骤包括创建训练集，建立BP神经网络进行训练，把训练得到的高分辨率图像按对应关系“粘贴”起来，既得超分辨率图像。本发明克服了以往以流形学习为基础的超分辨率算法耗时的缺点，得到了较好的效果。
-
公开(公告)号：CN115778332A
公开(公告)日：2023-03-14
申请号：CN202211401236.7
申请日：2022-11-09
Applicant: 复旦大学
Abstract: 本发明属于医疗器械技术领域，具体涉及一种脉诊灵巧手、脉诊系统及其采集方法。本发明的脉诊灵巧手设置三组手指组件，分别对应的人体手腕的寸、关、尺位置，且每一组手指组件上均设置有至少一个静态压力传感模块和多个动态压力传感模块，使得脉诊灵巧手对人体手腕能够多点采集，保证采集数据的准确性。同时与人体手腕接触的面为弧形面，符合手腕的自然状态，进一步的保证采集数据的准确性。脉搏波的采集方法确定关部位置后对手腕进行预采集，可多次确定关部位置的准确性，同时设置有对灵巧手的位置进行微调的步骤保证关部位置与对应的动态压力传感装置能够精准定位，避免了现有技术中需要依靠单个医护人员确定关部位置的不准确、不可靠性。
-
公开(公告)号：CN108376387B
公开(公告)日：2021-09-17
申请号：CN201810008937.1
申请日：2018-01-04
Applicant: 复旦大学
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于聚合膨胀卷积网络的图像去模糊方法。本发明包括构建深度神经网络：基于条件对抗生成网络，包含生成器与鉴别器，生成器结构使用堆叠的自编码器模块，自编码器模块使用自编码器结构与跳跃连接，在构建模块上使用残差模块，残差模块使用残差网络以及多路聚合膨胀卷积，鉴别器使用5层卷积神经网络；训练深度神经网络：使用公开的、真实场景下的模糊图像数据集，利用图像内容损失函数与对抗损失函数，训练前一步中构建的深度神经网络；利用训练好的网络模型对模糊图像进行去模糊处理。本发明方法能够保证去模糊效果，并快速高效地将模糊图像恢复成清晰图像，可极大地提高图像去模糊的效率。
-
公开(公告)号：CN107230219B
公开(公告)日：2021-06-04
申请号：CN201710309607.1
申请日：2017-05-04
Applicant: 复旦大学
IPC: G06T7/246
Abstract: 本发明属于计算机图像处理技术领域，具体为一种单目机器人上的目标人发现与跟随方法。本发明步骤包括：机器人同时定位和建图，运动帧与运动区域检测，在运动帧的运动区域进行视觉目标检测，视觉目标人追踪，视觉目标人跟随。本发明利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。本发明基于对象视觉特征，结合机器人同时定位和见图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。本发明能够在多样的图像和复杂的背景下，在室内场景对目标人进行有效的发现、追踪与跟随。
-
公开(公告)号：CN106650717B
公开(公告)日：2020-07-28
申请号：CN201611171659.9
申请日：2016-12-17
Applicant: 复旦大学
Abstract: 本发明属于机器视觉图像处理技术领域，具体为一种带厚度干扰的圆形物体的精确定位方法。本发明采用基于边缘点密度去除厚度噪点的方法，以消除厚度噪点对圆形物体的干扰，同时利用噪点中心位置关系解决旋转镜像问题，计算出物体旋转的方向；针对于物体中间带有突出的圆柱的情况，利用中心偏移算法计算物体旋转角的大小。具体步骤包括：基于边缘点密度提取去除厚度产生的噪点后的边缘轮廓；基于厚度噪点中心的旋转镜像处理；基于中心点偏移的目标精确定位。本发明尤其适用于在工业场景下，快速实现带厚度干扰的圆形物体的精确检测和定位。该方法有较高的定位精度、高效的处理速率以及较好的抗噪能力。
-
Patent Agency Ranking
公开(公告)号：CN106649561B
公开(公告)日：2020-05-26
申请号：CN201610990193.9
申请日：2016-11-10
Applicant: 复旦大学
IPC: G06F16/9032 , G06Q40/00
Abstract: 本发明属于人工智能技术领域，具体为一种面向税务咨询业务的智能问答系统。该系统包括：一台安装Android操作系统终端设备，一台计算机；所述终端安装有应用软件程序，该应用软件包括语音转化模块、问题返回模块；所述计算机上安装有服务软件系统，该服务软件系统包括问题理解模块、问题检索模块；系统工作时语音转化模块将用户输出的语音数据转化为文本数据，通过问题理解模块进行语义理解，使用问题检索模块检索答案并通过问题返回模块将处理结果传输给终端用户；本发明综合使用语音识别、文本分类、相似度计算等技术，形成在专业领域不完备数据集上进行文本相似匹配的方法，可对纳税人提出问题进行深层次的语义分析，同时应对海量的用户，提供不间断的准确咨询服务，以满足税务咨询的实际需要。
-
公开(公告)号：CN109583331A
公开(公告)日：2019-04-05
申请号：CN201811356765.3
申请日：2018-11-15
Applicant: 复旦大学
CPC classification number: G06K9/00375 , G06K9/6256
Abstract: 本发明属于计算机图像处理技术领域，具体为基于深度学习的人手腕脉口位置精准定位方法。本发明的基本步骤为：对多人进行手部图片采样，并对样本图片进行处理，得到手部二值图和脉口坐标，作为深度学习模型的训练数据；接着对训练集进行监督式学习，得到泛化的深度学习模型；然后，根据拍摄到的手部图片，分别进行白平衡、转换到HSV色彩空间、Mean Shift颜色聚类、根据皮肤颜色提取二值图、对二值图进一步处理，得到手的轮廓；将处理好的二值图作为输入，放进预先训练好深度学习模型里，即得到手腕脉口点在图片上的坐标。本发明方法能以较高的精度找到人手腕的脉口位置，为机器人进行中医脉诊提供实时的视觉定位。
-
公开(公告)号：CN108171701A
公开(公告)日：2018-06-15
申请号：CN201810036637.4
申请日：2018-01-15
Applicant: 复旦大学
CPC classification number: G06T7/0002 , G06N3/02
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于U网络和对抗学习的显著性检测方法。本发明步骤为：构建深度神经网络：神经网络整体设计基于对抗生成网络，包含生成器与鉴别器，生成器在结构上使用了自编码器结构与跳跃连接，主要由编码器和译码器组成，编码器是由编码模块组成，编码模块使用了堆叠的残差模块，译码器主要由解码器组成，也使用了堆叠的残差模块；训练深度神经网络：使用公开的、真实场景下的显著性图像数据集，利用多尺度的图像内容损失函数与对抗损失函数，训练前一步中构建的深度神经网络；利用训练好的网络模型，对自然图像进行检测，再将得到的结果进行后处理，得到最终的结果。本发明方法能够提高显著性检测的准确性。
-
公开(公告)号：CN107230219A
公开(公告)日：2017-10-03
申请号：CN201710309607.1
申请日：2017-05-04
Applicant: 复旦大学
IPC: G06T7/246
CPC classification number: G06T7/251 , G06T2207/20081 , G06T2207/20084 , G06T2207/30196
Abstract: 本发明属于计算机图像处理技术领域，具体为一种单目机器人上的目标人发现与跟随方法。本发明步骤包括：机器人同时定位和建图，运动帧与运动区域检测，在运动帧的运动区域进行视觉目标检测，视觉目标人追踪，视觉目标人跟随。本发明利用机器人移动过程中的场景变化检测来分析需要进行目标检测的区域，利用深度网络进行室内人的检测，利用视觉追踪算法对目标进行追踪，并控制机器人进行主动跟随。本发明基于对象视觉特征，结合机器人同时定位和见图过程对场景的估计，能够对室内目标人进行有效的发现和跟随。本发明能够在多样的图像和复杂的背景下，在室内场景对目标人进行有效的发现、追踪与跟随。
-
公开(公告)号：CN105938556A
公开(公告)日：2016-09-14
申请号：CN201610255819.1
申请日：2016-04-22
Applicant: 复旦大学
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于水流法的宽线检测算法。其步骤为：构建地貌海拔图：将输入的彩色图像转化为灰度图像，采用导向滤波对灰度图像进行边缘保留的平滑处理，以图像灰度信息作为海拔数据构建地貌海拔图；水流法获取宽线响应图：计算平滑后图像的粗糙度图像，通过Otsu选取粗糙度较大的像素点作为候选水分子，在地貌海拔图上利用水流法得到宽线响应图，水流法坡阈值和几何阈值参数自适应选取；宽线提取：计算输入图像的暗度信息或明度信息来消除错误的线响应，通过一些形态学操作进行平滑处理，获得最终宽线检测结果。本发明方法能够检测出线的厚度，能自适应地检测出纹理形状、厚度各异的宽线，可极大的提高宽线检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.027 seconds)
