-
公开(公告)号：CN1952653A
公开(公告)日：2007-04-25
申请号：CN200610032382.1
申请日：2006-10-01
Applicant: 中南大学
IPC: G01N27/327 , H05K1/00
Abstract: 本发明涉及一种一次性全血尿酸检测电极试条及制造方法，该试条包括绝缘基底(1)，参比电极(2)，工作电极(3)，试剂层(4)，进样腔(5)。参比电极(2)和工作电极(3)由为丝印在基底(1)上的碳层组成；试剂层(4)包含牛血清白蛋白，电子媒介体，粘结剂和pH缓冲剂；进样腔(5)由试剂层(4)、垫片(6)和亲水性膜(7)围成。该试条能有效去除血液中的其他成份的干扰，可以快速准确地测定全血中尿酸浓度；具有自吸进样功能，使用方便；而且制作方法简单，特别适于大批量生产。
-
公开(公告)号：CN114527753B
公开(公告)日：2024-09-06
申请号：CN202210098967.2
申请日：2022-01-25
Applicant: 中南大学
Abstract: 本发明公开了一种人机共融的楼宇间路径规划方法、计算机装置及程序产品，通过机载激光雷达采集到的环境信息构建三维栅格地图，并基于行人与机器人运动特征的差异进行二维投影，分别生成面向行人和面向机器人的二维栅格地图，并依据面向机器人的二维栅格地图采用AMCL算法得到机器人的全局定位信息；行人预测模块通过对面向行人的二维栅格地图采用A*算法生成一条带有时间信息的、可跨越低矮障碍物等特殊环境的全局路径，并将该全局路径输入至路径规划模块；路径规划模块分为全局规划与局部规划，其中全局规划根据得到的机器人位置信息、目标位置信息以及行人路径信息生成一条基于行人预测与时空一致性约束的全局路径。本发明实现了全智能导航。
-
公开(公告)号：CN114842025B
公开(公告)日：2024-04-05
申请号：CN202210389599.7
申请日：2022-04-14
Applicant: 中南大学
IPC: G06T7/11 , G06T7/73 , G06V10/774 , G06T7/00 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于多分支网络的CT图像肝脏肿瘤区域自动分割方法，包括：(1)建立包含原始CT图像及其肝脏肿瘤手动分割结果和方向信息的训练数据集A；(2)构建一种融合自注意力机制和方向信息的深度卷积多分支网络模型；(3)构建网络损失函数；(4)采用训练数据集A对网络进行训练；(5)运用训练好的网络模型对测试图像进行分割，得到最终的肝脏肿瘤分割结果。本发明是一种全自动的肝脏肿瘤分割方法，通过在卷积网络中引入自注意力模块和基于方向信息的方向修正模块，解决了卷积网络在肝脏肿瘤分割中难以建立远距离目标依赖关系，以及肿瘤边界识别不准确的问题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN116912622A
公开(公告)日：2023-10-20
申请号：CN202310877553.4
申请日：2023-07-18
Applicant: 中南大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09 , G06T5/00
Abstract: 本发明公开了一种面向低分辨率图像的目标检测方法，其实施方案为：1)获取高分辨率图像目标检测训练数据集；2)创建低分辨率图像目标检测训练数据集；3)构建低分辨率图像目标检测模型；4)构建损失函数；5)训练模型；6)低分辨率图像目标检测。本发明构建的低分辨率图像目标检测模型，通过设计一个任务分解增强网络来逐步增强低分辨率图像的质量，在此基础上，设计一个辅助特征增强头模块来利用高分辨率图像先验信息监督网络训练，增强检测特征的表达能力，改善模型的目标检测性能。
-
公开(公告)号：CN115100039A
公开(公告)日：2022-09-23
申请号：CN202210736896.4
申请日：2022-06-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度学习的轻量级图像超分辨率重建方法，其实施方案为：1)获取训练数据集；2)扩充训练数据集；3)构建多尺度特征挑选网络；4)构建损失函数；5)训练模型；6)图像超分辨率重建。本发明构建的多尺度特征挑选网络，通过构建多尺度特征挑选模块来提取丰富的多尺度特征，增强网络的表达能力，提升图像超分辨率重建性能。为了提高网络的自适应能力，在多尺度特征挑选模块中，设计多尺度特征融合模块用于融合不同尺度的特征并动态调整感受野范围。相比其他基于深度学习的轻量级图像超分辨率重建方法，本发明能以相对较少的参数获得较为准确的图像超分辨率重建结果，易于部署在现实场景的移动设备中。
-
Patent Agency Ranking
公开(公告)号：CN114937154A
公开(公告)日：2022-08-23
申请号：CN202210620648.3
申请日：2022-06-02
Applicant: 中南大学
Abstract: 本发明公开了一种基于递归解码器的显著性检测方法，主要解决现有技术显著性检测结果准确率低，显著性主体判断错误与边缘模糊的问题。其实施方案为：1)获取数据集与检测标签；2)构建检测模型；3)构建损失函数；4)训练检测模型；5)推理并获得检测结果。本发明构建的显著性检测模型，通过多次全尺度特征融合与边缘强化，实现了多尺度特征的充分利用与解码结果的细节补充，有效提升了显著性检测结果的准确率，避免了检测结果中显著性主体判断错误的发生，解决了解码结果存在边缘模糊的问题。
-
公开(公告)号：CN114919581A
公开(公告)日：2022-08-19
申请号：CN202210509160.3
申请日：2022-05-11
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本发明公开了一种智能车辆无序交叉路口的行为决策方法、计算机装置，根据马尔可夫决策过程，并结合现实世界中车辆在无序交叉路口中的行驶交通规则，设计动作空间A和奖励函数R；智能车辆从仿真环境中实时获取激光雷达传感器信息和无序交叉路口的鸟瞰图信息，构建状态空间S；构建包含多层感知机，卷积神经网络和竞争神经网络的竞争双重Q网络，将处理的激光雷达传感器信息和经由空间注意力提取特征的无序交叉路口的鸟瞰图信息编码融合后，解码输入竞争神经网络计算Q值进行决策。模型评估阶段中，智能车辆以Q值最大为原则进行决策，顺利通过无序交叉路口。本发明可有效提高智能车辆在无序交叉路口中的自主决策能力。
-
公开(公告)号：CN114842025A
公开(公告)日：2022-08-02
申请号：CN202210389599.7
申请日：2022-04-14
Applicant: 中南大学
IPC: G06T7/11 , G06T7/73 , G06V10/774 , G06T7/00 , G06N3/04
Abstract: 本发明公开了一种基于多分支网络的CT图像肝脏肿瘤区域自动分割方法，包括：(1)建立包含原始CT图像及其肝脏肿瘤手动分割结果和方向信息的训练数据集A；(2)构建一种融合自注意力机制和方向信息的深度卷积多分支网络模型；(3)构建网络损失函数；(4)采用训练数据集A对网络进行训练；(5)运用训练好的网络模型对测试图像进行分割，得到最终的肝脏肿瘤分割结果。本发明是一种全自动的肝脏肿瘤分割方法，通过在卷积网络中引入自注意力模块和基于方向信息的方向修正模块，解决了卷积网络在肝脏肿瘤分割中难以建立远距离目标依赖关系，以及肿瘤边界识别不准确的问题，有效提升了肝脏肿瘤的分割精度。
-
公开(公告)号：CN114782949A
公开(公告)日：2022-07-22
申请号：CN202210464104.2
申请日：2022-04-29
Applicant: 中南大学
Abstract: 本发明公开了一种边界引导上下文聚合的交通场景语义分割方法，其实施方案为：1)获取数据集与分割标签；2)数据处理；3)构建分割模型；4)构建损失函数；5)训练分割模型；6)交通场景图像分割。本发明构建的具有边界细化模块的交通场景分割模型，在去除低层次的轮廓纹理信息的同时保留了高级的语义边界信息，能够有效检测对象的边界，并沿着目标边界聚合上下文信息，增强同类像素的一致性，从而有效利用边界信息对交通场景图像进行语义分割。本发明方法能够捕获边界区域像素与对象内部像素之间的依赖关系，有效提高分割准确性和鲁棒性。
-
公开(公告)号：CN114359873A
公开(公告)日：2022-04-15
申请号：CN202210012751.X
申请日：2022-01-06
Applicant: 中南大学
IPC: G06V20/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合道路空间先验和区域级特征的弱监督车辆可行域分割方法，能够在自动驾驶复杂场景中解决类别标签与目标区域空间信息错误关联的问题，其具体实施方案为：1)获取数据集与对应标签；2)训练集数据处理；3)构建道路分类模型；4)训练道路分类模型；5)获取道路全局空间权重；6)提取超像素区域级特征；7)融合空间先验和区域级特征的自适应加权聚类；8)车辆可行域图像分割。本发明可通过道路全局空间权重生成方法优化可行域类别标签关联到的目标区域空间信息，提供精准的空间先验，并结合可行域局部相似性提取超像素区域级特征以获取可行域判别表征，从而有效提升弱监督车辆可行域分割的准确性和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.054 seconds)
