-
公开(公告)号:CN108038835A
公开(公告)日:2018-05-15
申请号:CN201711204537.X
申请日:2017-11-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种显著性驱动的图像重要区域马赛克自动生成方法。通常的马赛克生成方法是关于整个输入图像的马赛克图,但很多情况只需保护图像的显著性区域。本发明首先将待处理的输入图像分割成超像素图;接着,计算输入图像的显著图;然后将显著图转变为二值图,并进行膨胀处理;最后对显著性区域赋予超像素图的值,并对非显著性区域赋予输入图像的值,即可得到显著性区域的马赛克图像。本发明能够有效并自动地对图像中的显著性区域进行马赛克,马赛克结果很好覆盖了图像的重要区域,也达到了保护作用和艺术效果。
-
公开(公告)号:CN119904467A
公开(公告)日:2025-04-29
申请号:CN202411959379.9
申请日:2024-12-30
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06T7/136 , G06T7/00 , G06V10/764 , G06V10/40
Abstract: 本发明公开了一种基于MedSAM的弱监督医学图像分割方法,意在解决传统医学图像分割依赖大量标注数据、训练耗时费力的问题,提高在标注成本受限条件下的分割性能。它利用深度学习模型特征提取能力,经骨干网络生成类别激活图初步定位目标区域。提出了CSD双向常识防御模块与AMS类激活图叠加模块,前者结合全局信息提升模型鲁棒性,后者确定目标最大范围保障分割效果。结合动态阈值分割策略及MedSAM模型增强热力图,整合语义特征避免依赖原型学习,实现弱监督高精度分割。实验显示其在多数据集性能优于现有方法,应用前景广泛,可用于多种医学影像任务及其他标注成本高需高效分割的领域。
-
公开(公告)号:CN119418942A
公开(公告)日:2025-02-11
申请号:CN202510025848.8
申请日:2025-01-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于网格自适应切割与细分的虚拟手术仿真方法,首先对输入被切割物体四面体化,记录手术刀位置构成切割面。其次构造包围盒以及bsp树A,并标记拼接面和模拟表面,利用三角剖分生成公共切割线,得到模拟切割面。然后标记可移动顶点和不可移动顶点,根据胡克定律,求解新的顶点的位置,移动顶点对切割后的形状进行模拟,对局部区域进行重新四面体化和bsp细分,生成bsp树B与A合并。最后遍历所有bsp结点,对非四面体的结点,利用非四面体的重心进行四面体化,完成模拟切割,并进行优化。本发明对被切割的物体进行精准切割,提升切割平面的精确性,保证切割仿真的稳定性和准确性。
-
公开(公告)号:CN118365568A
公开(公告)日:2024-07-19
申请号:CN202410615208.8
申请日:2024-05-17
Applicant: 杭州电子科技大学
IPC: G06T5/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于神经网络的阴影去除方法,该方法首先构建包括阴影去除分支和阴影检测分支的阴影去除网络模型。其次获取待输入图像的深度图、法线图和DINO_v2的特征图,并将深度图转化为点云。然后通过阴影去除网络模型中两个分支编码器中的通道注意力CA模块,得到分层特征,通过阴影检测分支解码阶段得到阴影概率图。最后根据阴影概率图计算阴影感知相关图,将阴影检测分支解码器的特征插入到阴影去除分支的解码器,阴影去除分支的解码器输出阴影去除图像。本发明有效地捕获了图像中阴影和非阴影区域之间的全局信息,提高了阴影去除的精确度和准确性。
-
公开(公告)号:CN112908418B
公开(公告)日:2024-06-28
申请号:CN202110143746.8
申请日:2021-02-02
Applicant: 杭州电子科技大学
IPC: G16B30/00 , G06F18/23213 , G16B40/00
Abstract: 本发明公开了一种基于字典学习的氨基酸序列特征提取方法。本发明首先给定一种AAindex,每条氨基酸肽序列数据都可用P=R1R2......RL表示,通过给定的AAindex,可将上述序列编码成PE=E1E2......EL。其中Ei为氨基酸残基的Ri的属性值;接着,对肽序列使用n‑gram模型分解成单词并分割成不同长度的片段,之后对同一长度的片段聚类生成字典;最后将样本基于欧氏距离的词频学习字典的特征构成样本特征矩阵。本发明能够有效的对氨基酸序列进行特征提取,实现降维,得到氨基酸中潜在的规律,特征选择的结果对样本类别判定具有重要意义,有效提高样本类别判定的准确率。
-
公开(公告)号:CN117635964A
公开(公告)日:2024-03-01
申请号:CN202310175150.5
申请日:2023-02-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Transformer的多模态美学质量评价方法,包括步骤如下:S1、将图像输入视觉特征编码器中提取视觉特征;S2、将对应的用户评论数据输入文本特征编码器中提取包含语义信息的文本特征;S3、提取得到视觉特征和文本特征输入跨模态编码器中,输出特征融合后的视觉特征和文本特征;S4、将S3中输出的视觉特征和文本特征进行连接,经过一层Linear层输出10维的美学分数分布,使用EMD作为损失函数进行训练优化。该方法设计一个良好的跨模态编码器充分地学习另一模态的信息,充分地建模视觉特征和文本特征之间的内在关联性,有效地提升美学质量评价的性能。
-
公开(公告)号:CN112182489B
公开(公告)日:2023-11-24
申请号:CN202011096764.7
申请日:2020-10-14
Applicant: 杭州电子科技大学
IPC: G06F17/13 , G06F30/15 , G06F30/23 , G06F111/10
Abstract: 本发明公开了一种基于偏微分方程求解的二维高阶网格生成方法。当前,生成高质量、高精度的高阶网格仍是一个开放性难题。本发明首先生成覆盖飞机翼形二维几何模型的线性网格,建立线性网格边界和飞机翼形二维几何模型边界的映射关系;然后,将线性网格进行升阶,以升阶线性网格边界偏移矢量为约束,建立控制内部网格点偏移矢量场的偏微分方程,并采用高阶边界元数值方法求解该偏微分方程;最后,将升阶线性网格的所有网格点沿各自对应的偏移矢量进行偏移,偏移后的每个线单元用高阶几何形式表示,得到高阶网格。本发明有效提高了获得偏移矢量场的精度和速度,实现了基于飞机翼形模型快速生成网格数目尽量少的高质量的高阶网格单元。
-
公开(公告)号:CN115994393A
公开(公告)日:2023-04-21
申请号:CN202211396172.6
申请日:2022-11-09
Applicant: 杭州电子科技大学
IPC: G06F30/10 , G06F30/23 , G06T17/00 , G06T17/20 , G06F111/04 , G06F111/06 , G06F111/10
Abstract: 现有的CAD版片的调整方法要么只保证服装的大小而无法保证服装版片的整体形状偏离设计,要么是通过参数化后无法保证二维版片的多边形结构而无法进行自动的多次迭代修改,需要进行网格到版片的转化造成数据的失真。本文提出了一种合身度驱动的服装CAD版片多约束自适应调整优化方法。这种方法直接使用二维版片的边长和角度作为目标参数,根据采取多边形的性质作为约束条件,通过考虑模拟后网格的边长和版片原始的角度,能够使生成的新版片更加匹配人体模型的同时,保证版片的形状与设计师设计的原始版片在形状上更加一致,而且不需要网格到版片的二次转化。同时这种方法能够根据角度和边长添加对称约束,使生成的布片满足对称的要求。
-
公开(公告)号:CN115713576A
公开(公告)日:2023-02-24
申请号:CN202211464654.0
申请日:2022-11-22
Applicant: 杭州电子科技大学
IPC: G06T11/20 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种面向BERT模型的剪枝可视分析方法,包括如下步骤:训练模型BERT,提取BERT模型结构图,并保存训练结果;训练结果可视化显示;利用剪枝可视分析系统组件分析模型剪枝可能性,设置剪枝参数,利用模型剪枝算法精简模型,再进行训练,观察模型各项评估指标;保存剪枝后模型及模型参数,当剪枝模型达到性能指标以及模型参数量达到要求水平,保存剪枝模型及模型参数。该方法通过可视化的方式展示模型剪枝过程,利用多图可视化分析技术,了解模型训练数据集样本,关注模型训练过程指标变化,发现训练样本自注意力分布情况,有助于加深模型研究人员对模型的了解,帮助研究人员对模型进行剪枝研究,达到降低模型参数量及优化模型的目的。
-
公开(公告)号:CN115588058A
公开(公告)日:2023-01-10
申请号:CN202211244552.8
申请日:2022-10-12
Applicant: 杭州电子科技大学
IPC: G06T11/00
Abstract: 本发明公开了一种视角显示可控的多角度多风格人脸肖像生成方法包括步骤如下:S1、构建人脸图像数据集;S2、随机初始化服从标准正态分布的256维向量,并将其通过多层感知机映射为频率、相位和调制向量;S3、构建人脸肖像生成模型;S4、获得多通道的特征图;S5、得到的高分辨率语义图和肖像;S6、得到多角度显式可控的多风格人脸肖像图。该方法主要涉及将3D信息作为生成对抗网络的输入与输入,使得生成对抗网络是3D可感知的,进而显式控制生成对象的视角,而后通过2D层面的风格迁移,对生成人脸肖像进行素描、钢笔画、线稿、油画的风格化,并达到对视角的显式控制。
-
-
-
-
-
-
-
-
-