-
公开(公告)号：CN116704591A
公开(公告)日：2023-09-05
申请号：CN202310767804.3
申请日：2023-06-27
Applicant: 复旦大学附属眼耳鼻喉科医院 , 北京鹰瞳科技发展股份有限公司
IPC: G06V40/18 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开提供一种眼轴预测模型的训练方法、眼轴预测方法和装置，包括：训练信息提取模型；基于信息提取模型确定目标眼底图像对应的层级特征向量；基于词向量模型确定目标对象的生理信息文本向量；基于目标眼底图像对应的层级特征向量和生理信息文本向量，对网络模型结构进行训练，得到眼轴预测模型。其中，眼轴预测模型中包括时间块机制。从而，通过设定时间token以及模型结构，能够有效利用多次随访数据，不需要固定的输入数据形式，在任意时间点采集的数据均可以利用训练模型训练得到的眼轴预测模型，能够对目标对象的未来眼轴进行有效预测，提升未来眼轴的预测准确度，也解决了现有技术的预测模型难以推广实现的技术问题。
-
公开(公告)号：CN114596482A
公开(公告)日：2022-06-07
申请号：CN202210123089.5
申请日：2022-02-10
Applicant: 复旦大学
IPC: G06V20/10
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于扩展多线性混合模型的高光谱图像鲁棒非线性解混方法。本发明通过引入鲁棒性较好的目标函数，构造了一个基于扩展多线性混合模型的鲁棒非线性解混模型，有效地抑制了噪声波段的干扰。此外，利用高光谱图像的局部空间相似性设计了丰度的重加权协同稀疏正则项以及非线性参数的重加权光谱全变差正则项，并将它们添加到模型中以缓解大量参数的引入所带来的过拟合问题，解混精度得到进一步的提升，因此在实际高光谱图像的非线性解混方面有着重要的应用价值。
-
公开(公告)号：CN113840319A
公开(公告)日：2021-12-24
申请号：CN202010583444.8
申请日：2020-06-23
Applicant: 上海东方富联科技有限公司 , 上海东方明珠数字电视有限公司 , 复旦大学
Abstract: 本发明提供一种丢包率获取方法、网关覆盖范围获取方法、介质及设备。所述丢包率获取方法包括：获取所述设备的多个数据包；根据所述数据包及其上行包计数获取实际包数量和理论包数量；根据所述实际包数量和所述理论包数量获取所述设备的丢包率。通过本发明所述丢包率获取方法能够获取LoRa网络中设备的丢包率。
-
公开(公告)号：CN113050186A
公开(公告)日：2021-06-29
申请号：CN202110256550.X
申请日：2021-03-09
Applicant: 复旦大学
Abstract: 本发明公开了一种非接触式路面状态监测系统，包括：光信号发射模块，用于每隔第一预设时间朝向路面发射光信号，该光信号为红外光；光信号接收模块，用于每隔第二预设时间接收路面反射的光信号，并从路面反射的光信号中获取n个敏感工作波长的光信号，其中n＞1，为正整数；信号处理模块，其与光信号接收模块连接，用于根据n个敏感工作波长的光信号对路面状态进行聚类分析，并输出路面状态的聚类分析结果信息。该非接触式路面状态监测系统可全天候实时非接触式识别干燥、积水(湿润)、结冰和积雪四种路面状态，具有检测精度高、反应灵敏、结构简单和成本低便于安装的优点。
-
公开(公告)号：CN110334571A
公开(公告)日：2019-10-15
申请号：CN201910264654.8
申请日：2019-04-03
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于卷积神经网络的毫米波图像人体隐私保护方法。本发明首先将人体划分为十个区域，并且针对十个区域设计人体结构数据集，训练深度学习模型，来检测受检人的人体区域；然后利用人体区域坐标来给人体隐私部位添加遮挡；最后利用人体结构信息，结合最近邻算法、坐标投影算法，将违禁物体预测框投影到卡通图片的对应位置。外部用户只能观察到卡通图片及其对应的违禁物体预测框，从而保护了受检人员的隐私安全。
-
Patent Agency Ranking
公开(公告)号：CN109035154A
公开(公告)日：2018-12-18
申请号：CN201810579080.9
申请日：2018-06-07
Applicant: 复旦大学
CPC classification number: G06T5/002 , G06T5/50 , G06T2207/10036
Abstract: 本发明属于遥感图像处理技术领域，具体为一种考虑光谱变异性的高光谱图像非线性解混方法。本发明首先利用核方法将原始数据映射到高维特征空间，在高维空间中考虑光谱变异系数进行线性解混；同时，依据地物分布的空间连续性，对丰度和变异系数添加局部平滑约束，使得二者具有空间上的平滑性。本方法在Hapke和GBM两种非线性混合模型中存在光谱变异性时，能进行有效的无监督非线性光谱解混。本发明能克服不同非线性混合场景中存在的光谱变异性问题，提高光谱解混的精度，在实际应用中具有重要的意义。
-
公开(公告)号：CN106778530A
公开(公告)日：2017-05-31
申请号：CN201611062937.7
申请日：2016-11-28
Applicant: 复旦大学
IPC: G06K9/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于双线性混合模型的高光谱图像非线性解混方法。本发明根据双线性混合模型的几何特性，通过将数据中的非线性混合成分表示为一个融合了共同非线性效应端点的线性贡献，使复杂的非线性解混转化为简单的线性解混问题，进而结合线性解混算法迭代估计正确的丰度。本发明从高光谱观测像元的混合模型出发，结合其几何与物理意义，不仅能有效地弥补线性解混的不足，而且能较好地克服共线性效应带来的不利影响。具有对噪声及端元数目较好的鲁棒性，可以作为一种解决高光谱遥感图像非线性解混的有效手段。在基于高光谱遥感图像的高精度解混以及地面目标的检测和识别方面具有重要的应用价值。
-
公开(公告)号：CN105427300A
公开(公告)日：2016-03-23
申请号：CN201510780676.1
申请日：2015-12-21
Applicant: 复旦大学
IPC: G06T7/00
CPC classification number: G06T7/00 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于低秩表示和学习字典的高光谱图像异常探测算法。本发明通过在异常探测问题中引入低秩表示的方法，将二维的高光谱图像数据分解为表示背景的低秩矩阵和表示异常的稀疏矩阵之和，然后将基本的异常探测算法作用在稀疏矩阵上得到异常探测的结果。更进一步，该发明在低秩表示算法中引入了学习字典的概念，该学习字典通过随机选择并且梯度下降的算法获得，可以表示高光谱图像的背景光谱。学习字典的引入使得异常信息能更好地从高光谱图像数据中分离出来，从而获得更优的探测效果，同时能够提高算法对初始参数的鲁棒性，降低计算开销，在实际的异常探测应用方面有着重要的价值。
-
公开(公告)号：CN102903116B
公开(公告)日：2016-02-24
申请号：CN201210400139.6
申请日：2012-10-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一类基于图像块距离的高光谱图像流形降维方法。本发明提出一种新的距离度量—图像块距离度量，并将其应用于流形学习的邻域选择和低维坐标嵌入中，得到一类新的高光谱遥感图像非线性降维方法。本发明利用高光谱图像物理特性，结合图像的光谱信息和空间信息，可以更好地保持了数据点之间的局部特性，在最大限度减小图像信息冗余的基础之上，很好的保持了原始数据集的特性。本发明对各种不同的高光谱数据都表现出良好的适用性。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有重要的应用价值。
-
公开(公告)号：CN104392454A
公开(公告)日：2015-03-04
申请号：CN201410727424.8
申请日：2014-12-03
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为高光谱遥感图像空谱结合分类框架下的基于地物类别隶属度评分的合并方法。本发明结合基于光谱信息的初步分类结果和基于空间信息的初步分割结果，最终得到高精度的地物分类标识图，为“分类—分割—合并”框架中的合并环节提供一种新策略。本发明以模糊理论为基础，以隶属度评分为核心，同步权衡三大因素：高光谱图像的空间一致性、光谱多变性以及先验知识，从而有效地提高了分类精确程度，增强了分类标识图的空间平滑性及可读性。同时，本发明具有良好的兼容性和鲁棒性，能够应对低精度的初步分类、分割结果以及参数变化等多种不确定性因素，能够提升空谱结合的分类框架的实用性。在高光谱图像的分类方面具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.028 seconds)
