-
公开(公告)号：CN108039044B
公开(公告)日：2021-06-01
申请号：CN201711270260.0
申请日：2017-12-05
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多尺度卷积神经网络的车辆智能排队的系统及方法，首先搜集样本数据并进行筛选；将筛选的图片进行增强，通过背景减法得到一组有关运动信息的数据；不同类型的图片分别送入外观、运动信息全卷积神经网络；将上述网络训练的两个模型特征融合和决策融合，得到最终的检测模型；将待检测图片输入到训练后的网络，获得各个通道上的车辆排队的车辆数，以及预测排队的时间；通过前方电子屏幕，实时引导车辆进入，排队时间相对较短的服务车道，提高通行效率。本发明将运动特征和外观特征很好的结合在一起。有利于对运动物体的准确检测，同时采用多尺度卷积神经网络，能有效的获取不同大小车型的特征，提高了模型结果的准确性。
-
公开(公告)号：CN110456821A
公开(公告)日：2019-11-15
申请号：CN201910781009.3
申请日：2019-08-22
Applicant: 安徽大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于动态触发机制的飞行器轨迹最优控制方法，包括：建立飞行器轨迹动力模型，基于期望状态和实际状态的偏差构建反馈控制器模型；基于反馈控制器模型，确定系统状态空间模型；定义Lyapunov函数，基于对系统状态空间模型的最优控制理论求解Lyapunov函数的参数；基于从输入到状态稳定判据引入包括内部动态变量的反馈控制器的触发条件；满足触发条件时，反馈控制器被触发调整飞行器运行参数。本发明提供的基于动态触发机制的飞行器轨迹最优控制方法的优点在于：基于实际状态和期望状态的偏差并加入内部动态变量对飞行轨迹进行调整，更加容易控制和调节系统的事件触发策略，减少了系统资源不必要的浪费，具有更好的实时性。
-
公开(公告)号：CN110354406A
公开(公告)日：2019-10-22
申请号：CN201910694051.1
申请日：2019-07-30
Applicant: 安徽大学
IPC: A61N5/10
Abstract: 本发明提供了一种放射治疗的三维剂量预测方法，包括以下步骤：步骤A：收集过往病例的放疗计划数据，对数据进行预处理得到能够被卷积神经网络训练的特征图像；步骤B：计算计划区域内每个体素到靶区边界的最小距离得到目标距离图；步骤C：基于卷积神经网络建立三维剂量预测网络；步骤D：利用步骤A中的特征图像训练三维剂量预测网络，通过交叉验证得到最优的三维剂量预测模型；步骤E：将待放射患者的数据输入三维剂量预测模型得到三维剂量分布图。本申请还提供了基于上述方法的预测系统。本发明提供的放射治疗的三维剂量预测方法和系统的优点在于：通过引入卷积神经网络的深度学习，降低了对物理师个人经验的依赖，减少人工预测的误差。
-
公开(公告)号：CN110251076A
公开(公告)日：2019-09-20
申请号：CN201910542767.X
申请日：2019-06-21
Applicant: 安徽大学
Abstract: 本发明涉及一种融合视觉注意力基于对比度的显著性检测方法，步骤如下：S1、组建一个新的眼动数据集，并获取人眼注视图，对人眼注视图进行归一化处理；S2、在色彩空间中，获取显著性颜色的分量与显著性注意力的最大互信息系数；S3、在色彩空间中，对每个色彩通道的颜色种类进行量化；S4、在量化后的色彩通道中，根据所述最大互信息系数设置颜色权重，计算像素的显著性。本发明还公开了一种融合视觉注意力基于对比度的显著性检测装置。本发明的能够克服现有基于色彩信息的注意力预测模型的不足，基于自然界全彩色颜色对人眼注意力的引导性不同，本方法能够凸显不同色彩对注意力的影响，有助于符合人眼感知的注意力预测。
-
公开(公告)号：CN110223295A
公开(公告)日：2019-09-10
申请号：CN201910542301.X
申请日：2019-06-21
Applicant: 安徽大学
IPC: G06T7/00
Abstract: 本发明公开了基于深度神经网络色彩感知的显著性预测方法及装置，方法包括：将细粒度样本图像输入到预设的第一VGG网络，并将粗粒度样本图像输入到预设的第二VGG网络中，得到对应于粗粒度样本图像的第一特征图，以及对应于细粒度样本图像的第二特征图；利用特征融合算法，得到融合图像；将融合图像的特征图与融合图像进行乘法处理，进而得到预测的显著图；判断交叉熵损失函数的值是否收敛；若是，将第一VGG网络、第二VGG网络以及通道加权子网络组成的网络作为目标网络模型，并使用所述目标网络模型进行待检测图像的显著性预测；若否；调整模型权重、超参数，直至收敛。应用本发明实施例，可以实现符合人眼感知的显著性预测。
-
Patent Agency Ranking
公开(公告)号：CN110211139A
公开(公告)日：2019-09-06
申请号：CN201910504373.5
申请日：2019-06-12
Applicant: 安徽大学
Abstract: 本发明公开了一种自动分割食管癌放疗靶区和危及器官的方法及系统，涉及医学图像分割领域，该方法包括以下步骤：通过残差网络提取输入的CT图像的特征，通过特征金字塔网络融合多尺度特征图；通过区域建议网络对特征图中每个点的感兴趣区域进行筛选；结合感兴趣区域对齐层将区域建议网络筛选出的感兴趣区域池化到一个固定尺寸；将池化到固定尺寸的感兴趣区域输入到全连接层进行器官分类，并进行器官位置边框回归；同时将池化到固定尺寸的感兴趣区域输入到器官分割网络。本发明的优点在于：提高了自动分割食管癌放疗靶区和多种危及器官的准确度。
-
公开(公告)号：CN109859817A
公开(公告)日：2019-06-07
申请号：CN201910256615.3
申请日：2019-04-01
Applicant: 安徽大学
Abstract: 本发明公开一种食管放射治疗计划中风险器官剂量学评估方法，包括以下步骤：集食管癌病人的VMAT计划数据信息，得到DTH；对DTH的几何特征向量进行降维，得降维后的几何特征向量；建立深度置信网络模型，并完成深度置信网络模型的训练；非线性地拟合剂量特征向量和降维后几何特征向量之间的相关性，得到与降维后的几何特征向量的维度相同的剂量特征向量；通过自动编码器结构的解码层将从步骤五的剂量特征向量重构，得到与降维前的几何特征向量的维度相同的剂量特征向量，最终得到预测危险器官的DVH。本发明还公开一种食管放射治疗计划中风险器官剂量学评估系统。本发明具有显著缩短制定食管癌放疗计划时间以达到减轻物理放疗师的负担的优点。
-
公开(公告)号：CN109614921A
公开(公告)日：2019-04-12
申请号：CN201811491815.9
申请日：2018-12-07
Applicant: 安徽大学
Abstract: 本发明公开一种基于对抗生成网络的半监督学习的细胞分割方法，包括以下步骤：收集细胞分割数据，对数据进行预处理和增强，分成训练集和测试集图片。以半监督学习为出发点，设计了新的对抗生成网络。该网络相对于之前的对抗生成网络将生成器换成了小参数量的全卷积分割网络，用于对输入图片输出一个概率图。对于没有标签的细胞图片，我们用半监督的方法训练分割网络，从分割网络中获取未标记图像的初始分割预测后，通过判别网络对分割预测概率图进行传递，得到一个置信图。利用这个置信图作为监督信号，使用了一个自学机制来训练分割网络，置信图表示了预测分割的质量。通过本发明设计的卷积神经网络提高细胞分割准确率。
-
公开(公告)号：CN107239801A
公开(公告)日：2017-10-10
申请号：CN201710505206.3
申请日：2017-06-28
Abstract: 本发明公开了一种视频属性表示学习方法，包括下述步骤：收集一批数据用于视频文字自动描述算法的训练与测试，数据要求每个视频对应几句对应的文字描述；定义训练集中的文字描述内容中出现的所有的名词、动词、和形容词作为对应视频的属性标注信息，则训练集中的每个视频都对应多个属性标签；将一段视频序列表示为单幅图像，从而将复杂困难的视频序列多分类问题转化为较为简单的单幅图片多标签分类问题。本发明还公开一种基于上述视频属性表示学习方法的视频文字描述自动生成方法。本发明的优点在于：提供一种高效的提取视频的属性特征表示，采用本发明的融合方法，能够得到完整的可反映视频属性语义信息的文字描述自动生成方法。
-
公开(公告)号：CN106951888A
公开(公告)日：2017-07-14
申请号：CN201710322155.0
申请日：2017-05-09
Abstract: 本发明公开了一种人脸特征点的相对坐标约束的方法，在人脸定位的过程中，计算任意两个人脸特征点i和j的相对位置，使得任意两个预测人脸特征点i和j的相对位置尽可能接近于其对应的两个真实的人脸特征点之间的相对位置。本发明还公开了一种使用上述人脸特征点的相对坐标约束的方法的人脸特征点的定位方法。发明相比现有技术具有以下优点：通过强制约束每一个人脸特征点与其它所有特征点之间的相对坐标位置，在人脸特征点定位模型训练中使用相对坐标约束，可以提高任意姿态下人脸特征点定位精度的相对坐标约束方法，且本发明提出的约束方法只需在网络训练中进行相关操作，对于训练完成的网络进行实际使用时不增加任何计算量。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.025 seconds)
