-
公开(公告)号：CN115457160A
公开(公告)日：2022-12-09
申请号：CN202211250842.3
申请日：2022-10-13
Applicant: 杭州电子科技大学
IPC: G06T11/00
Abstract: 本发明公开了一种深度信息引导的多风格人脸素描生成方法，步骤如下：步骤(1)数据预处理，将人脸照片、人脸素描进行人脸对齐、缩放和裁剪等处理，再将数据集的人脸照片根据3DDFA方法生成对应的深度图像，最终得到一一对应的人脸照片‑人脸素描‑人脸深度图三元组；步骤(2)生成对抗网络模型的构建，分别构建生成器和判别器两个网络模型；步骤(3)生成对抗网络模型的训练，定义损失函数，训练生成对抗网络模型；步骤(4)人脸素描的生成及质量评价。本发明提出了利用人脸深度信息和风格特征控制人脸素描画像生成的方法，完成了人脸素描的高质量、多风格的生成，并能成功应用在自然图像等非人脸素描的生成任务上。
-
公开(公告)号：CN114332409A
公开(公告)日：2022-04-12
申请号：CN202111559992.8
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种保特征的结构化表面四边形网格生成方法。当前，针对于结构化四边形网格的生成方法，生成的网格质量较差，且无法有效的保持特征，难以满足仿真计算的需求。本发明的步骤：提取特征线；泛洪分解模型；boundary first flattening参数化；基于标价场的拓扑划分；求解二维三角网格面片与三维三角网格面片之间的映射关系；二维流线映射到三维，生成三维流线；整数规划求解流线离散段数；双线性插值生成二维四边形网格面片；通过二维与三维之间的映射关系，将二维四边形网格映射到三维，生成三维四边形网格面片；拼接三维四边形网格面片，生成结构化四边形网格模型。本发明可以快速地生成保特征的高质量结构化四边形网格模型。
-
公开(公告)号：CN114139454A
公开(公告)日：2022-03-04
申请号：CN202111465718.4
申请日：2021-12-02
Applicant: 杭州电子科技大学
Inventor： 徐岗 , 王丹丹 , 顾人舒 , 高飞 , 其他发明人请求不公开姓名
IPC: G06F30/27 , G06F119/08
Abstract: 本发明公开了一种基于深度学习的等几何热传导仿真方法，包括如下步骤：步骤(1)数据集的制作；步骤(2)提出自定义损失函数并用于训练；步骤(3)训练引入ISSA模块增强的UNet3+网络；步骤(4)最优网络模型预测及结果分析。采用上述技术方案，可以在拓扑一致的复杂模型上进行热仿真分析预测并快速得到光滑连续的仿真解，在保证精度的前提下大幅度降低了仿真时间，适用于CAD模型形状不断变化的实时热仿真分析的场景。与近年来研究比较多的PINNs相比，本发明中的网络模型在一个拓扑相同的新CAD模型上进行热仿真分析预测只需0.013s；而PINNs中的网络模型对一个新的CAD模型需要训练44分钟左右才能达到与本发明相同的精度。
-
公开(公告)号：CN108763668B
公开(公告)日：2022-03-01
申请号：CN201810463056.9
申请日：2018-05-15
Applicant: 杭州电子科技大学
IPC: G06F30/17
Abstract: 本发明公开了基于细分技术与边界替换的齿轮模型区域参数化方法。具有复杂区域的图形模型很难做到高质量的参数化。本发明通过曲线分割方法降低各段曲线的凹凸程度，保证不会产生翻转的四边形网格模型，从而优化齿轮模型参数化的质量，并且满足了它在工程应用中对于等几何分析的有效性要求；之后通过对齿轮模型多边形边界平均距离值的修改，均匀边界顶点之间的距离，从而提高四边形网格的生成率；通过使用边界替换的方法保证齿轮模型的形状不会改变，光顺方法和C‑C细分方法的使用则在光滑度和连续性上对齿轮模型进行了优化，从而满足了工程应用对于等几何分析的光滑度和鲁棒性要求。
-
公开(公告)号：CN113628342A
公开(公告)日：2021-11-09
申请号：CN202111101646.5
申请日：2021-09-18
Applicant: 杭州电子科技大学
Abstract: 本发明实现了一种面向人体遮挡场景的三维人体姿态和形状重建方法，可以从人体遮挡场景中重建出人体模型，便于计算机理解与分析，并且不受图片场景的影响，重建出较为准确的人体模型。本发明提供如下方法，包括以下步骤：步骤一，生成人体互相遮挡的人体轮廓图；步骤二，使用步骤一生成的人体轮廓图对人体关节点进行编码作为输入数据；步骤三，使用ResNet编码器和回归器组成的回归网络得到人体模型参数；步骤四，使用预估计的人体参数渲染生成预估计人体轮廓和人体关节点；步骤五，对预估计的人体轮廓和人体关节点与真实标签进行比较，进行反向传递，并计算其loss函数；步骤六，设定准确率，重复步骤二至五，直到达到预设的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107085865B
公开(公告)日：2020-10-16
申请号：CN201710335308.5
申请日：2017-05-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了应用于有限元分析的四边形分割方法。四边网格的划分没有在各种主流软件中实现。本发明首先将多连通多边形变为单连通，然后在边界化简过程中减少边界定点数并提取边界的几何特征点；将原多边形分解为多个几何形状相对简单，便于拓扑生成和映射的多边形；拓扑生成则采用固定的拓扑模式去匹配不同的子多边形以完成构建拓扑结构；最后则利用超限插值映射法得到最终的网格。本发明提出了一种高质量四边形网格剖分方法。本发明生成的四边网格具有较少奇异点，并具有良好光滑性、均匀性和正交性，可直接应用于有限元分析仿真求解。
-
公开(公告)号：CN111079326A
公开(公告)日：2020-04-28
申请号：CN201911141245.5
申请日：2019-11-20
Applicant: 杭州电子科技大学
IPC: G06F30/23 , G06F30/15 , G06F111/10
Abstract: 本发明公开了二维各向异性网格单元度量张量场光滑化方法。目前尚无较好的各向异性网格度量张量的光滑化方法。本发明在飞机翼形几何模型区域的三角形背景网格上设定飞机翼形的初始各向异性网格度量张量场，将每个网格点上的各向异性网格度量张量进行取对数运算，然后建立限制各向异性网格度量张量变化的梯度约束，根据梯度约束对飞机翼形的初始各向异性网格度量张量场进行光滑化处理，从而建立各向异性尺寸度量张量场的光滑过渡数学模型，得到光滑各向异性网格度量张量场。本发明将变化剧烈的飞机翼形度量张量场处理成光滑的度量张量场，从而提高各向异性网格质量及数值模拟精度，使得最终生成的飞机翼形网格单元质量高且网格单元数最少。
-
公开(公告)号：CN107392968B
公开(公告)日：2019-07-09
申请号：CN201710579455.7
申请日：2017-07-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种融合颜色对比图和颜色空间分布图的图像显著性检测方法。通常的自下而上的图像显著性检测方法是利用图像的颜色、亮度、边缘等底层特征来计算。本发明综合图像底层颜色对比特征图和图像颜色空间分布特征图来得到最后的显著性图。首先根据SLIC超像素分割后的图像求取图像的颜色对比特征图，接着，利用K‑Means聚类后的图像通过计算获得初步的颜色空间分布特征图，再映射到超像素分割图上，进而根据图像颜色的相似度来进一步优化颜色分布特征图。最后融合颜色对比特征图和优化后的图像颜色空间分布特征图得到最终的显著图。本发明能够在较低的时间复杂度内得到较准确、完整的显著图。
-
公开(公告)号：CN109002571A
公开(公告)日：2018-12-14
申请号：CN201810431831.2
申请日：2018-05-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于等几何弹簧质点模型的布料动态仿真方法。本发明步骤：基于弹簧-质点模型将布料面片离散成质点，质点与质点之间用三类弹簧相连；对布料的质点进行受力分析，计算出质点下一时刻的速度和位移，对与发生超弹性现象的弹簧相连的质点进行位置修正和速度约束；分别构建布料和碰撞物的AABB层次包围体结构，进行碰撞检测，检测到发生碰撞时进行碰撞响应，否则直接进入下一步，碰撞响应后进入下一步；定义布料的张量积Bézier曲面模型，将弹簧-质点模型中质点的位置投射到张量积Bézier曲面的控制顶点上，对布料面片进行动态表达和模拟。本发明能精确表达布料模型，仿真效率高，适用于虚拟试衣等应用。
-
公开(公告)号：CN108805159A
公开(公告)日：2018-11-13
申请号：CN201810344521.7
申请日：2018-04-17
Applicant: 杭州电子科技大学
CPC classification number: G06K9/6229 , G06K9/6269 , G06N3/126
Abstract: 本发明公开了一种基于过滤法和遗传算法的高维数据特征选择方法。传统的特征选择方法存在容易陷入局部最优、删除有用特征概率高等局限性，不适用于高维、小样本数据。本发明首先采用最大信息系数计算输入数据的特征与类标之间的相关性；接着，根据相关性的值对特征进行降序排序，设置阈值，删除弱相关的特征；最后对剩余的强相关特征采用遗传算法进行随机搜索优化得到最优特征子集。本发明能够有效地对高维数据进行特征选择，实现降维，特征选择的结果对样本类别判定具有重要意义，当应用于基因表达谱数据时，选择出来的特征同时还具有重要的生物意义。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.047 seconds)
