-
公开(公告)号：CN113192115A
公开(公告)日：2021-07-30
申请号：CN202110463262.1
申请日：2021-04-23
Applicant: 湖南大学
Abstract: 本发明提供了一种基于时间函数的三维复杂工件测量方法及系统。所述的一种基于时间函数的三维复杂工件测量方法为：在三维测量配准中，通过估计打磨时间来构建配准误差函数，所述配准误差函数通过对测量点加权，以补偿配准偏移和优化工件各表面的余量分布，并通过非线性优化算法求解，得到扫描点云测量结果。本发明充分考虑了打磨效率、测量点云分布情况及凹凸面不同的打磨余量要求，构建配准误差函数，并高效求解，从而能够在保证打磨质量的条件下，极大的提高机器人打磨的效率，同时对扫描点云的非规则分布、配准初始位置偏离等有较强适应性，该系统结构简单，操作方便。
-
公开(公告)号：CN113128410A
公开(公告)日：2021-07-16
申请号：CN202110432674.9
申请日：2021-04-21
Applicant: 湖南大学
Abstract: 本发明属于计算机视觉领域，尤其涉及一种基于轨迹关联学习的弱监督行人重识别方法，包括以下步骤：S1：构建弱监督行人重识别数据集；S2：基于ImageNet数据集得到预训练的Resnet‑50模型和特征矩阵；S3：捕获样本内行人图像与行人身份间的关系；S4：对每个行人图像进行特征学习，获取每个行人的轨迹特征；S5：挖掘样本间行人图像与行人身份的潜在关联；S6：模型训练；S7：进行弱监督测试。通过对样本内行人图像与行人身份关系的捕获和行人轨迹特征的学习并结合样本间行人轨迹潜在关系的挖掘，有效地提高了模型的特征提取能力，并取得了突出的行人重识别性能。
-
公开(公告)号：CN111753835A
公开(公告)日：2020-10-09
申请号：CN201910762367.X
申请日：2019-08-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于局部图匹配和卷积神经网络的细胞追踪方法，所述方法包括：S1、采用分水岭方法对细胞图像进行分割；S2、搭建并训练卷积神经网络，利用训练好的卷积神经网络提取待匹配细胞对的深度相似度；S3、在细胞分割图像中提取待匹配细胞对的局部三角图相似度；S4、结合提取待匹配细胞对的深度相似度和局部三角图相似度，建立相似度矩阵，并取相似度矩阵取最大值时对应的细胞对作为种子细胞；S5、从所获取的种子细胞开始，采用邻域细胞扩散方法依次匹配其相邻细胞对直至所有细胞匹配完成。本发明引入了卷积神经网络提取待匹配细胞对的深度相似度，并通过结合深度相似度和局部三角图相似度追踪细胞，具有适用范围广和追踪准确率高的特点。
-
公开(公告)号：CN110838130A
公开(公告)日：2020-02-25
申请号：CN201810927909.X
申请日：2018-08-15
Applicant: 湖南大学
IPC: G06T7/155
Abstract: 本发明公开了一种快速模糊距离变换方法。对模糊分割所得的二维或三维模糊分割图像进行分辨率倍增处理，在提高分辨率的过程中，控制原图像中相邻的两个对象像素点在提高分辨率后，仅通过一个插入像素来保持连通，从而保证了提高分辨率之后的对象具有与原图像中相同的拓扑连通性；对分辨率倍增后的模糊分割图像，令像素值为0的像素的距离变换值为0，其余像素的距离变换值初始为无穷大；之后以像素值为0的像素为初始种子点，按照最小代价路径方法将距离变换值逐步由种子点扩散至与之相邻的对象像素，直至所有像素点处的距离变换值均已求得为止；对所得的高分辨率的距离变换结果进行下采样获得原模糊分割图像对应的距离变换结果。本发明能克服已有的模糊距离变换方法中不能保证高分辨率图像与原图像拓扑连通性不变的问题，并且通过采用最小代价距离方法提高了运行速度。
-
公开(公告)号：CN110533113A
公开(公告)日：2019-12-03
申请号：CN201910830518.0
申请日：2019-09-04
Applicant: 湖南大学
Abstract: 本发明公开了一种数字图像中树状结构的分支点检测方法，所述方法是基于两级级联卷积网络的深度分支点检测模型，即候选区域分割网络和误检排除网络。首先从原始图像中提取固定尺寸的样本训练各向异性卷积核的三维U型分割网络，再将包含树状结构的图像输入到训练好的分割网络中进行分割，得到分支点候选区域，以候选区域的每个点作为分支点的候选点；然后利用三个比例提取候选点的三个3D图像块并计算每个3D图像块三视图的最大强度投影以形成对应九个2D视图，同时将2D视图分别输入五个卷积层的堆栈中，最后将该候选点对应2D视图卷积后的特征进行融合，得到最终分支点检测结果，具有计算成本低、误检率低且检测效率高的特点。
-
Patent Agency Ranking
公开(公告)号：CN119904472A
公开(公告)日：2025-04-29
申请号：CN202510084683.1
申请日：2025-01-17
Applicant: 湖南大学
IPC: G06T7/11 , G06V10/774 , G06V20/70 , G06V10/82 , G06N3/0895 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/096
Abstract: 一种基于视觉语言模型的半监督医学图像分割方法、系统，方法包括：S1、获取待分割的包含标注和未标注样本的医学图像数据集；S2、对视觉语言模型进行预训练；S3、利用标注样本对教师模型进行训练，然后将未标注样本输入到训练后的教师模型中，得到伪标签；S4、对预训练后的视觉语言模型进行训练，得训练后的视觉语言模型；S5、对训练后的视觉语言模型进行优化；S6、对分割模型进行训练；S7、对训练的分割模型进行优化；S8、调整学习效率、批次大小，循环S1至S7，将多个模型的预测结果集成，得到最终的分割结果。本发明能够学到多种视觉和语言特征，为医学图像分割任务中的迁移学习提供了良好的基础，使模型能够适应不同的图像特征。
-
公开(公告)号：CN119379683B
公开(公告)日：2025-03-28
申请号：CN202411948379.9
申请日：2024-12-27
Applicant: 湖南大学
Abstract: 本申请涉及一种基于小样本学习的航空发动机叶片缺陷检测方法，该方法包括：获取航空发动机涡轮叶片的表面缺陷图像，并为其建立掩膜真值标注；将多个表面缺陷图像按照对应的真值掩膜划分为训练集、支持集、查询集，并构建缺陷检测模型，缺陷检测模型包括跨层多级特征聚合模块、具有大感受域的混合器、前景校正模块；通过跨层多级特征聚合模块聚合支持集中支持图像与查询集中查询图像不同层次的特征，得到缺陷特征；通过具有大感受域的混合器处理缺陷特征，得到聚合特征；通过前景校正模块将聚合特征与提取的查询图像的背景特征融合并校正，得到精细化的分割结果。该方法提高了模型训练的效率和成本效益。
-
公开(公告)号：CN118469821A
公开(公告)日：2024-08-09
申请号：CN202410939677.5
申请日：2024-07-15
Applicant: 湖南大学
IPC: G06T3/4053 , G06N3/0464 , G06T3/18 , G06T3/4046 , G06V10/40 , G06V10/80
Abstract: 本申请涉及一种基于扩散模型的医学图像体积超分辨率方法，构建基于扩散模型的医学图像体积超分辨率模型；将医学图像输入至形变流特征提取模块，得到医学图像中相邻层之间的运动形变映射；基于医学图像和各层间的运动形变映射，得到形变估计图像；对形变估计图进行预处理，并将预处理后的形变估计图像分别输入至新型UNet网络中编码器的各层，输出多个特征图；每个特征图均经过复合卷积注意力模块，进行特征融合，分别得到对应的融合特征图；对每个融合特征图进行再次融合，分别得到对应的第二融合特征图；将每个第二融合特征图输入至新型UNet网络中的解码器，输出医学图像的超分辨率图像。该方法提升了图像的细节恢复和分辨率增强效果。
-
公开(公告)号：CN115015939B
公开(公告)日：2024-06-21
申请号：CN202210608568.6
申请日：2022-05-31
Abstract: 本发明公开了一种声学感知系统及增大声学感知范围的方法，系统包括前处理模块、信号收发模块和后处理模块；前处理模块用于选择信号帧，对信号帧进行频域插值以获取定长信号帧，调制为超声波信号后上传至信号收发模块；信号收发模块包括发送端和接收端，发送端用于持续发送定长信号帧，接收端用于接收承载物体运动信息的定长信号帧并上传至后处理模块；后处理模块用于计算定长信号帧的信道冲激响应(ChannelImpulseResponse，CIR)，将定长信号帧与最大感知距离相对应并建立定量关系，并通过绘制CIR热图的方式将其可视化。只需根据不同应用场景需求，改变原始发送定长信号帧的长度即可灵活地调整感知距离范围，从而实现更精准、更大范围的感知。
-
公开(公告)号：CN112837356B
公开(公告)日：2024-05-31
申请号：CN202110165409.9
申请日：2021-02-06
Applicant: 湖南大学
IPC: G06T7/33 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本发明提供了一种基于WGAN的无监督多视角三维点云联合配准方法包括如下步骤：步骤S1、获取不同视角的点云；步骤S1、对所有视角的点云进行下采样；步骤S3、从标准模型中采样；步骤S4、对多视角点云联合配准WGAN的生成器网络进行训练；步骤S5、对多视角点云联合配准WGAN的判别器网络进行训练；步骤S6、判断是否终止训练：设定生成器和判别器训练的次数均为M次，若达到M次则终止训练，若未达到M次则回到步骤S4。本发明设计了一种多视角点云配准网络生成点云模型，相较于传统的配准方法，具有对初始化更强的鲁棒性，有利于在生产线上实时运行，既不存在视角偏置，也不存在累计误差。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.097 seconds)
