-
公开(公告)号：CN110211116A
公开(公告)日：2019-09-06
申请号：CN201910478563.4
申请日：2019-06-03
Applicant: 东北大学
Abstract: 本发明涉及一种基于深度学习网络和浅层纹理特征融合的甲状腺超声图像结节分析方法，属于计算机甲状腺超声图像辅助分析领域。本发明所述方法包括如下步骤：甲状腺超声图像预处理；基于GooLeNet深度学习网络的深度特征提取；基于旋转不变性局部二值模式的浅层纹理特征提取；深度特征和浅层特征融合；基于代价敏感随机森林的甲状腺超声图像分类。本发明通过建立所提到的甲状腺超声图像结节分析方法，可以快速准确地对甲状腺结节良恶性进行分类。
-
公开(公告)号：CN110263786A
公开(公告)日：2019-09-20
申请号：CN201910549482.9
申请日：2019-06-24
Applicant: 东北大学
Abstract: 本发明提供一种基于特征维度融合的道路多目标识别系统及方法，包括：用于提取道路场景图像特征的全卷积网络单元；用于对提取到的特征进行初步目标位置预测的目标位置回归单元，用于融合道路场景图像外观特征的对称式融合网络单元，用于将融合后得到的特征利用区域位置热图表示空间信息的区域位置热图单元，用于将初步的目标位置预测结果与热图进行融合得到最终检测结果的融合单元。本发明将道路场景图像训练得到道路目标检测模型。通过引入特征维度融合的技术，将具有较高分辨率的浅层特征图与分辨率较低但语义特征明显的深层特征相连接，从而提高了模型对于多尺度目标的检测精度；同时利用全卷积检测网络，进一步平衡检测精度与速度两个指标。
-
公开(公告)号：CN110570431A
公开(公告)日：2019-12-13
申请号：CN201910879578.1
申请日：2019-09-18
Applicant: 东北大学
IPC: G06T7/10
Abstract: 本发明提出了一种基于改进的卷积神经网络的医学图像分割方法，属于图像处理领域。本发明构建了一种改进的卷积神经网络，分别在标准U-Net网络原有框架的基础上设计了多通道融合模块、多通道稠密连接模块、下采样模块和上采样模块。在控制网络训练计算量的同时提升网络的深度，减少冗余计算；网络变深的同时通过改进网络内部结构从而避免梯度消失。实验结果是所训练的神经网络的输出预测图的分割DICE系数为98.57％，原网络分割出来的DICE系数为98.26％，体现了本发明的有效性。
-
公开(公告)号：CN108858251B
公开(公告)日：2020-11-24
申请号：CN201811000384.1
申请日：2018-08-30
Applicant: 东北大学
Abstract: 一种高速运动机械手的防碰撞系统，包括高速视觉捕捉硬件系统、快速识别跟踪定位系统、初始化参照表模块、晶圆参照表对比模块、机械手标记检测模块和预警模块；获取正常工作中一工作节拍视频，制作搭载晶圆机械手位置、速度、加速度和时间关系表；通过视觉捕捉硬件系统和识别跟踪定位系统获得晶圆圆心位置坐标、速度和加速度信息，对比初始化参照表模块中存储数据；在晶圆边缘两侧固定位置做标记，通过获得机械手上的标记点有无信息，确定晶圆与机械手托持结构的相对位置关系；根据计算出的晶圆位置运动状态和建立的参照表，计算运动状态的差值，超过设定阈值启动碰撞预警装置。本发明低成本、高精确地实现高速运动物体碰撞视觉检测，具有通用性。
-
公开(公告)号：CN110263756A
公开(公告)日：2019-09-20
申请号：CN201910578695.4
申请日：2019-06-28
Applicant: 东北大学
Abstract: 本发明提供一种基于联合多任务学习的人脸超分辨率重建系统，包括：采集模块，第一提取模块，重建模块，第二提取模块，以及训练模块。本发明通过针对人脸多属性学习任务的联合训练方法，获取人脸特征在相关任务间的共享表示；然后论证了感知损失在提高人脸语义信息的重建效果方面的可行性；最后，对人脸属性数据集进行增强，筛选缺失相关属性标签的数据，用面部关键点检测算法对特征点属性进行重提取，在此基础上进行联合多任务学习生成视觉感知效果更加真实的超分辨率结果。
-
Patent Agency Ranking
公开(公告)号：CN110046599A
公开(公告)日：2019-07-23
申请号：CN201910330924.0
申请日：2019-04-23
Applicant: 东北大学
Abstract: 本发明提供一种基于深度融合神经网络行人重识别技术的智能监控方法。本发明方法对获取的图像进行色彩增强的预处理后，对其提取传统手工特征和深度残差卷积神经网络对图像进行提取，之后将降维之后的传统手工特征和训练完好的神经网络提取到的深度特征进行融合，完成对目标行人的识别。本发明与现有技术相比，识别精度大大提高，本发明中包含的行人重识别算法将识别成功率提升到了81.74％，使得该技术完全可实用化。行人重识别的过程均为自动完成，不会因为人员疲劳而遗失细节。
-
公开(公告)号：CN108858251A
公开(公告)日：2018-11-23
申请号：CN201811000384.1
申请日：2018-08-30
Applicant: 东北大学
Abstract: 一种高速运动机械手的防碰撞系统，包括高速视觉捕捉硬件系统、快速识别跟踪定位系统、初始化参照表模块、晶圆参照表对比模块、机械手标记检测模块和预警模块；获取正常工作中一工作节拍视频，制作搭载晶圆机械手位置、速度、加速度和时间关系表；通过视觉捕捉硬件系统和识别跟踪定位系统获得晶圆圆心位置坐标、速度和加速度信息，对比初始化参照表模块中存储数据；在晶圆边缘两侧固定位置做标记，通过获得机械手上的标记点有无信息，确定晶圆与机械手托持结构的相对位置关系；根据计算出的晶圆位置运动状态和建立的参照表，计算运动状态的差值，超过设定阈值启动碰撞预警装置。本发明低成本、高精确地实现高速运动物体碰撞视觉检测，具有通用性。
-
公开(公告)号：CN110263786B
公开(公告)日：2023-04-14
申请号：CN201910549482.9
申请日：2019-06-24
Applicant: 东北大学
IPC: G06V10/25 , G06V10/774 , G06V10/80
Abstract: 本发明提供一种基于特征维度融合的道路多目标识别系统及方法，包括：用于提取道路场景图像特征的全卷积网络单元；用于对提取到的特征进行初步目标位置预测的目标位置回归单元，用于融合道路场景图像外观特征的对称式融合网络单元，用于将融合后得到的特征利用区域位置热图表示空间信息的区域位置热图单元，用于将初步的目标位置预测结果与热图进行融合得到最终检测结果的融合单元。本发明将道路场景图像训练得到道路目标检测模型。通过引入特征维度融合的技术，将具有较高分辨率的浅层特征图与分辨率较低但语义特征明显的深层特征相连接，从而提高了模型对于多尺度目标的检测精度；同时利用全卷积检测网络，进一步平衡检测精度与速度两个指标。
-
公开(公告)号：CN108274469B
公开(公告)日：2020-11-03
申请号：CN201810365980.3
申请日：2018-04-23
Applicant: 东北大学
Abstract: 本发明公开了一种基于多维视觉传感器的真空机械手防碰撞检测系统的检测方法，包括：真空机械手设备系统；x‑y轴高清监测摄像头，用于检测真空机械手x‑y轴水平面运动位置和姿态的变化；z轴高清监测摄像头，于所述真空机械手侧面垂直放置，用于检测真空机械手伸缩轴方向上的位置变化。本发明所述的基于多维视觉传感器的真空机械手防碰撞检测系统的检测方法，通过建立视觉系统并向控制系统实时反馈真空机械手的位置、速度、加速度等信息，当真空机械手的位置状态异常出现在安全警戒区域时，视觉系统向控制系统发送异常警示信号，使控制系统能够及时控制停止当前机械手的运作，从而保证设备系统的安全，尽可能避免相应的潜在损失。
-
公开(公告)号：CN108274469A
公开(公告)日：2018-07-13
申请号：CN201810365980.3
申请日：2018-04-23
Applicant: 东北大学
CPC classification number: B25J9/1666 , B25J19/023
Abstract: 本发明公开了一种基于多维视觉传感器的真空机械手防碰撞检测系统及检测方法，包括：真空机械手设备系统；x-y轴高清监测摄像头，用于检测真空机械手x-y轴水平面运动位置和姿态的变化；z轴高清监测摄像头，于所述真空机械手侧面垂直放置，用于检测真空机械手伸缩轴方向上的位置变化。本发明所述的基于多维视觉传感器的真空机械手防碰撞检测系统及检测方法，通过建立视觉系统并向控制系统实时反馈真空机械手的位置、速度、加速度等信息，当真空机械手的位置状态异常出现在安全警戒区域时，视觉系统向控制系统发送异常警示信号，使控制系统能够及时控制停止当前机械手的运作，从而保证设备系统的安全，尽可能避免相应的潜在损失。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.015 seconds)
