-
公开(公告)号：CN115272167A
公开(公告)日：2022-11-01
申请号：CN202210545711.1
申请日：2022-05-19
申请人： 北京科技大学 , 北京科技大学顺德研究生院
摘要： 本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。
-
公开(公告)号：CN118447040A
公开(公告)日：2024-08-06
申请号：CN202410450720.1
申请日：2024-04-15
申请人： 北京科技大学 , 北京科技大学顺德创新学院
摘要： 本发明公开了一种基于骨架感知和拓扑错误识别的边缘图像分割方法及装置，属于图像处理技术领域，该方法包括：获取待分割图像及其标注图和预测图；利用标注图，筛选出预测图中的假阳结果和假阴结果；计算标注图和预测图的骨架信息；利用骨架信息从假阳结果和假阴结果中提取拓扑关键像素；构建边界矫正项损失，以对拓扑关键像素和非拓扑关键像素施加不同的惩罚；将边界矫正项损失与类别损失结合作为损失函数，对图像分割模型进行训练，优化图像分割模型的参数。本发明可解决现有技术中难以定位拓扑关键像素的问题，并通过在损失函数中增加拓扑关键像素的权值，提高了边界分割的准确性。
-
公开(公告)号：CN118966065A
公开(公告)日：2024-11-15
申请号：CN202411044380.9
申请日：2024-07-31
申请人： 北京科技大学顺德创新学院
IPC分类号： G06F30/28 , G06F30/25 , G06F30/10 , G06F113/08
摘要： 本发明公开了一种面向多相流体的非牛顿流体仿真模拟方法及系统，属于计算机图形学流体模拟领域，包括：对骨结构进行建模，包括骨外形建模以及骨内部的多孔材质建模；基于光滑粒子流体动力学，对不可压缩流体进行建模；基于聚合物构象张量方法，对牛顿流体、剪切变稀流体以及剪切增稠流体进行统一建模，计算流体的流变属性；基于混合模型，构建多相流体模拟框架以支持两相的混合调制及多相流体动力学；导出仿真数据并根据流体粒子重构流体表面，使用多相流体渲染技术渲染RGB图片并制作流体动画。本发明过程稳定，可视化效果逼真，可以辅助进行骨水泥手术的医疗教学或帮助医生低成本的评估手术方案的可行性。
-
公开(公告)号：CN118710662A
公开(公告)日：2024-09-27
申请号：CN202410709881.8
申请日：2024-06-03
申请人： 北京科技大学
摘要： 本发明涉及显微图像表征与分析技术领域，提供一种免训练的显微图像关键区域识别方法及装置。所述方法包括：基于显微图像微结构区域标记与成像特征标记融合的关键点输入策略，为图像输入模型时提供准确的提示点；将显微图像与提示点结果输入SAM模型，模型依赖提示工程从图像中分割得到前景或背景分割结果；根据灰度、结构等特征，从分割结果中提取目标区域，并进行单独或整体的数量、形态、位置等特征统计，得到显微图像目标区域表征结果。在无须训练的条件下，在不同原材料、不同结构、不同成像设备的图像上均能取得大幅优于传统基于规则的分割、接近甚至超越基于有监督学习方法的效果。
-
公开(公告)号：CN118607414A
公开(公告)日：2024-09-06
申请号：CN202410923284.5
申请日：2024-07-10
申请人： 北京科技大学
IPC分类号： G06F30/28 , G06F30/27 , G06F30/25 , G06T17/00 , G06F113/08 , G06F119/14 , G06F111/04
摘要： 本发明公开了一种基于视觉先验与物理约束的流体力学求解方法和系统，涉及计算机图形学流体模拟技术领域，包括：基于图注意力网络模型对单目流体图片进行重建，得到三维流体点云粒子；基于点云处理的方法对三维流体点云粒子进行滤波与表面光滑处理，得到处理之后的流体点云粒子；计算流体点云粒子中每个粒子的位置信息，并基于位置信息重建处理之后的流体点云粒子的速度场信息；以位置信息、速度场信息和预设粘度信息作为输入，输入到带有物理约束的动力学求解器中，得到处理之后的流体点云粒子的流体运动轨迹预测结果。本发明过程稳定、可以实现复杂流体形状在任意固体边界上的三维流体流动效果仿真。
-
公开(公告)号：CN118606526A
公开(公告)日：2024-09-06
申请号：CN202410690429.1
申请日：2024-05-30
申请人： 北京科技大学
IPC分类号： G06F16/904 , G16H50/70 , G06F16/958
摘要： 本发明公开了一种用于脊柱侧弯大规模筛查的数据采集系统和方法，该系统包括可穿戴式设备、数据采集装置和数据处理装置，数据采集装置包括：数据收集模块，用于响应于数据处理装置中安装的外部系统发送的数据收集指令，收集可穿戴式设备采集到的多通道时序信号数据；通信模块，用于将采集到的多通道时序信号数据传输至数据处理装置；数据处理装置中的数据智能处理模块，用于对多通道时序信号数据进行处理生成时序数据折线图形，并采用深度学习方法生成脊柱侧弯预测分析结果；数据可视化模块用于将时序数据折线图形和脊柱侧弯预测分析结果在网页前端进行可视化显示。本申请提供的系统，能够高效采集可穿戴式设备的数据，并对数据进行可视化显示。
-
公开(公告)号：CN118194722A
公开(公告)日：2024-06-14
申请号：CN202410442530.5
申请日：2024-04-12
申请人： 北京科技大学 , 中色非洲矿业有限公司
IPC分类号： G06F30/27 , G06F17/13 , G06F119/14
摘要： 本发明涉及采矿工程和人工智能领域，特别是指一种在状态空间模型中纳入物理约束的浓密机建模方法及装置，方法包括：获取设定工况下浓密机历史生产参数序列进行预处理；获取设定工况下设备及工艺常量参数；根据仿真需求设定模型超参数，根据超参数组织预处理后的历史生产参数序列、设备及工艺常量参数的输入结构；根据浓密机物理先验构建状态空间模型框架下的神经微分方程梯度网络，使用预处理后的历史生产参数序列、设备常量参数以及工艺常量参数训练网络参数，得到浓密机仿真模型。本发明能够结合物理先验，在考量物理约束的前提下通过数据驱动方式实现浓密机设备的建模，实现在指定历史工况和控制序列下，底流浓度和泥层高度序列的有效预测。
-
公开(公告)号：CN112200887B
公开(公告)日：2023-08-01
申请号：CN202011079638.0
申请日：2020-10-10
申请人： 北京科技大学
摘要： 本发明提供一种基于梯度感知的多聚焦图像融合方法，属于图像处理及人工智能领域。所述方法包括：获取多对待融合图像及其标注组成训练集；其中，每对待融合图像指两张同一场景下已配准的具有不同聚焦区域的图像；构建图像融合模型；利用得到的训练集，采用基于梯度感知的损失函数训练所述图像融合模型；采用训练好的所述图像融合模型对新的待融合图像进行图像融合。采用本发明，能够在去除复杂的后处理操作的同时，提高融合结果的质量。
-
公开(公告)号：CN114972405A
公开(公告)日：2022-08-30
申请号：CN202210485822.8
申请日：2022-05-06
申请人： 北京科技大学顺德研究生院
IPC分类号： G06T7/194
摘要： 本发明公开了一种面向图像分割的损失函数加权方法及装置，所述方法包括：构建具有前景和背景标注的适用于图像分割任务的图像数据集；根据图像中前景和背景所占的像素比例计算类别损失项；根据图像中前景和背景的形态计算形态损失项；根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项；将类别损失项、形态损失项和目标距离损失项加权累加，得到权重图；将权重图与交叉熵损失函数结合，确定图像分割模型的预测结果的损失值；在训练过程中，采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征，从而提高图像分割任务中对于关键前景目标位置的定位准确率。
-
公开(公告)号：CN114037989A
公开(公告)日：2022-02-11
申请号：CN202111296271.2
申请日：2021-11-03
申请人： 北京科技大学
摘要： 本发明公开了一种基于联邦学习与风格迁移的图像分割方法及装置，涉及图像处理及人工智能技术领域。包括：多个用户节点分别构建基于本地图像数据集的风格迁移模型；训练节点基于风格迁移模型，根据联邦风格交换规则获取共享风格迁移模型；训练节点基于共享风格迁移模型，利用本地图像数据真实分割标注，得到具有其他节点图像数据风格的合成图像数据集；多个用户节点基于联邦学习方法对图像分割模型进行联邦训练，得到训练好的图像分割模型。本发明能够在保护用户关切的图像核心信息的前提下，通过共享用户对保密需求不迫切的风格信息，充分降低不同用户之间数据分布差异带来的算法性能损失，最终训练得到泛化能力强的图像分割模型。
-
-
-
-
-
-
-
-
-
搜索结果
90 条记录 (耗时 0.027 秒)
