-
公开(公告)号：CN114333068B
公开(公告)日：2025-02-25
申请号：CN202111680833.3
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084 , G06T7/246 , G06T7/269
Abstract: 本申请提供了一种训练方法及训练装置。所述方法包括：获取训练样本，所述训练样本为记录啮齿类动物运动的图像序列；将所述训练样本输入神经网络模型，得到所述啮齿类动物的姿态的识别结果，所述识别结果包括所述啮齿类动物的姿态中的关键点；根据所述啮齿类动物的姿态的识别结果，利用损失函数，使用梯度下降法对所述神经网络模型进行训练。其中，所述损失函数包括时间约束项，所述时间约束项用于约束所述啮齿类动物的姿态中的关键点在所述图像序列中的相邻图像帧之间的位置。根据上述方法训练的神经网络模型在进行小鼠等啮齿类动物的姿态识别时，能够有效避免识别结果在时域上的抖动现象。
-
Patent Agency Ranking
公开(公告)号：CN114359802B
公开(公告)日：2024-07-05
申请号：CN202111680425.8
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本申请公开了一种处理图像序列的方法及装置。所述方法包括：利用第一神经网络对所述图像序列进行多次识别，其中，所述第一神经网络在所述多次识别中采用的模型参数不同；根据所述多次识别，确定所述第一神经网络对所述图像序列中的图像的识别结果；利用多种识别算法对所述图像序列进行多视角识别；根据所述多视角识别，确定所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性；根据所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性，从所述图像序列中选取第一图像集合，其中，所述第一图像集合中的图像的识别结果无需进行人工质检。
-
公开(公告)号：CN112184734B
公开(公告)日：2024-06-07
申请号：CN202011068610.7
申请日：2020-09-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本发明公开了一种基于红外图像和穿戴式光纤的动物长时间姿态识别系统，该系统包含注意力机制模块M1、局部姿态识别模型训练模块M2，局部姿态识别预测模块M3、全局姿态还原模块M4，实现了对佩戴有光纤设备的动物行为学红外低分辨率视频的关键节点高精度识别，大幅度减少了人工校验的时长解决了动物蜷缩、旋转以及拍摄光照波动等问题的影响，可广泛应用于脑成像领域。
-
公开(公告)号：CN112184734A
公开(公告)日：2021-01-05
申请号：CN202011068610.7
申请日：2020-09-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本发明公开了一种基于红外图像和穿戴式光纤的动物长时间姿态识别系统，该系统包含注意力机制模块M1、局部姿态识别模型训练模块M2，局部姿态识别预测模块M3、全局姿态还原模块M4，实现了对佩戴有光纤设备的动物行为学红外低分辨率视频的关键节点高精度识别，大幅度减少了人工校验的时长解决了动物蜷缩、旋转以及拍摄光照波动等问题的影响，可广泛应用于脑成像领域。
-
公开(公告)号：CN114359802A
公开(公告)日：2022-04-15
申请号：CN202111680425.8
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本申请公开了一种处理图像序列的方法及装置。所述方法包括：利用第一神经网络对所述图像序列进行多次识别，其中，所述第一神经网络在所述多次识别中采用的模型参数不同；根据所述多次识别，确定所述第一神经网络对所述图像序列中的图像的识别结果；利用多种识别算法对所述图像序列进行多视角识别；根据所述多视角识别，确定所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性；根据所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性，从所述图像序列中选取第一图像集合，其中，所述第一图像集合中的图像的识别结果无需进行人工质检。
-
公开(公告)号：CN114333068A
公开(公告)日：2022-04-12
申请号：CN202111680833.3
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本申请提供了一种训练方法及训练装置。所述方法包括：获取训练样本，所述训练样本为记录啮齿类动物运动的图像序列；将所述训练样本输入神经网络模型，得到所述啮齿类动物的姿态的识别结果，所述识别结果包括所述啮齿类动物的姿态中的关键点；根据所述啮齿类动物的姿态的识别结果，利用损失函数，使用梯度下降法对所述神经网络模型进行训练。其中，所述损失函数包括时间约束项，所述时间约束项用于约束所述啮齿类动物的姿态中的关键点在所述图像序列中的相邻图像帧之间的位置。根据上述方法训练的神经网络模型在进行小鼠等啮齿类动物的姿态识别时，能够有效避免识别结果在时域上的抖动现象。
-
-
-
-
-
Search Results
6
records
(took 0.035 seconds)
