-
公开(公告)号：CN117058379A
公开(公告)日：2023-11-14
申请号：CN202311021945.7
申请日：2023-08-15
Applicant: 南昌大学
Abstract: 本发明公开了基于新型神经辐射场卷积的大规模点云语义分割方法，涉及语义分割技术领域，所述分割方法包括以下步骤：将点云场景表示为#imgabs0#其中N是输入点云的数量，3表示点的X,Y,Z坐标，D表示输入特征的维度；初始特征包含颜色信息；质心使用半径法或KNN算法过滤质心K邻域，以确定质心局部邻域；质心每个相邻点携带坐标和语义特征信息fij。本发明提出了一种新的局部点云表示方法，称为神经辐射场七维，其中首创的局部点云和方向角满足绕XYZ轴的旋转而不变形，并且可以更接近点云数据来学习点云旋转变形。
-
公开(公告)号：CN117557516A
公开(公告)日：2024-02-13
申请号：CN202311479459.X
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V20/69 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/44 , G06V10/80
Abstract: 本发明提供了一种基于YOLOX目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，输入图像到YOLOX网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明在接近临床实际的疟原虫图像上，有效地避免了噪点的干扰，准确定位和分类恶性疟原虫的位置和所处生命周期，既能够精准检测疟原虫，在不同数据集也具有一定的泛化能力。
-
公开(公告)号：CN117557515A
公开(公告)日：2024-02-13
申请号：CN202311479223.6
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V20/69 , G06V20/70 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N3/084
Abstract: 本发明提供了一种基于Faster RCNN目标检测算法的恶性疟原虫环状体检测方法，步骤S1，获取恶性疟原虫切片数据，利用电子显微镜拍摄薄外周血涂片，获得恶性疟原虫图像原始数据集；步骤S2，数据标注，对图像中环状体时期的恶性疟原虫进行标注，获得恶性疟原虫环状体切片数据集，将数据集分为训练集和验证集；步骤S3，导入残差网络预训练权重，训练RPN网络和Fast RCNN网络，利用训练集进行特征学习，验证集验证模型的精度，获得训练好的检测模型；步骤S4，利用训练好的检测模型进行恶性疟原虫环状体检测。本发明能够在接近临床实际意义的疟原虫图像上达到较好的检测精度，能够在血涂片图像中其他因素干扰的情况下，精确地对小目标获取位置和类别信息。
-
公开(公告)号：CN116994292A
公开(公告)日：2023-11-03
申请号：CN202311088140.4
申请日：2023-08-28
Applicant: 南昌大学
Abstract: 本发明提供了一种非接触式心率提取方法及装置。本发明基于欧拉视频放大和U33*原理结合，在增加自适应光照补偿后，通过捕捉并放大采集视频中血液流动中的微小颜色信号，将血液流动表示为图像亮度值的变化，即可通过皮肤颜色随血液循环发生的周期性变化获悉心率的变化趋势；基于颜色放大的采集视频，选定人脸的前额和鼻子作为特征区域，减少心率提取误差；通过平均特征区域的像素值输出原始时域信号，滤波后进行功率谱密度分析，计算心率值。因此，本发明基于欧拉视频放大和U33*原理具有抗环境干扰能力强、误差小和非接触提取心率的准确度高、效果好。
-
公开(公告)号：CN114227054B
公开(公告)日：2023-01-31
申请号：CN202210007616.6
申请日：2022-01-05
Applicant: 南昌大学
IPC: B23K31/12
Abstract: 本发明公开了一种基于3D点云的管板焊缝自动检测方法，包括：S1，采集工件的3D点云获取焊缝数据，利用深度相机对钢件进行扫描，获得工件的3D点云数据；S2，对点云数据进行滤波处理，包括直通滤波，哈希下采样等进行噪声去除；S3，对点云数据的平面进行提取，提取焊缝的周围区域，去除工件的多余部分；S4，获取轮廓平面的点云，提取点云的内外轮廓，使用欧式类聚进行分离，过滤掉差别比较大的轮廓点云，对轮廓点云拟合焊缝圆轨迹；S5，输出结果，输出拟合圆形轨迹轮廓的圆心和半径的参数。本发明能够在强烈弧光、飞溅和电弧噪声等干扰下，准确地提取出管板焊缝位置，极大地提升了抗干扰能力，保证了焊接质量，提高了自动焊接系统的鲁棒能力。
-
Patent Agency Ranking
公开(公告)号：CN114119504B
公开(公告)日：2025-04-25
申请号：CN202111312070.7
申请日：2021-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于级联卷积神经网络的钢件焊缝自动检测方法，包括以下步骤：S1，利用工业相机和红外激光线对钢件进行扫描，获得焊缝数据；S2，对图像进行焊缝区域标注和中心线标注，完成焊缝参考图像集和中心线参考图像集制作；S3，根据训练算法，利用焊缝数据和焊缝参考图像集训练级联卷积神经网络，同时利用焊缝数据和中心线参考图像集训练中心线提取网络；S4，利用工业相机和红外激光线对待检测钢件进行扫描，获得待检测焊缝数据；S5，将待检测的焊缝数据输入训练好的检测模型中输出检测结果。本发明能够准确地提取出焊缝位置，极大地提升了抗干扰能力，保证了焊接质量，提高了自动焊接系统的自适应能力。
-
公开(公告)号：CN117557694A
公开(公告)日：2024-02-13
申请号：CN202311479745.6
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06T13/40 , G06T15/08 , G06T15/20 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供了一种基于条件变分自动编码器和神经混合权重场的动态人体建模方法，将条件变分自动编码(CVAE)与神经混合权重场融合，以纠正从观察空间到规范空间的翻译偏差。首先，设计了时变残差向量回归模块，将时间戳和观测空间采样点作为编码器的输入，将转换后的残差通过解码器输出，对规范空间中的点进行校正。其次，为了重建高质量的人体，基于适合渲染纹理的体积密度构建神经辐射场。第三，与NeuMan直接利用MLP网络优化不同，我们使用一个轻量级MLP来实现条件变分自编码器的编码器和解码器作为辅助网络。本发明能够准确地纠正标准空间采样点的位置，使得变形场转换具有较高准确性和鲁棒性。
-
公开(公告)号：CN115965594A
公开(公告)日：2023-04-14
申请号：CN202211672562.1
申请日：2022-12-21
Applicant: 南昌大学
Abstract: 本发明提供筛网自动焊接轨迹点检测方法及装置，该方法包括：获取待检测筛网对应的筛网三维点云；基于局部领域统计，将筛网三维点云中的野点和噪点进行筛除得到筛除后三维点云；将其沿预设的Z轴投影并进行网格化处理得到二维图像，并将其进行膨胀处理得到筛网缝隙连通图像；将筛网缝隙连通图像基于区域增长处理，得到区域增长图像以及其中的筛网网孔集及每一筛网网孔对应的网孔角点集；根据筛网网孔集的横向角点方向及筛网网孔的网孔间距确定焊接点二维坐标集；对去中各焊接点二维坐标按X型近邻的间距、夹角近似一致进行约束得到约束结果。本发明能够基于各筛网网孔的角点集确定焊接点二维坐标，全程自动执行，提高定位焊接点的效率。
-
公开(公告)号：CN114119504A
公开(公告)日：2022-03-01
申请号：CN202111312070.7
申请日：2021-11-08
Applicant: 南昌大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于级联卷积神经网络的钢件焊缝自动检测方法，包括以下步骤：S1，利用工业相机和红外激光线对钢件进行扫描，获得焊缝数据；S2，对图像进行焊缝区域标注和中心线标注，完成焊缝参考图像集和中心线参考图像集制作；S3，根据训练算法，利用焊缝数据和焊缝参考图像集训练级联卷积神经网络，同时利用焊缝数据和中心线参考图像集训练中心线提取网络；S4，利用工业相机和红外激光线对待检测钢件进行扫描，获得待检测焊缝数据；S5，将待检测的焊缝数据输入训练好的检测模型中输出检测结果。本发明能够准确地提取出焊缝位置，极大地提升了抗干扰能力，保证了焊接质量，提高了自动焊接系统的自适应能力。
-
公开(公告)号：CN118941723A
公开(公告)日：2024-11-12
申请号：CN202411421781.1
申请日：2024-10-12
Applicant: 南昌大学
Abstract: 本发明提供了一种基于可微射线追踪的三维人脸重建方法，涉及计算机视觉与图形学领域。该方法包括以下步骤：基于3DMM生成与输入图像匹配的初始三维人脸模型；基于统计先验和双向反射分布函数获得初始三维人脸模型的反射特性；基于参数化虚拟舞台灯光及可微光线追踪技术模拟光与初始三维人脸模型的交互生成照明模型；基于可微光线追踪技术对所述初始三维人脸模型进行渲染获得合成图像；基于地标损失函数优化所述合成图像的参数，基于正则化方法优化所述合成图像重建过程获得三维人脸模型。本发明提供的基于可微射线追踪的三维人脸重建方法，使重建的三维人脸模型更加真实、自然，提高了重建的准确性和个性化程度，以及提高重建的鲁棒性和适应性。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
