-
公开(公告)号：CN119920393A
公开(公告)日：2025-05-02
申请号：CN202411836807.9
申请日：2024-12-13
IPC: G16H15/00 , G16H30/20 , G16H50/20 , G06T7/00 , G06T7/11 , G06V10/44 , G06V10/46 , G06V10/82 , G06N3/0455 , G06N3/0499
Abstract: 一种甲状腺超声图像诊断报告自动生成方法，它涉及一种诊断报告自动生成方法。本发明为了解决当前甲状腺超声图像诊断报告中存在的人工分析耗时、费力，以及依赖医生专业技能的问题。本发明的步骤包括步骤1、对ResNet‑50网络进行改进，对已分割好的甲状腺超声图像进行特征提取，该网络包括对甲状腺大小、形状特征以及甲状腺结节特征的特定识别模块；步骤2、应用Transformer架构进行图像的语义映射和描述，通过自注意力机制捕捉图像的全局语义信息，生成紧凑的特征向量；步骤3、基于ChatGLM3‑6B预训练模型，结合P‑Tuning V2微调方法，使用标注的甲状腺超声诊断报告数据进行训练，构建超声报告生成模型。本发明属于超声医学图像处理技术领域。
-
公开(公告)号：CN119516055A
公开(公告)日：2025-02-25
申请号：CN202411564300.2
申请日：2024-11-05
Abstract: 本发明提出一种基于转播视频的冰壶运动员面部重建方法。所述方法针对冰壶运动员在转播视频中的面部特征进行优化，利用深度学习技术，结合掩膜网络策略，克服传统方法在处理反光和弱纹理区域时的局限性，为元宇宙、数字人及体育赛事转播等领域提供更加真实、生动的数字人形象。
-
公开(公告)号：CN115903799B
公开(公告)日：2025-02-14
申请号：CN202211409721.9
申请日：2022-11-10
IPC: G05D1/43 , G05D1/243 , G05D1/65 , G05D1/644 , G05D109/10
Abstract: 本发明公开了一种基于桌壶机器人比赛的实验装置，属于人工智能与自动控制技术领域，包括：桌壶实验场地、桌壶机器人和桌壶裁判模块，其中，桌壶实验场地包括出发区、投掷区、自由防守区、得分区和自主返航通道；桌壶裁判模块包括裁判机、支架和摄像头，裁判机连接摄像头，摄像头安装在支架上；桌壶机器人在桌壶实验场地上运动，桌壶裁判模块固定在桌壶实验场地上，桌壶裁判模块的摄像头通过支架固定在得分区的圆心的正上方，且视场覆盖自由防守区和得分区。该装置设计了适用于人工智能领域的桌壶机器人比赛实验场地，不仅实现了桌壶机器人智能投掷桌壶球并自主返航，还实现了桌壶球定位和比分判定，可为研制冰壶机器人提供重要参考价值。
-
公开(公告)号：CN113763309B
公开(公告)日：2024-10-15
申请号：CN202011155220.3
申请日：2020-10-26
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06T7/246 , G06T7/11 , G06T7/136 , G06T5/40 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/082
Abstract: 本发明公开了一种基于改进U‑net网络和LSTM网络的肝脏血管超声图像目标识别与跟踪方法。步骤1：超声图像序列预处理；步骤2：训练ROI提取模型，从步骤1的超声图像中分割出区域；步骤3：基于改进U‑net网络实现步骤2的区域中目标的准确分割；步骤4：利用CNN‑LSTM网络对步骤1的超声图像序列进行分类；步骤5：基于步骤3的分割结果及步骤4的分类结果，利用LSTM网络实现超声图像序列中目标位置的准确预测。本发明为了解决现有方法无法同时对动态超声图像序列进行目标识别与实时跟踪的问题。
-
公开(公告)号：CN118015062A
公开(公告)日：2024-05-10
申请号：CN202410029486.5
申请日：2024-01-09
Abstract: 一种基于深度相机与实例分割算法的牲畜体尺测量方法，它涉及一种牲畜体尺测量方法，本发明为解决传统牲畜体尺测量方法耗时耗力、测量精度低、且容易令动物产生应激性反应的问题，本发明的步骤如下：1：使用深度相机采集RGB图像与深度图像数据进行预处理并标注；2：基于DeepSnake实例分割算法训练分割模型实现目标物体轮廓的获取；3：结合深度相机采集的深度数据，获取轮廓上各个采样点的空间坐标；4：设计以轮廓点为数据基础的体尺测量算法。本发明采用基于轮廓的实例分割算法自动分割图像中的目标物体，并根据其轮廓的采样点坐标结合深度图像数据计算牲畜体尺，从而为牲畜自动体尺测量提供了理论依据与技术支撑。本发明属于智慧畜牧业技术领域。
-
Patent Agency Ranking
公开(公告)号：CN114004883B
公开(公告)日：2024-05-03
申请号：CN202111162254.X
申请日：2021-09-30
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种冰壶球的视觉感知方法、装置、计算机设备和存储介质。本发明涉及冰壶球的视觉感知技术领域，本发明基于仿真环境生成的位姿估计训练数据，搭建并训练位姿估计网络，对冰壶球在相机坐标系下的位姿进行预测；搭建冰壶球位姿估计网络结构，对输入的冰壶球彩色图像对应的分割图像进行重建，对三维位置和姿态信息进行回归；通过深度相机获取深度图像，提取冰壶球的点云数据，以位姿估计网络的输出结果作为初值，将测量得到的冰壶球点云数据和冰壶球模型点云进行配准，对相机外参数的标定，对定位结果进行坐标转换，获得冰壶球在世界坐标系下的三维位姿。
-
公开(公告)号：CN117852686A
公开(公告)日：2024-04-09
申请号：CN202311614510.3
申请日：2023-11-29
Applicant: 国网黑龙江省电力有限公司电力科学研究院 , 国家电网有限公司 , 哈尔滨理工大学 , 哈尔滨工业大学
Abstract: 基于多元自编码器的电力负荷预测方法，属于电力电网领域，本发明为解决现有电力负荷预测网络结构存在的问题。本发明所述预测方法采用基于编码器‑解码器架构的时间预测神经网络模型对电力负荷进行预测，时间预测模型采用多元自编码器实现；时间预测神经网络模型的构建步骤：S1、建立历史序列‑预测序列的训练集；S2、将历史序列拆分成趋势部分和周期部分；S3、MLP的编码器模块生成趋势部分编码；Transformer的编码器模块生成周期部分编码；S4、将两部分编码连接输入MLP的解码器模块进行解码得到最终的预测结果；S5、反复进行S2‑S4操作输出所有预测结果，利用损失函数计算真实序列与预测序列之间的损失，并根据损失值进行梯度反向传播和梯度下降更新模型参数。
-
公开(公告)号：CN116824703A
公开(公告)日：2023-09-29
申请号：CN202310854395.0
申请日：2023-07-13
Abstract: 本发明提出一种冰壶运动员动作识别与评估方法。所述方法首先，通过人体姿态估计算法，预测人体关节点的置信度和躯干亲和场，提取冰壶运动员投掷视频中的骨架时间序列信息；其次，通过骨架图的归一化，以骨架图之间的像素点欧氏距离作为匹配距离，进行基于动态规划算法的骨架序列对齐，实现待匹配骨架序列和标准骨架序列之间的时序对齐；最后，构建冰壶运动员投掷动作评估规则，并通过冰壶运动员人体骨架检测的骨架图计算目标关节角，利用关节角的范围设计得分函数进行动作评价。所述方法实现了对冰壶运动员投掷动作的评价，为冰壶运动员的训练提供了参考，能够起到辅助冰壶运动员训练的作用。
-
公开(公告)号：CN116650940A
公开(公告)日：2023-08-29
申请号：CN202310521043.3
申请日：2023-05-10
IPC: A63F13/245 , A63F13/816
Abstract: 本发明提出一种冰壶运动虚拟现实比赛实现方法。本发明基于力反馈与动作捕捉技术建立冰壶投掷动作与冰壶球运动初始状态之间关系的模型，在虚拟空间基于摩擦力模型实时估计并显示冰壶球运动状态，同时建立擦冰动作与虚拟空间冰刷运动对冰壶球运动状态改变之间的模型，基于多体碰撞模型预测冰壶球的位置分布，最后通过VR眼镜虚拟现实平台交互显示冰壶比赛过程，实现冰壶运动比赛对抗。所述方法通过对冰壶运动建模搭建冰壶比赛虚拟现实系统的软硬件平台，能够实时估计冰壶球运动状态和落点分布，实现虚拟现实环境中多人/人机交互冰壶比赛，为冰壶运动的大众推广提供条件。
-
公开(公告)号：CN114004883A
公开(公告)日：2022-02-01
申请号：CN202111162254.X
申请日：2021-09-30
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种冰壶球的视觉感知方法、装置、计算机设备和存储介质。本发明涉及冰壶球的视觉感知技术领域，本发明基于仿真环境生成的位姿估计训练数据，搭建并训练位姿估计网络，对冰壶球在相机坐标系下的位姿进行预测；搭建冰壶球位姿估计网络结构，对输入的冰壶球彩色图像对应的分割图像进行重建，对三维位置和姿态信息进行回归；通过深度相机获取深度图像，提取冰壶球的点云数据，以位姿估计网络的输出结果作为初值，将测量得到的冰壶球点云数据和冰壶球模型点云进行配准，对相机外参数的标定，对定位结果进行坐标转换，获得冰壶球在世界坐标系下的三维位姿。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.042 seconds)
