-
公开(公告)号：CN119228995A
公开(公告)日：2024-12-31
申请号：CN202411193548.2
申请日：2024-08-28
Applicant: 杭州电子科技大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06T17/00 , G06T7/10 , G06T5/50 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于SAM大模型的牙科CBCT三维牙齿快速标注方法。本发明利用改进的SAM网路在CBCT图像中将牙齿与牙周膜和牙槽骨区分开来，具体步骤如下：阶段一、牙齿数据到可训练数据的转换和处理；阶段二、构建改进的SAM网络模型；阶段三、网络模型训练；阶段四、基于CBCT数据的牙齿标注和三维可视化。本发明使用Lora微调技术来帮助SAM网络适应医学图像数据集的图像特点弥补其由于原本仅在自然图像上训练的不足。此外，采用了CNN旁路网络来充分利用3维切片中空间信息和帮助捕捉切片中的边缘信息。最后，还巧妙利用前一张预测结果来帮助生成目标框提示充分发挥SAM网络中的prompt机制。本发明使用同样的少量标注进行训练时，能够得到更好的牙齿标注效果。
-
公开(公告)号：CN118071778A
公开(公告)日：2024-05-24
申请号：CN202410099426.0
申请日：2024-01-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种车辆边缘轮廓检测方法。本发明通过待测车辆图像进行多尺度采样，并使用预设平滑模块得到修正多尺度采样子图，再将多尺度采样子图转化为相应的2*2格子序列，然后采集格子序列中的极值得到相应的极值图，将相应的极值图进行相减得到RBG差值直方图，通过将RGB差值直方图反向映射回原本的采样子图得到相应的采样子图的基础边缘，在通过高重复性的边缘效验模块重新组织新的格子序列对边缘进行验证，再通过将各尺度的边缘图组合到一起完善边缘，最终得到完整的边缘图。本发明减少了运行时间和计算量，同时使用模块重复度高的方法对边缘进行验证，减少了代码量和负载量，提升了车辆边缘轮廓检测的鲁棒性和精确度。
-
公开(公告)号：CN120070603A
公开(公告)日：2025-05-30
申请号：CN202510145375.5
申请日：2025-02-10
Applicant: 绍兴乾雍纺织有限公司 , 杭州电子科技大学
IPC: G06T7/90 , G06T5/77 , G06T5/50 , G06V10/56 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了基于ViT编码和像素改组的点交互灰度图着色方法及系统。该着色方法通过将灰度图像和用户提示在通道上级联，输入ViT编码器提取特征，利用局部稳定层限制感受野并减少图像块边界处的伪影，再通过像素改组方法进行上采样以获得颜色，与灰度图像Ig合并后生成彩色图像。所述着色系统包括图像读取模块、点交互式模块、颜色选择模块和彩色图像生成模块。将训练后的模型部署在彩色图像生成模块上。通过图像读取模块读取待上色的灰度图像，通过点交互式模块和颜色选择模块读取用户提示中的位置信息和颜色信息，传输到彩色图像生成模块中生成彩色图像并展示。本发明能够以最小的成本有效地对图像进行上采样，从而实现图像的实时着色。
-
公开(公告)号：CN116309065A
公开(公告)日：2023-06-23
申请号：CN202310278321.7
申请日：2023-03-21
Applicant: 杭州电子科技大学
IPC: G06T3/40 , G06T5/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于插值的透明结构化的自学习超分辨率图像重构方法。本发明步骤：1、将待处理低分辨率图像上传至计算机，并存入计算机相应的低分辨率输入图像文件中；2、输入图像预处理；3、图像特征信息提取，对预处理后的图像进行下采样后得到的更低分辨率图像进行分类提取；4、图像特征信息分类，将每一个3×3棋盘格分为对应的类别，大致的分类方式为：根据3×3棋盘格中9个像素的像素值分为大区像素和小区像素；5、基于插值的超分辨率重构系数的计算；6、构建特征信息类的决策器；7、将低分辨率图像重构为高分辨率图像。本发明能够很好地保留低分辨率图像的纹理和边缘信息，计算过程简单且重构得到的高分辨率图像的质量更好。
-
公开(公告)号：CN117749662A
公开(公告)日：2024-03-22
申请号：CN202311794294.5
申请日：2023-12-25
Applicant: 杭州电子科技大学
IPC: H04L43/0823 , H04L1/20
Abstract: 本发明公开了一种新高斯Q函数的数字通讯错误快速检测方法。本发明步骤如下：S1：明确信道调制方法和信道模型，获得模型对应的PDF，输入衰落因子m；2：通过检测设备获取待检测数字信号，3：对待检测数字信号进行预处理，计算得到多径信道的复数白噪声信息平均信噪比；4：设置概率密度配准模块，根据输入的近似项数N自动输出对应的高斯Q函数近似表达式；5.执行SEP模块，计算ASEP，获得传输信号性能情况。本发明能够改进近似高斯Q函数用到的参数计算时间会随项数呈指数级增长的情况，同追求高精度的近似公式相比，本发明的计算速度更加快速，且精度也比较好；同追求计算效率的近似公式相比，本发明的计算精度更高，且计算速度处于同一数量级。
-
Patent Agency Ranking
公开(公告)号：CN115830098A
公开(公告)日：2023-03-21
申请号：CN202211650633.8
申请日：2022-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度平滑和关键点搜索的高精度椭圆拟合方法。本发明所提出的方法首先利用多尺度算子对输入图像进行收缩，从而可以去除大量离群点，然后对子图像进行平滑处理，进一步提高数据质量。然后，基于关键点搜索方法，通过分析图像中的离散像素点来提高拟合精度。本发明所提出的方法旨在优化拟合点的选取，与其他传统椭圆拟合方法相比，它克服了传统椭圆拟合算法易受离群点影响的缺点，具有更高的鲁棒性和准确性。同时，本发明还可以作为其他椭圆拟合算法的预处理方法，直接提高它们的拟合精度。
-
公开(公告)号：CN118034468A
公开(公告)日：2024-05-14
申请号：CN202410099427.5
申请日：2024-01-24
Applicant: 杭州电子科技大学
IPC: G06F1/20 , B01D46/10 , B01D46/681 , G06F1/18
Abstract: 本发明公开了一种CPU散热结构。本发明包括散热结构主体，散热结构主体的上表面开设有凹槽，凹槽的内部安装有限制散热结构主体在CPU下端移动位置的定位机构，散热结构主体的下表面安装有过滤机构，过滤机构的下表面设置有收集灰尘的收集机构，通过推动定位机构，将定位机构卡接至CPU安装框架的外端，再通过定位机构设置在散热结构主体的内部，从而降低了工作人员在安装散热结构主体时耗费的时间，进而便于操作者对散热结构主体进行安拆；通过过滤机构对散热结构主体内部吸入的气体进行过滤，从而尽量避免灰尘积攒在散热结构主体的内部，因此降低了使用者定期对散热结构主体进行的清洁次数。
-
公开(公告)号：CN116630192A
公开(公告)日：2023-08-22
申请号：CN202310606693.8
申请日：2023-05-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于计算机的图像处理去噪装置。本发明包括中央控制系统，所述中央控制系统通过无线与图像采集模块实现双向连接，所述图像采集模块的输出端与图像分析单元的输入端电性连接，所述中央控制系统通过无线与模型构建单元实现双向连接，所述模型构建单元的输出端与去噪模块的输入端电性连接，本发明涉及图像处理技术领域。该基于计算机的图像处理去噪装置，通过将图像看做二维矩阵，生成坐标位置，直接得到坐标位置对应的像素值，然后对每个像素点计算四个方向上每个方向像素与中心点像素值的差值加权和，从而避免将边缘或者平坦的区域判定为噪声，提升对噪声点的判断精度，使得图像去噪后不易模糊。
-
公开(公告)号：CN115019557A
公开(公告)日：2022-09-06
申请号：CN202210651668.7
申请日：2022-06-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TUIO协议的车道虚拟边界构建及越界检测方法，本发明通过计算雷达发射角进一步求解出车道包围盒，通过车道包围盒进一步应用于车辆实线变道行为检测中，通过本发明每个十字路口每个方向只需部署1台雷达系统即可捕捉到全要素交通流信息。雷达可检测识别出五种不同类型交通参与者，包括行人、非机动、大型车辆、中型车辆、小型车辆，覆盖范围横向可达8车道，且能够全天候全时段工作。
-
公开(公告)号：CN119624834A
公开(公告)日：2025-03-14
申请号：CN202411741015.3
申请日：2024-11-29
Applicant: 杭州电子科技大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06T5/77 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/094
Abstract: 本发明公开了一种基于改进型ViT‑Unet的图像修复方法。本发明步骤：阶段一、数据收集与预处理，提取多样化的图像数据集。阶段二、通过改进型ViT模块与动态权重的门控卷积相结合，实现高效的特征提取与下采样，作为U‑net结构的编码器；阶段三、利用改进型ViT模块与PixelShuffle的协同作用，进行特征上采样与图像重建，作为U‑net结构的解码器；阶段四、结合增强的深度学习策略，通过对学习率进行调整，对模型进行训练和优化，确保其在不同场景下的适应性和表现。本发明的应用场景广泛，适用于医疗图像、卫星图像以及日常拍摄照片的修复，能够显著提升修复任务的处理速度和结果的质量，对于提高图像处理领域的技术水平具有重要价值。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
