-
公开(公告)号：CN111597367B
公开(公告)日：2023-11-24
申请号：CN202010418065.3
申请日：2020-05-18
申请人： 河北工业大学
IPC分类号： G06F16/51 , G06F16/583 , G06N3/0464 , G06N3/08
摘要： 本发明为一种基于视图和哈希算法的三维模型检索方法，该方法包括获取不同三维模型不同角度拍摄的多张视图图片，并归一化；构建基于AlexNet的卷积神经网络：在5层卷积层后经视图层连接两层全连接层，并在最后一个全连接层后加入哈希层，将高维特征转为低维的哈希码，转化过程中设计量化损失函数来减少哈希码的量化误差；利用已有三维模型数据集训练基于AlexNet的卷积神经网络，每个模型的特征用经过训练好的网络学习到的哈希特征表示；利用汉明距离计算任意给定查询三维模型与三维模型数据库中的三维模型的相似性，选定汉明距离最小的前几个模型作为结果输出到检索列表，能提高三维模型的检索效率。
-
公开(公告)号：CN114820573B
公开(公告)日：2024-10-25
申请号：CN202210563074.0
申请日：2022-05-18
申请人： 河北工业大学
IPC分类号： G06T7/00 , G06T7/62 , G06T7/10 , G06V10/26 , G06V10/774 , G06V10/82 , G06F16/215 , G16H50/20 , G06T5/90 , G06T3/60 , G06N3/0455 , G06N3/0895
摘要： 本发明为一种基于半监督学习的房颤辅助分析方法，首先，搭建图像分割模型，图像分割模型包括编码器和解码器，编码器和解码器均包括三个卷积模块和两个多层感知器模块，编码器和解码器对应模块之间跳跃连接,多层感知器模块将特征图在宽度、高度和深度三个方向上进行移动，进而将多层感知器扩展至三维方向；设计损失函数对图像分割模型进行训练，将心脏磁共振图像输入到训练后的图像分割模型中，得到左心房分割预测图；基于左心房分割预测图，计算左心房体积、应变、应变率和射血分数四种临床指标，根据临床指标是否在正常参考范围内，辅助医生分析房颤。充分利用CNN擅长捕捉局部信息和MLP擅长捕捉全局信息的特点，提高分割精度，对于临床实践具有重要意义。
-
公开(公告)号：CN111597367A
公开(公告)日：2020-08-28
申请号：CN202010418065.3
申请日：2020-05-18
申请人： 河北工业大学
IPC分类号： G06F16/51 , G06F16/583 , G06N3/04 , G06N3/08
摘要： 本发明为一种基于视图和哈希算法的三维模型检索方法，该方法包括获取不同三维模型不同角度拍摄的多张视图图片，并归一化；构建基于AlexNet的卷积神经网络：在5层卷积层后经视图层连接两层全连接层，并在最后一个全连接层后加入哈希层，将高维特征转为低维的哈希码，转化过程中设计量化损失函数来减少哈希码的量化误差；利用已有三维模型数据集训练基于AlexNet的卷积神经网络，每个模型的特征用经过训练好的网络学习到的哈希特征表示；利用汉明距离计算任意给定查询三维模型与三维模型数据库中的三维模型的相似性，选定汉明距离最小的前几个模型作为结果输出到检索列表，能提高三维模型的检索效率。
-
公开(公告)号：CN111091104A
公开(公告)日：2020-05-01
申请号：CN201911338475.0
申请日：2019-12-23
申请人： 河北工业大学
摘要： 本发明实施例公开了一种目标物体的防护检测方法、装置、设备及存储介质。该方法包括：获取摄像头拍摄的图像信息，确定图像信息中的目标物体，并判断图像信息中是否存在与目标物体相关的防护装置；若确定图像信息中存在与目标物体相关的防护装置，则确定目标物体与防护装置间的实际距离，并通过预设安全距离阈值，检测目标物体是否符合防护要求；若目标物体与防护装置间的相对距离小于等于预设安全距离阈值，则确定目标物体符合防护要求。本发明实施例所提供的技术方案，实现了对加油机的自动安全防护检测，减少了人力成本和时间成本，提高了加油站的安全检测效率，降低了检测错误率。
-
公开(公告)号：CN118297959A
公开(公告)日：2024-07-05
申请号：CN202410408217.X
申请日：2024-04-07
申请人： 河北工业大学
IPC分类号： G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/0895
摘要： 本发明公开了一种基于双任务一致性学习的半监督三维冠状动脉分割方法，首先获取若干三维冠状动脉CTA图像，并进行预处理；然后，构建平均教师模型；平均教师模型包括学生模型和教师模型，学生模型和教师模型均包括编码器和解码器；编码器包括多个自适应残差特征增强模块，自适应残差特征增强模块之间进行下采样；解码器包括多个卷积模块，卷积模块之间进行上采样；编码器的各个自适应残差特征增强模块和解码器对应的卷积模块之间进行跳跃连接；最后，引入双任务一致性学习，对平均教师模型进行半监督训练，将训练后的教师模型或学生模型作为分割模型，用于三维冠状动脉的分割。该方法使用的分割模型能够捕获更多的冠状动脉细节，自适应地增强更重要的特征，使得分割结果更加准确；双任务一致性学习关注跨任务一致性无监督损失的同时还关注任务内一致性无监督损失。
-
公开(公告)号：CN114820573A
公开(公告)日：2022-07-29
申请号：CN202210563074.0
申请日：2022-05-18
申请人： 河北工业大学
IPC分类号： G06T7/00 , G06T7/62 , G06T7/10 , G06T5/00 , G06T3/60 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08 , G06F16/215 , G06K9/62 , G16H50/20
摘要： 本发明为一种基于半监督学习的房颤辅助分析方法，首先，搭建图像分割模型，图像分割模型包括编码器和解码器，编码器和解码器均包括三个卷积模块和两个多层感知器模块，编码器和解码器对应模块之间跳跃连接,多层感知器模块将特征图在宽度、高度和深度三个方向上进行移动，进而将多层感知器扩展至三维方向；设计损失函数对图像分割模型进行训练，将心脏磁共振图像输入到训练后的图像分割模型中，得到左心房分割预测图；基于左心房分割预测图，计算左心房体积、应变、应变率和射血分数四种临床指标，根据临床指标是否在正常参考范围内，辅助医生分析房颤。充分利用CNN擅长捕捉局部信息和MLP擅长捕捉全局信息的特点，提高分割精度，对于临床实践具有重要意义。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.029 秒)
