-
公开(公告)号：CN114612663B
公开(公告)日：2024-09-13
申请号：CN202210236149.4
申请日：2022-03-11
Applicant: 浙江工商大学
IPC: G06V10/26 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于弱监督学习的域自适应实例分割方法及装置，首先在源域上训练初始实例分割模型，输出骨干网络特征和语义分数张量，使用层次凝聚聚类构建语义树，然后对语义树的叶节点进行抽样，快速判断实例分割掩码是否准确，根据标注信息对预测不准确的实例进行掩码修正，根据目标域掩码修正结果微调初始实例分割模型，从而改善实例分割模型的有效性。本发明通过使用有限的验证信号快速判断准确样本，并将这些准确样本传播改善初始实例分割模型适应能力，处理不准确样本中的部分噪声，解决了在域自适应方面，虽然可以通过引入来自目标域数据集的监督信号来改进分实例割模型，但人工标注繁琐耗时，并且自训练在伪标签中包含太多噪声的问题。
-
公开(公告)号：CN116309738A
公开(公告)日：2023-06-23
申请号：CN202310277474.X
申请日：2023-03-21
Applicant: 浙江工商大学
IPC: G06T7/30 , A61C7/00 , G06T7/11 , G06T7/194 , G06T7/80 , G06T7/70 , G06T7/00 , G06V20/40 , G06N3/084 , G06N3/048 , G06N3/044
Abstract: 本发明公开了一种基于多视图颌姿态估计的正畸治疗监测方法及装置。给定正畸前3D颌模型和正畸后RGB口腔扫描视频，首先训练牙齿视频实例分割模型，得到每个牙齿的实例分割掩码，其中设计了实例传播模块，只需要使用框位置、类分数和语义分割掩码就可以构造时域中的实例关系；本发明设计了时间一致性损失，用来学习相同实例在帧之间保持高度相似性的特征编码；然后利用数据驱动的方法结合多视图几何关系优化估计固定牙齿框架的颌姿态，通过双向约束的姿态跟踪推断不包含固定牙齿的帧中的颌姿态；最后利用基于迭代的方法估计每个正畸牙齿的相对位姿变化。本发明方法能够在未获取正畸后3D颌模型时准确估计正畸牙齿的姿态变化，实现正畸治疗的有效监测。
-
公开(公告)号：CN113674286A
公开(公告)日：2021-11-19
申请号：CN202111012399.1
申请日：2021-08-31
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于跨图注意力机制和代价函数学习的牙模点云分割方法，该方法首先构建牙模点云分割模型，在该模型中建立异构几何数据的交互图网络，利用跨图注意力机制，探索同个邻接图内、不同邻接图间的局部信息，学习异构几何数据间的依赖性，改善上下文感知特征的辨识能力，解决当前异质几何数据分析仅单独分析每种数据或简单线性组合异质数据忽视异质数据间的语义鸿沟的问题；本发明方法基于神经架构搜索(NeuralArchitecture Search，NAS)，利用自动机器学习(Auto Machine Learning)、进化算法设计代价函数，将代价函数制定为树形结构的原始数学算子，求解与度量函数一致性最高的代价函数，解决代价函数与度量函数的不一致问题。与其他先进方法相比，本发明方法具有可观的竞争力。
-
公开(公告)号：CN113221826A
公开(公告)日：2021-08-06
申请号：CN202110600086.1
申请日：2021-05-31
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于自监督学习显著性估计像素嵌入的道路检测方法，该方法首先构建道路检测模型，道路检测模型由用于生成目标初始掩码的显著性估计模块、进一步改善道路分割掩码的像素嵌入学习模块复合而成；本发明方法基于图像级损失、应用全连接的条件随机场的空域一致性更新掩码预测图，利用时域融合结果更新监督信息用于迭代训练全卷积网络，使用结构感知的四元损失函数，使得属于同一类别像素间的嵌入空间距离小于属于不同类别像素间的嵌入空间距离。本发明方法能够灵活扩展自监督方法到复杂的交通场景中，并能够有效提高无像素级标注情况下的道路检测的准确率。
-
公开(公告)号：CN107862866A
公开(公告)日：2018-03-30
申请号：CN201711077817.9
申请日：2017-11-06
Applicant: 浙江工商大学
CPC classification number: G08G1/0129 , G08G1/065
Abstract: 本发明公开了一种基于平均偏移量平移的交通流量数据噪声点检测方法。本发明主要结合历史数据与邻近数据进行噪声判断以便后续进行相应处理。历史数据指在某一时刻，前几个周期该时刻车流量数据的平均值，邻近数据指待被判定点周围的车流量数据。结合历史数据与邻近数据解算出偏移量，再用周期内的数据与偏移量去拟合历史数据，最后根据拟合的数据与历史数据的偏差来判断数据是否为噪声数据。本发明能够更加准确的定位交通车流量数据中存在的噪声，促进智能交通更精准处理。
-
Patent Agency Ranking
公开(公告)号：CN116153530A
公开(公告)日：2023-05-23
申请号：CN202310146845.0
申请日：2023-02-22
Applicant: 浙江工商大学
IPC: G16H80/00 , A61C7/00 , G06V20/40 , G06V20/52 , G06V10/26 , G06V10/80 , G06V10/82 , G06T7/33 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于口腔扫描视频的正畸治疗监测方法及装置，该方法设计了一个基于深度学习的框架来测量正畸治疗的矫正程度，它可以重建、分割和估计单个牙齿的姿态。本发明首先构建牙齿实例分割模型，在该模型中构建了一个新的异质特征交互模块，它扩展了图的注意力，通过在不同的图中传播信息来有效融合异质数据。然后构建牙齿点云注册模型，并在点云注册过程中设计了一种挖掘结构信息的四元损失函数，通过测量负例样本中的多样性来探索不匹配的点之间的关系。最后，将预测的牙齿姿态与目标牙齿姿态进行比较，以检查正畸治疗结果是否与计划一致。
-
公开(公告)号：CN116071552A
公开(公告)日：2023-05-05
申请号：CN202310142947.5
申请日：2023-02-21
Applicant: 浙江工商大学
IPC: G06V10/26 , G06V10/28 , G06V10/762 , G06T7/12 , G06T7/00 , G06T17/00 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于环境信息挖掘和尺度感知的牙齿实例分割方法，该方法训练牙齿实例分割模型，在骨干网络的编码器前两层分别嵌入一个轻量级的transformer，以增强编码器的非局部信息挖掘能力，根据点云空间几何信息自适应地确定空间编码方式，提升了体素特征的辨别力。本发明通过使用尺度预测网络和团块分割网络，动态预测点云团块大小，降低牙齿实例分割错误的概率，改进牙齿间和牙齿牙龈边界区域的分割结果。与其他先进方法相比，本发明提取出足够有辨识性的3D牙齿数据特征，能应对牙齿数据样本的复杂性，具有可观的竞争力。
-
公开(公告)号：CN115798048A
公开(公告)日：2023-03-14
申请号：CN202211565744.9
申请日：2022-12-07
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于相位谱运动显著性检测的动作识别方法及系统，本发明通过提取待识别视频的RGB帧、光流帧和运动显著性帧，将RGB帧和运动显著性帧逐帧堆叠，又将垂直光流帧和水平光流帧堆叠，得到空间和时间路径的输入特征图，将两个特征图分别输入各自的路径，并对输出进行1维度的拼接，送入自注意力模块使用BERT进一步提取时空特征，对最终输出进行判断，得到预测动作类别。本发明在RGB帧和运动显著性帧的堆叠帧上进行特征提取，有效改进传统双流网络和3D卷积网络对无关背景动作比较敏感的缺点，使模型更加关注视频中的主要动作信息。通过自注意力模块进一步的提取时空特征，可以有效增强最终动作识别准确率。
-
公开(公告)号：CN114399640B
公开(公告)日：2022-07-15
申请号：CN202210292106.8
申请日：2022-03-24
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
公开(公告)号：CN114399640A
公开(公告)日：2022-04-26
申请号：CN202210292106.8
申请日：2022-03-24
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
