-
公开(公告)号：CN117496091B
公开(公告)日：2024-03-15
申请号：CN202311835358.1
申请日：2023-12-28
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G06T17/20 , G06T15/00 , G06T15/04 , G06V10/44 , G06V10/422 , G06V10/52 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于局部纹理的单视图三维重建方法，该方法具体包括如下步骤：输入图像至卷积神经网络提取特征图和全局特征向量；通过相机参数的投影得到每个空间预设点的局部特征；通过特征图的卷积和上采样得到物体的表面细节纹理偏移图；将每个空间预设点的三维坐标分别与全局和局部特征拼接，送入解码网络解码粗略全局形状和局部细节形状，投影空间预设点到纹理偏移图得到每个点纹理偏移，三部分相加得到重建目标的SDF表示；通过Marching Cube算法提取零值面得到显式重建结果。本发明实现了高质量的单视图三维重建，与已有方法相比，本发明在纹理细节部分重建效果更好。
-
公开(公告)号：CN117132870A
公开(公告)日：2023-11-28
申请号：CN202311385829.3
申请日：2023-10-25
Applicant: 西南石油大学
IPC: G06V10/82 , G06V10/44 , G06V10/42 , G06V10/80 , G06V20/40 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明属于目标检测技术领域，提供了一种CenterNet与混合注意力相融合的机翼结冰检测方法。本发明可用于结冰图像的识别，进而实现机翼结冰检测的任务。本发明旨在解决现有的机翼结冰检测方法要么依赖操作员经验，要么依赖复杂的工程实现和高昂的硬件开发成本等问题。为了解决实验数据中出现的特定结冰区域方向问题，我们设计了一种新颖的角度预测分支网络，以实现对旋转目标的精确校准。进一步的，我们将混合注意力（Convolutional Block Attention Module）融合到神经网络中，有效的增强了对冰形边界的特征提取能力。我们设计了RA‑CenterNet与其他主流旋转目标检测方法和基线网络的对比实验，结果表明，RA‑CenterNet算法与主流旋转目标检测算法相比具有综合竞争优势。
-
公开(公告)号：CN116913479A
公开(公告)日：2023-10-20
申请号：CN202311176241.7
申请日：2023-09-13
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G16H30/20 , G16H50/30 , G06V20/69 , G06V10/774
Abstract: 本发明公开了一种确定实施PMRT的三阴性乳腺癌患者的方法及装置，属于三阴性乳腺癌切除术后预后的技术领域，本方法先获取所述三阴性乳腺癌患者的医学图像，所述医学图像具体为病理H&E染色全切片图像；然后将所述医学图像进行预处理后输入到预先训练好的预设分层模型中；接着通过所述预设分层模型、预设核特征和所述三阴性乳腺癌患者的属性信息确定所述三阴性乳腺癌患者的风险等级；最后基于所述风险等级确定所述三阴性乳腺癌患者是否实施PMRT，能够准确地确定出哪些患者需要实施PMRT，有效指导了放疗决策。
-
公开(公告)号：CN116030095A
公开(公告)日：2023-04-28
申请号：CN202310049832.1
申请日：2023-02-01
Applicant: 西南石油大学
IPC: G06T7/246 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于双分支孪生网络结构的视觉目标跟踪方法，属于图形图像处理领域；它解决了目前目标跟踪方法中遮挡、形变、模糊运动以及相似物干扰等常见的问题；其技术方案是：向双分支孪生网络结构同时输入模板帧和搜索帧图像，然后将经过双分支孪生网络结构的模板帧和搜索帧图像进行互相关操作，得到一张响应图，取出响应图中值最大的点即为待跟踪目标的中心位置；本发明具有以下有益效果：通过双分支网络结构中的浅层分支能精确捕捉目标位置信息；深层分支通过提取目标抽象的语义信息，能很好的应对跟踪过程中目标出现的遮挡、尺度变化等问题；将经过两个分支的结果进行自适应融合，能够达到很好的综合效果。
-
公开(公告)号：CN115641445B
公开(公告)日：2023-03-14
申请号：CN202211660330.4
申请日：2022-12-23
Applicant: 西南石油大学
Abstract: 本发明属于遥感图像阴影检测技术领域，提供了一种非对称内卷积与Transformer相融合的遥感图像阴影检测方法，通过Transformer网络具有捕获长距离依赖关系的特点，提取遥感图像全局特征信息，解决CNN感受野不足的问题；通过构建多尺度非对称内卷积模块，利用交叉式感受野的特点减轻捕获代表性特征中的冗余信息；通过利用内卷积的空间特异性和通道不变性，改善长距离像素依赖的问题，提升网络的计算效率；通过采用内卷积替换平时池化层，缩减输入数据的尺寸大小，防止图像中一些低分辨率特征的信息的丢失；通过构建特征融合模块，使得网络结构能够同时继承CNN和Transformer的优点，并且最大程度保留全局和局部特征，提高了遥感图像中阴影检测的精度和准确率。
-
Patent Agency Ranking
公开(公告)号：CN115641445A
公开(公告)日：2023-01-24
申请号：CN202211660330.4
申请日：2022-12-23
Applicant: 西南石油大学
Abstract: 本发明属于遥感图像阴影检测技术领域，提供了一种非对称内卷积与Transformer相融合的遥感图像阴影检测方法，通过Transformer网络具有捕获长距离依赖关系的特点，提取遥感图像全局特征信息，解决CNN感受野不足的问题；通过构建多尺度非对称内卷积模块，利用交叉式感受野的特点减轻捕获代表性特征中的冗余信息；通过利用内卷积的空间特异性和通道不变性，改善长距离像素依赖的问题，提升网络的计算效率；通过采用内卷积替换平时池化层，缩减输入数据的尺寸大小，防止图像中一些低分辨率特征的信息的丢失；通过构建特征融合模块，使得网络结构能够同时继承CNN和Transformer的优点，并且最大程度保留全局和局部特征，提高了遥感图像中阴影检测的精度和准确率。
-
公开(公告)号：CN115631392A
公开(公告)日：2023-01-20
申请号：CN202211670815.1
申请日：2022-12-26
Applicant: 西南石油大学
IPC: G06V10/778 , G06V10/26 , G06V10/80 , G06V10/82 , G06V20/69
Abstract: 本发明公开一种基于深度学习的晶体TEM图像物相区域划分方法，包括：滑动窗口与深度学习部分，物相识别部分和区域合并部分。滑动窗口将原图划分为多个区域，深度学习部分提出了LCA‑Unet模型用于提取TEM图像各个区域的傅里叶变换幅度谱中的亮点，物相识别部分中可以识别出各个区域内可能包含的物相，区域合并部分将包含相同物相的区域合并，并描绘物相区域的边界。该方法可实现晶体TEM图像中物相区域的自动划分，可以有效的避免研究人员陷入繁琐的手动分析任务中。
-
公开(公告)号：CN118052921A
公开(公告)日：2024-05-17
申请号：CN202410168686.9
申请日：2024-02-06
Applicant: 西南石油大学
Abstract: 本发明涉及图形渲染技术领域，具体涉及一种图像渲染方法、设备、存储介质及产品。该方法对可编程管线模块创建自定义渲染管线，并进行场景渲染和编辑器渲染；对创建的自定义渲染管线进行批处理、光照、阴影、HDR和颜色分级功能配置；采用半兰伯特光照模型模拟非真实光照，采用双向反射分布函数模型模拟真实光照，并对渲染图像通过设置Shader Pass和渲染排序模式进行渲染过滤，完成相机视图的可见图形绘制。本发明能够实现风格化场景的快速设置和高效渲染。
-
公开(公告)号：CN117496091A
公开(公告)日：2024-02-02
申请号：CN202311835358.1
申请日：2023-12-28
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G06T17/20 , G06T15/00 , G06T15/04 , G06V10/44 , G06V10/422 , G06V10/52 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于局部纹理的单视图三维重建方法，该方法具体包括如下步骤：输入图像至卷积神经网络提取特征图和全局特征向量；通过相机参数的投影得到每个空间预设点的局部特征；通过特征图的卷积和上采样得到物体的表面细节纹理偏移图；将每个空间预设点的三维坐标分别与全局和局部特征拼接，送入解码网络解码粗略全局形状和局部细节形状，投影空间预设点到纹理偏移图得到每个点纹理偏移，三部分相加得到重建目标的SDF表示；通过Marching Cube算法提取零值面得到显式重建结果。本发明实现了高质量的单视图三维重建，与已有方法相比，本发明在纹理细节部分重建效果更好。
-
公开(公告)号：CN116030095B
公开(公告)日：2023-06-20
申请号：CN202310049832.1
申请日：2023-02-01
Applicant: 西南石油大学
IPC: G06T7/246 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于双分支孪生网络结构的视觉目标跟踪方法，属于图形图像处理领域；它解决了目前目标跟踪方法中遮挡、形变、模糊运动以及相似物干扰等常见的问题；其技术方案是：向双分支孪生网络结构同时输入模板帧和搜索帧图像，然后将经过双分支孪生网络结构的模板帧和搜索帧图像进行互相关操作，得到一张响应图，取出响应图中值最大的点即为待跟踪目标的中心位置；本发明具有以下有益效果：通过双分支网络结构中的浅层分支能精确捕捉目标位置信息；深层分支通过提取目标抽象的语义信息，能很好的应对跟踪过程中目标出现的遮挡、尺度变化等问题；将经过两个分支的结果进行自适应融合，能够达到很好的综合效果。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.038 seconds)
