公开(公告)号：CN114898028B

公开(公告)日：2025-01-24

申请号：CN202210473540.6

申请日：2022-04-29

Applicant: 厦门大学

Inventor： 姚俊峰 ,  洪清启 ,  杨传峰

IPC: G06T15/20 ,  G06T15/08 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明基于点云的场景重建兼渲染的方法、存储介质和电子设备，通过获取某单一场景下的多个不同视角的RGB图片、相机参数和深度图数据，构建数据集；对带有神经网络特征的点云进行多视角三维重建，得到特征增强的点云；利用特征增强的点云模拟传统的体积辐射场进行渲染，将目标场景处理为带有神经特征向量的点云，来模拟神经辐射场，避免了在空旷的场景中取样，能以更少的内存来表示场景，实现更快的辐射场重建，另外，由于本发明使用了点的置信度来判断一个点是否在表面上，能忽略点云中的噪声和离散点等，从而获得更好的渲染效果。

公开(公告)号：CN119014817A

公开(公告)日：2024-11-26

申请号：CN202411115540.4

申请日：2024-08-14

Applicant: 厦门大学

Inventor： 刘昆宏 ,  陈涛 ,  高捷 ,  邱维鸿 ,  姚俊峰 ,  张一鸣

IPC: A61B5/00 ,  G06V10/40 ,  G06T7/10 ,  G06V10/764 ,  G06V10/80 ,  G16H50/20

Abstract: 本发明公开了一种基于多源特征融合的舌象检测方法、设备及介质，包括：步骤1、获取受试者的基本生理指标；步骤2、在封闭空间内采集受试者的吐舌面部图像；步骤3、对所述吐舌面部图像进行预处理，分割出舌头图像；步骤4、检查所述舌头图像的质量是否满足要求，若是，则进入步骤5；若否，则返回步骤2；步骤5、使用多分支多尺度神经网络从舌头图像中提取受试者的舌象特征；步骤6、从所述基本生理指标中提取生理指标特征，综合所述舌象特征和生理指标特征预测受试者的健康状态。本发明提高自动化舌象检测的准确率和降低应用成本。

公开(公告)号：CN113081003B

公开(公告)日：2024-10-01

申请号：CN202110201099.1

申请日：2021-02-23

Applicant: 厦门大学

Inventor： 姚俊峰 ,  许梅燕

IPC: A61B5/374

Abstract: 一种基于脑电运动想象的双输入时域特征强化方法，涉及脑电信号处理技术领域，所述方法包括：步骤一、数据过滤；步骤二、数据分割；步骤三、模式识别。本发明通过强化关键的空间特征，提高运动想象识别效果，提高脑电运动想象识别的准确率和普适性，并提高了脑机交互地实时效率。

公开(公告)号：CN114332903B

公开(公告)日：2024-09-17

申请号：CN202111458277.5

申请日：2021-12-02

Applicant: 厦门大学

Inventor： 姚俊峰 ,  何瑞晨 ,  颜彬彬

IPC: G06V30/418 ,  G06V30/304 ,  G06V30/16 ,  G06V30/19 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/044 ,  G06N3/09 ,  G06N3/0985 ,  G06F40/242 ,  G06F40/30 ,  G06F40/143

Abstract: 本发明提供了乐谱识别技术领域的一种基于端到端神经网络的琵琶乐谱识别方法及系统，方法包括：步骤S10、获取大量的琵琶乐谱图片以及各琵琶乐谱图片对应的MusicXML文件，对琵琶乐谱图片进行预处理；步骤S20、按行对各乐谱图片进行切割得到琵琶乐谱子图片，基于琵琶乐谱子图片切割对应的MusicXML文件得到MusicXML子文件；步骤S30、将各MusicXML子文件转换为MEI文件，基于预设的语义字典将各MEI文件转换为语义文件；步骤S40、基于端到端神经网络创建一琵琶乐谱识别模型，利用各琵琶乐谱子图片以及语义文件对琵琶乐谱识别模型进行训练；步骤S50、利用训练后的琵琶乐谱识别模型进行琵琶乐谱识别。本发明的优点在于：实现对琵琶乐谱进行自动识别，极大的提升了琵琶乐谱的数字化效率。

公开(公告)号：CN114202763B

公开(公告)日：2024-09-13

申请号：CN202111473849.7

申请日：2021-12-02

Applicant: 厦门大学

Inventor： 姚俊峰 ,  许梅燕 ,  焦杰

IPC: G06V30/304 ,  G06V30/40 ,  G06F40/30 ,  G06F40/40 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/045 ,  G09B15/02

Abstract: 本发明提供了乐谱识别技术领域的一种音乐简谱语义翻译方法及系统，方法包括如下步骤：步骤S10、获取大量的简谱文件，将各所述简谱文件转换为简谱图片并进行预处理；步骤S20、创建一词义表以及一语法表，基于所述词义表以及语法表对预处理后的各简谱图片进行标注，得到简谱图片集；步骤S30、基于卷积循环神经网络创建一语义翻译模型，利用所述简谱图片集对语义翻译模型进行训练；步骤S40、利用训练后的所述语义翻译模型对音乐简谱进行自动翻译。本发明的优点在于：实现对简谱进行自动翻译，并保留音符本身的信息。

公开(公告)号：CN118544345A

公开(公告)日：2024-08-27

申请号：CN202410617148.3

申请日：2024-05-17

Applicant: 厦门大学

Inventor： 姚俊峰 ,  朱承奥 ,  汤泽瑞

IPC: B25J9/16 ,  G06V30/41 ,  B25J11/00

Abstract: 本发明提供了钢琴模拟演奏技术领域的一种基于机械手的钢琴演奏方法、系统、设备及介质，方法包括如下步骤：步骤S1、获取待演奏的钢琴乐谱的乐谱图像，通过图像识别技术将所述乐谱图像转换为指位表；步骤S2、通过Python将所述指位表转译为机械手的运动轨迹运行脚本；步骤S3、与指腹部设有硅胶套的机械手建立连接并进行参数配置后，执行连接测试；步骤S4、基于所述运动轨迹运行脚本控制机械手在钢琴上位移，以进行钢琴模拟演奏。本发明的优点在于：极大的提升了钢琴模拟演奏效果。

公开(公告)号：CN118506385A

公开(公告)日：2024-08-16

申请号：CN202410617160.4

申请日：2024-05-17

Applicant: 厦门大学

Inventor： 张延坤 ,  姚俊峰 ,  夏新玥 ,  曹贤鹏

IPC: G06V30/304 ,  G06V30/41 ,  G06V30/19 ,  G06V30/148 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提供了古筝简谱识别技术领域的一种基于Transformer的端到端古筝简谱识别方法及系统，方法包括：步骤S1、对获取的古筝简谱图像进行分割得到简谱子图像以构建图像数据集；步骤S2、对各简谱子图像进行预处理；步骤S3、基于编码器与解码器的结构创建一古筝简谱识别模型，基于交叉熵以及音调、时值和指法的一致性损失设定古筝简谱识别模型的损失函数；步骤S4、通过图像数据集对古筝简谱识别模型进行训练，训练过程中结合Teacher forcing技术；步骤S5、对训练后的古筝简谱识别模型进行发布，通过发布的古筝简谱识别模型进行古筝简谱识别。本发明的优点在于：实现对古筝简谱进行识别，且无需将符号逐个分割再识别，而是直接以行为单位识别，简化流程并提高速度。

公开(公告)号：CN118506383A

公开(公告)日：2024-08-16

申请号：CN202410617144.5

申请日：2024-05-17

Applicant: 厦门大学

Inventor： 姚俊峰 ,  李华辰 ,  李星欣

IPC: G06V30/304 ,  G06V30/41 ,  G06V30/19 ,  G06V30/162

Abstract: 本发明提供了琵琶简谱识别技术领域的一种印刷体琵琶简谱识别方法及系统，方法包括：步骤S1、获取琵琶简谱的符号图片，对各符号图片进行分类保存；步骤S2、对各符号图片进行灰度二值化处理后提取符号特征，将各符号特征写入KD树，得到符号特征文件；步骤S3、获取印刷体的琵琶简谱图像，对琵琶简谱图像进行灰度二值化处理后，通过轮廓检测法分别框选琵琶简谱图像中的各符号并进行切片，得到切片图像；步骤S4、通过符号特征文件对切片图像中的符号进行匹配；步骤S5、对匹配的各符号进行节奏分析；步骤S6、以数组的形式对节奏分析后的各符号进行存储，以完成琵琶简谱图像的识。本发明的优点在于：极大的提升了印刷体琵琶简谱识别精度。

公开(公告)号：CN114882553B

公开(公告)日：2024-07-12

申请号：CN202210422919.4

申请日：2022-04-21

Applicant: 厦门大学

Inventor： 林光毅 ,  王备战 ,  姚俊峰 ,  刘昆宏 ,  洪清启 ,  陈俐燕

IPC: G06V40/16 ,  G06V10/82 ,  G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明提供了表情识别技术领域的一种基于深度学习的微表情识别方法及系统，方法包括：步骤S10、交互型机器人通过3D摄像头获取图像流；步骤S20、交互型机器人通过人脸识别算法检测所述图像流中的人脸并进行截取，获取人脸数据流并上传服务器；步骤S30、服务器从所述人脸数据流中提取包括人脸动态数据和人脸静态数据的人脸数据组；步骤S40、服务器基于软编码输出创建一微表情识别模型，并对所述微表情识别模型进行训练；步骤S50、服务器将所述人脸数据组输入训练后的微表情识别模型得到微表情信息，并将所述微表情信息反馈给交互型机器人，交互型机器人基于接收的所述微表情信息进行互动响应。本发明的优点在于：极大的提升了微表情识别的准确率。

公开(公告)号：CN114927239B

公开(公告)日：2024-07-02

申请号：CN202210422918.X

申请日：2022-04-21

Applicant: 厦门大学

Inventor： 林伟平 ,  王备战 ,  姚俊峰 ,  刘昆宏 ,  何松 ,  武连莲 ,  洪清启 ,  陈俐燕

IPC: G16H70/40 ,  G16H50/70 ,  G06F18/2415

Abstract: 本发明提供了机器学习技术领域的一种应用于药物分析的决策规则自动生成方法及系统，方法包括：步骤S10、获取药物数据，提取药物数据的药物特征并构建数据集；步骤S20、计算数据集中各药物特征的方差、数据复杂度以及排列重要性，基于方差、数据复杂度以及排列重要性筛选重要特征；步骤S30、从重要特征中筛选包含n(n＝1,2,3,…)个特征的特征子集，并计算各特征子集的排列重要性；步骤S40、按排列重要性的顺序在各特征子集上搜索使预测结果发生翻转时，各特征子集所需的最小特征变化量，进而生成类别边界；步骤S50、通过贝叶斯公式将类别边界描述成决策规则。本发明的优点在于：能为任意机器学习模型(包括不可解释的黑盒模型)生成高度可解释的决策规则。