-
公开(公告)号：CN119478985A
公开(公告)日：2025-02-18
申请号：CN202411692437.6
申请日：2024-11-25
Applicant: 厦门大学
IPC: G06V30/22 , G06V30/19 , G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 一种基于部件的手写汉字评价方法，涉及计算机图形学。包括步骤：1）对给定的手写汉字的部分部件进行“随机移动”和“大小变化”调整；2）使用未经变化的标准布局手写汉字和步骤1）中生成的数据作为数据集，对汉字部件重建模块进行预训练；3）利用预训练的汉字部件重建模块，对手写汉字的布局特征进行提取；4）以手写汉字的布局特征为输入，结合布局评价模块进行手写汉字布局评价，得到评价结论及修改建议；5）利用布局评价的建议对手写汉字进行调整。解决现有技术在汉字评价方式、评价结果展示方面的不足，同时有效缩短传统手工设计评价模板的周期并降低成本。在书法教育、字体设计、文字识别领域等领域具备广泛的应用前景。
-
公开(公告)号：CN105468574B
公开(公告)日：2018-11-16
申请号：CN201510799053.9
申请日：2015-11-19
Applicant: 厦门大学
Abstract: 装饰字体的合成方法，涉及字体合成方法。1)用户通过数位板交互，输入文字分割意图；2)对标记信息进行分析处理，得到相应的笔画集合B；3)从网络获取图片以及它的伴随文本；4)将收集的图片作为图片库DI；5)抽取图片的伴随文本和用户输入的文字作为语料库DT；6)手动筛选丢弃一些不合适的前景图，整合得到最终的图片库D；7)采用语义相似性度量算法筛选合适的图片，将筛选出的图片与笔画进行形状匹配，生成初始的装饰字体；8)对初始的装饰字体进行结构优化，得到优化后的装饰字体。可生成漂亮的、可读的装饰字体。
-
公开(公告)号：CN104807468B
公开(公告)日：2017-06-16
申请号：CN201410647840.7
申请日：2014-11-13
Applicant: 厦门大学
IPC: G01C21/26
Abstract: 一种多目的地地图的自动简化及布局优化方法和系统，对于输入的道路网络，预先定义该道路网络中的道路类型包括高速公路、主干道和街道；具体方法包括如下步骤：1)地图数据简化步骤：2)地图布局优化步骤：2.1)地图切割步骤：2.2)地图全局布局优化步骤；2.3)地图局部布局优化步骤；2.4)地图局部微调步骤。使用本发明的方法和系统生成的多目的地地图能够根据用户的定制，从原始的地图数据中抽取出与此用户的出行计划最相关的道路网络，得到一个经过数据简化的稀疏地图，之后，使用本发明的布局优化技术对稀疏地图进行布局优化。布局优化的结果是使得此用户关注的不同层次的细节信息都同时变得清晰可见。
-
公开(公告)号：CN104807468A
公开(公告)日：2015-07-29
申请号：CN201410647840.7
申请日：2014-11-13
Applicant: 厦门大学
IPC: G01C21/26
Abstract: 一种多目的地地图的自动简化及布局优化方法和系统，对于输入的道路网络，预先定义该道路网络中的道路类型包括高速公路、主干道和街道；具体方法包括如下步骤：1)地图数据简化步骤：2)地图布局优化步骤：2.1)地图切割步骤：2.2)地图全局布局优化步骤；2.3)地图局部布局优化步骤；2.4)地图局部微调步骤。使用本发明的方法和系统生成的多目的地地图能够根据用户的定制，从原始的地图数据中抽取出与此用户的出行计划最相关的道路网络，得到一个经过数据简化的稀疏地图，之后，使用本发明的布局优化技术对稀疏地图进行布局优化。布局优化的结果是使得此用户关注的不同层次的细节信息都同时变得清晰可见。
-
公开(公告)号：CN102306308B
公开(公告)日：2013-07-03
申请号：CN201110248463.6
申请日：2011-08-26
Applicant: 厦门大学
IPC: G06K9/68
Abstract: 本发明公开了一种基于纹理学习的电子毛笔建模方法，包括以下步骤，用户在数字手写板上输入书写笔画并以多个离散点的数据结构存储；将上述离散点作为书写笔画的骨架点并根据每一骨架点的书写力度在骨架点的两侧产生两组相对应的边缘轮廓点；采用样条曲线拟合上述产生的两组轮廓点并形成笔画的线条轮廓；使用神经网络和模糊逻辑的方法对真实的毛笔书法纹理进行学习，并获得书法纹理的灰度值序列；根据上述获得的灰度值序列向笔画的轮廓内侧填充并最终获得毛笔书法作品。采用上述方案，神经网络和模糊逻辑的方法获取真实的毛笔书写纹理，使最终获得的毛笔笔画毕真形象，并且计算机处理的速度快。
-
Patent Agency Ranking
公开(公告)号：CN102637078A
公开(公告)日：2012-08-15
申请号：CN201210047113.8
申请日：2012-02-27
Applicant: 厦门大学
IPC: G06F3/023
Abstract: 本发明涉及一种结构优化的汉字字形生成方法，包括以下步骤，创建书法作品的笔画数据库及书法笔画对应的笔锋运动轨迹模板库；识别源自数字板的笔锋轨迹并将其与所述笔锋运动轨迹模板库中的运动轨迹进行对应；对所述书法汉字的间架结构进行描述并将该描述的方法进行标准化；将所述标准化后的书法汉字采用优化算法计算出符合该书法家风格的字体。采用上述方案，再现书法汉字书写的过程，通过预先建立起书法作品的笔画数据库及笔锋运动轨迹模板库，将数位板上输入的笔锋运动轨迹上述笔锋运动轨迹模板库进行匹配对比，以实现再现不同书法作品风格。
-
公开(公告)号：CN102034252B
公开(公告)日：2012-07-04
申请号：CN201010611557.0
申请日：2010-12-29
Applicant: 厦门大学
IPC: G06T11/00
Abstract: 手绘图案的合成方法，涉及一种图案合成技术。提供一种根据人类视觉机制特征的手绘图案的合成方法。使用数位板绘制图案样本；输入合成图案的尺寸；对图案样本中的图案元素聚类，将图案样本中的每个图案元素归入一个元素类别；分析图案元素分布特征；放置种子点生成种子图；构造一个映射关系，将每个种子点映射到一个元素类别；将每个种子点置换为一个图案元素得合成图案。可获得在视觉感受上与图案样本相近的大范围的合成图案，克服了手工绘制图案存在的缺点，与全手工绘制的方法相比，可大大提高绘制效率。合成图案在结构上不存在周期性重复。与传统的四方连续方法相比，合成的效果更生动。相比纹理合成方法，合成图案更符合人类视觉认知规律。
-
公开(公告)号：CN116019461A
公开(公告)日：2023-04-28
申请号：CN202310184470.7
申请日：2023-03-01
Applicant: 厦门大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , A61B3/113 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/2135 , G06F18/241 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 结合眼动和脑电图的癫痫类型检测方法，涉及癫痫检测技术领域。通过对眼动和脑电图的分析，辅助医生判断癫痫类型。首先对提取到的癫痫发作时的脑电信号和眼动三维坐标信息进行预处理并分为固定长度的时间段，然后分别使用时空域卷积网络和眼动编码器对脑电和眼动序列分别进行特征提取，使用跨模态注意力网络将两种模态的特征融合为一个特征，最后将融合特征输入到分类器中，所得分类概率最大的类别为癫痫类型。融合癫痫发作时的眼动特征和脑电信号，兼顾发作时的行为信息和神经特征，分类结果更为准确，在辅助癫痫类型临床诊断和鉴别癫痫类型方面有重要意义。
-
公开(公告)号：CN119488297A
公开(公告)日：2025-02-21
申请号：CN202411683709.6
申请日：2024-11-22
Applicant: 厦门大学
IPC: A61B5/372 , A61B5/16 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06F123/02
Abstract: 一种基于立体脑电图信号的情感解码方法，涉及神经科学与人工智能。对原始脑电图数据进行数据预处理，通过频段过滤和滤波降噪去除无关成分；将连续SEEG数据划分为离散时间窗，以时间窗形式构建二维数据图，应用重叠时间窗实现数据增强；通过时间卷积提取各电极通道的时间特征，提升数据维度表征；结合通道和空间注意力模块自适应调整特征图中各通道与位置的重要性，使模型更加关注关键区域；利用构建的数据集对情感解码网络进行全监督训练，学习时间窗数据与情感的关系；使用训练好的模型对测试数据进行情感预测，计算各项解码指标。提升情感解码的准确率和速度，在情感识别、脑机接口等领域具有广泛应用前景。
-
公开(公告)号：CN119296162A
公开(公告)日：2025-01-10
申请号：CN202411683215.8
申请日：2024-11-22
Applicant: 厦门大学
Abstract: 一种基于个体特异性外观的注视点估计方法，涉及计算机视觉。包括：1）利用脸部和眼部边界框的所有顶点提取人脸和眼部位置信息特征；2）将脸部图像作为输入，计算包含人脸全局信息的脸部特征；3）将眼部图像作为输入，对左右眼图像分别进行单眼特征提取；4)将步骤3）提取的左右眼单眼特征进行整合，进行适应性特征融合得到眼部特征；5）将步骤2）计算得到的脸部特征、步骤4）得到的眼部特征和步骤1）提取的位置特征进行整合，估计注视点坐标。该方法解决现有技术在个体特异性外观信息提取、单眼特征提取方面的不足，同时将模型参数量保持在较低水平以减轻设备负载。在心理学研究、医学诊断、人机交互等领域具备广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
