-
公开(公告)号：CN105913018A
公开(公告)日：2016-08-31
申请号：CN201610220376.2
申请日：2016-04-11
Applicant: 福州大学
IPC: G06K9/00
CPC classification number: G06K9/00744 , G06K9/00718
Abstract: 本发明涉及一种局部时空方向能量特征提取的超声心动视频影像分类方法，对超声心动视频影像帧进行密集采样，以增加视频帧中特征点的覆盖面，对采样得到的特征点建立局部时空方向能量特征，运用时空方向滤波器将超声心动视频影像中的特征点运动信息分别分跌倒局部时空方向能量的X,Y,T轴上，得到特征点的局部时空方向能量特征；最后对生成的局部时空方向能量特征进行描述，最终得到超声心动视频影像的特征向量。本发明提高了超声心动视频影像分类技术在分类的准确率，并且提高了算法对于光照噪声和有方向运动物体的特征判断的鲁棒性。
-
公开(公告)号：CN104680548A
公开(公告)日：2015-06-03
申请号：CN201510124454.4
申请日：2015-03-20
Applicant: 福州大学
Abstract: 本发明涉及一种全方向M型心动图检测方法，其特征在于：采用结合分数阶微分的图像增强和基于灰色绝对关联度构造统计量进行图像边缘检测的算法，首先对模糊的心动图进行分数阶微分的图像增强，然后再按照灰色关联度思想构造统计量，从心动图复杂的心脏组织纹理中找到灰度相关性最低的边缘，最后再用区域标记法与所设定的阈值进行比较，去掉孤立的噪声点，得到最佳的运动曲线。
-
公开(公告)号：CN118672401A
公开(公告)日：2024-09-20
申请号：CN202410830274.7
申请日：2024-06-25
Applicant: 福州大学
Abstract: 本发明提供了一种基于眼动与控制器控制的虚拟对象操纵方法，包括以下步骤：步骤1：获取支持眼动射线追踪的数据；步骤2：计算空间凝视方向；步骤3：优化处理数据；步骤4：扫视寻找对象；步骤5：打开光标操作；步骤6：自动校正光标位置；步骤7：手动校正光标；步骤8：确认选择对象；步骤9：使用虚拟对象操作模式；步骤10：移动对象；步骤11：使用一个对象移动碰撞检测规则OMCD，用于限制对象的移动以防止穿模而导致的异常情况；步骤12：旋转对象；步骤13：缩放对象；步骤14：释放对象。应用本技术方案可使得用户能更轻松和流畅地操纵虚拟对象。
-
公开(公告)号：CN114332787B
公开(公告)日：2024-09-06
申请号：CN202111680087.8
申请日：2021-12-30
Applicant: 福州大学
IPC: G06V20/54 , G06V10/82 , G06V10/774 , G06V10/74 , G06N3/088 , G06N3/096 , G06N3/094 , G06N3/045 , G06N3/0475
Abstract: 本发明提出一种无源域无监督域自适应车辆再识别方法，在车辆再识别过程中，通过源域模型和目标域数据，利用关系保持一致损失和知识蒸馏损失训练一个生成器，目的是生成具有源域风格的伪目标样本，然后利用伪目标样本对模型进行微调，从而提升模型性能。其不再使用源域数据，而是利用隐含在源域模型中学习到的源域知识来作为指导，从而促进目标域数据的风格向源域数据的风格进行迁移。
-
公开(公告)号：CN114299543B
公开(公告)日：2024-09-06
申请号：CN202111636116.0
申请日：2021-12-29
Applicant: 福州大学
IPC: G06V40/10 , G06V10/774 , G06V10/764 , G06V10/762 , G06N3/0464 , G06N3/084 , G06N3/0895 , G06V10/82
Abstract: 本发明涉及一种无监督行人重识别方法，包括以下步骤：步骤S1:获取包括若干视角的行人图像数据，构建行人数据集；步骤S2:构建行人重识别模型，并基于无监督的视角内和视角外的训练方法进行训练，得到训练后的行人重识别模型；步骤S3:将待识别图像输入训练后的行人重识别模型，获取识别结果。本发明解决相似度计算问题导致分配伪标签不准确问题，有效提高识别效率和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN114332102B
公开(公告)日：2024-08-02
申请号：CN202111680466.7
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于分离表示的脑肿瘤图像生成与分割联合学习方法。基于分离表示将共享的内容和域特定样式特征分离出来，通过将提取的内容特征与分割任务相连接，能够有效提高脑肿瘤图像合成与分割的效果。通过对缺失模态的合成，无需在所有可能的模态子集上训练模型，复杂性相对更小，所需的训练时间更少。该网络模型可以灵活地处理随机一个或多个缺失域，使模型在输入任何多模态子集时都具有鲁棒性。
-
公开(公告)号：CN114332462B
公开(公告)日：2024-07-26
申请号：CN202111663245.9
申请日：2021-12-31
Applicant: 福州大学
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06N3/084
Abstract: 本发明提出一种针对大脑病变融入注意力机制的MRI分割方法，包括以下步骤；步骤S1、收集有分割图结果的大脑MRI图像，建立训练集；步骤S2、对训练集中待分割的原始大脑MRI图像进行预处理；步骤S3、建立带有注意力机制的卷积神经网络，并以训练集对其模型进行训练；步骤S4、当模型训练完成后，使用训练好的模型参数对验证集图像进行预测，并且生成大脑MRI组织与病变分割图；步骤S5、建立评估文件，评估分割结果；本发明能抽取出更加关键及重要的信息，同时借助迁移学习来提高在小数据集上进行训练的训练效果。
-
公开(公告)号：CN114332013B
公开(公告)日：2024-07-26
申请号：CN202111636037.X
申请日：2021-12-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于肺动脉树分级的CT图像靶肺段识别方法，包括以下步骤：步骤S1:获取CT图像数据，并重建出肺结构，包括肺结节、支气管、肺动脉树和肺叶；步骤S2:对肺动脉树提取初始中心线，并通过端点检测器和轨迹提取器构造完整且连续的拓扑树;步骤S3:根据拓扑树，结合肺叶、支气管先验知识进行约束，确定18个动脉节段子树；步骤S4:确定靶向动脉分支；步骤S5:对肺叶上的每个体素点计算最邻近动脉节段子树，并归属到相应的肺段；同样的，根据距离关系，计算靶向动脉分支在关联肺段中所支配区域，确定靶肺段。本发明充分考虑各肺解剖结构之间的关联性，实现动脉的分级标注，精准确定靶向动脉分支，进而划分肺段和确认靶肺段。
-
公开(公告)号：CN112801019B
公开(公告)日：2022-07-08
申请号：CN202110174945.5
申请日：2021-02-09
Applicant: 福州大学
IPC: G06V20/10 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于合成数据消除无监督车辆再识别偏差的方法及系统，该方法包括以下步骤：S1、通过保持一致性的生成对抗网络SPGAN将合成数据转化为与目标域具有相似风格的伪目标样本，通过伪目标样本对模型进行预训练；S2、通过预训练好的模型进行无监督域自适应或完全无监督任务；S3、通过预先训练好的方向模型和相机模型计算出图像的方向和相机相似度，进而得到最终的车辆相似度用于测试。该方法及系统有利于提高车辆再识别性能，且适应性强。
-
公开(公告)号：CN114332787A
公开(公告)日：2022-04-12
申请号：CN202111680087.8
申请日：2021-12-30
Applicant: 福州大学
Abstract: 本发明提出一种无源域无监督域自适应车辆再识别方法，在车辆再识别过程中，通过源域模型和目标域数据，利用关系保持一致损失和知识蒸馏损失训练一个生成器，目的是生成具有源域风格的伪目标样本，然后利用伪目标样本对模型进行微调，从而提升模型性能。其不再使用源域数据，而是利用隐含在源域模型中学习到的源域知识来作为指导，从而促进目标域数据的风格向源域数据的风格进行迁移。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.021 seconds)
