-
公开(公告)号：CN118212372B
公开(公告)日：2024-07-23
申请号：CN202410630016.4
申请日：2024-05-21
Applicant: 成都信息工程大学
IPC: G06T17/05 , G06T17/10 , G06T17/20 , G06T15/00 , G06T15/08 , G06V10/80 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/82 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合神经隐式表面表征与体积渲染的建图方法，基于密度场是由一个定义良好的表面产生的这一设定，将经典体渲染技术中的体密度建模为参数可学习的符号距离函数，并利用估计的TSDF引导由光心像素生成射线与真实表面交点附近密集采样，使采样点分布更好地吻合场景真实辐射场分布，以获取更准确的表面几何近似与颜色表征。通过采用体素存储TSDF与高效的空间收缩函数，增强射线与几何边界交叉的检测效率，实现无边界的真实世界场景的照片级图像合成，同时生成精确的深度图。采用体素动态扩展技术实现大规模场景的高效隐式场景表示。
-
公开(公告)号：CN118332454A
公开(公告)日：2024-07-12
申请号：CN202410750277.X
申请日：2024-06-12
Applicant: 成都信息工程大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/25 , G06F18/2131 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于多维特征融合的情绪识别模型训练方法，涉及情绪识别技术领域，该方法为对脑电信号进行预处理，得到频域信息；对频域信息进行微分处理，得到微分熵数据；基于微分熵数据，通过多维特征融合的方式训练情绪识别模型，得到训练好的情绪识别模型；情绪识别模型用于对所述脑电信号进行分析，得到情绪分类结果。本发明解决了情绪识别模型冗余性高和通用性差的问题。
-
公开(公告)号：CN118212372A
公开(公告)日：2024-06-18
申请号：CN202410630016.4
申请日：2024-05-21
Applicant: 成都信息工程大学
IPC: G06T17/05 , G06T17/10 , G06T17/20 , G06T15/00 , G06T15/08 , G06V10/80 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/82 , G06N3/0499 , G06N3/048
Abstract: 本发明公开了一种融合神经隐式表面表征与体积渲染的建图方法，基于密度场是由一个定义良好的表面产生的这一设定，将经典体渲染技术中的体密度建模为参数可学习的符号距离函数，并利用估计的TSDF引导由光心像素生成射线与真实表面交点附近密集采样，使采样点分布更好地吻合场景真实辐射场分布，以获取更准确的表面几何近似与颜色表征。通过采用体素存储TSDF与高效的空间收缩函数，增强射线与几何边界交叉的检测效率，实现无边界的真实世界场景的照片级图像合成，同时生成精确的深度图。采用体素动态扩展技术实现大规模场景的高效隐式场景表示。
-
公开(公告)号：CN115965950A
公开(公告)日：2023-04-14
申请号：CN202310038860.3
申请日：2023-01-12
Applicant: 成都信息工程大学
IPC: G06V20/59 , G06V40/16 , G06V40/18 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于多特征融合状态识别网络的驾驶员疲劳检测方法，应用于疲劳驾驶检测领域，针对现有技术检测效率低，并且存在错误检测的问题；本发明提出了一个结合了两个子网的多特征融合状态识别网络，分别选取NTHU‑DDD数据集中的眼睛和嘴巴以及头部姿态特征，从视频图像来检测疲劳；首先训练了一个MTCNN人脸检测器来对驾驶员面部特征定位，再提出了一个多特征分割提取算法来在压缩参数的同时也能提取到有效的面部特征，然后提出了一个基于Inception模块、残差模块和通道注意力机制的多特征融合状态识别网络用于检测眼睛、嘴巴和头部姿态来判断驾驶员是否疲劳；本发明的方法优于现有技术，且具有很好的稳定性和实用性。
-
公开(公告)号：CN110633734B
公开(公告)日：2022-08-19
申请号：CN201910776915.4
申请日：2019-08-22
Applicant: 成都信息工程大学
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于图论相关理论进行异常检测的方法，包括该方法具体包括以下步骤：第一步，将原始数据集进行聚类操作，将数据集分割成不同的簇；第二步，计算出原始数据集的均值密度，将原数据集均值密度作为阈值与簇密度比较对数据集进行精简；第三步，对数据集进行特征提取和空间距离计算并对结果进行数据化操作第四步，将有效检测的数据簇的所有数据点按计算出来的权重值分配构建无向连通图；第五步，采用弗洛伊德算法查找相应簇的最短路径。在对于数据集的预处理上，本发明采取了二次精简数据集的办法，以不同的基准信息来对数据集进行降维操作，可以有效地减少大量无用数据集，极大程度的减少了异常检测过程的时间复杂度和空间复杂度。
-
Patent Agency Ranking
公开(公告)号：CN109849802B
公开(公告)日：2020-08-04
申请号：CN201910270999.4
申请日：2019-04-04
Applicant: 成都信息工程大学
IPC: B60R11/02
Abstract: 本发明公开了一种车载可移动式计算机支架，涉及计算机技术领域。该发明包括支架本体，支架本体上表面开有放置槽，放置槽内部固定有松紧带，松紧带一端固定有卡块，放置槽一侧开有卡槽，支架本体一侧开有固定槽，支架本体底部固定有若干滑槽，滑槽内部滑动连接有滑块，滑块两侧开有活动槽，活动槽内部固定有卡杆，卡杆外侧滚动连接有滚珠，滑块一侧固定有连接杆，连接杆一端固定有调节杆，调节杆外侧固定有限位板。本发明通过加长板的作用，在使用时结构合理，操作简单，使键盘和鼠标等外设有足够的地方安放，以此提高使用者的工作效率，且收起放置板和加长板时其体积较小，便于随身携带。
-
公开(公告)号：CN119867786A
公开(公告)日：2025-04-25
申请号：CN202411932992.1
申请日：2024-12-26
Applicant: 成都信息工程大学
IPC: A61B5/372 , A61B5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/09
Abstract: 本发明公开了一种用于脑电伪迹去除的基于卷积注意力的自适应分离网络，包括顺序连接的编码模块、分离模块和解码模块；编码模块包含一个输入模块、三个子模块A和三个下采样模块，三个子模块A顺次连接，每个子模块A后连接一个下采样模块；所述分离模块包括由多个时序卷积模块组合而成的子模块B、PRelu激活函数、点卷积、sigmod激活函数；解码模块包括三个子模块C、三个上采样模块和输出模块，三个子模块C依次连接，每个子模块C之前连接一个上采样模块，第三个子模块C的输出与输出模块相连。本发明可以高效的从受污染的原始脑电图中提取干净的脑电信号，对脑电信号的自动且实时的预处理有重要意义。
-
公开(公告)号：CN117765187A
公开(公告)日：2024-03-26
申请号：CN202410196740.0
申请日：2024-02-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于多模态深度估计引导的单目隐神经的建图方法，采用模糊深度感知模块的条件隐式最大似然估计技术生成深度多模态分布先验，提高存在非不透明介质时的场景重建精度，引入空间雕刻损失实现多视图深度估计的有效融合，获得全局一致的场景表征，引入表面法线损失，加强局部几何一致性约束，优化场景表示的同时使得系统在仅RGB输入的条件下，也具备精确的位姿跟踪精度和鲁棒性，解决了现有技术中因形状辐射歧义导致的全局表面重建不一致性，受限于物体空间位置遮挡与传感器测量精度导致建图不完整，定位效果不理想的问题。
-
公开(公告)号：CN117237858A
公开(公告)日：2023-12-15
申请号：CN202311518839.X
申请日：2023-11-15
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种回环检测方法，属于回环检测技术领域，为了提高回环检测的精度，所述回环检测方法包括：S1：利用胶囊网络提取原始图像当前帧的特征向量和历史帧的特征向量；S2：计算所述当前帧的特征向量和所述历史帧的特征向量之间的相似度；S3：利用相似度得分矩阵选取相似度得分较高的前K个帧；S4：分别计算当前帧与所述前K个帧的图像序列相似度；S5：根据最大图像序列相似度确定回环检测结果。本发明能够提高回环检测的精度。
-
公开(公告)号：CN117093918A
公开(公告)日：2023-11-21
申请号：CN202311347683.3
申请日：2023-10-18
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于格拉姆角和场和CBAM‑Resnet34的重叠尖锋识别方法，首先使用已有的尖锋数据来制作重叠尖锋模板训练集，接着采用格拉姆角和场方法将一维尖锋序列转换成二维图像，用于训练CBAM‑Resnet34模型。经过训练后，该模型可以准确地对重叠尖锋进行分类，不仅节省了大量时间和人力成本，而且其平均准确率达到了92.737%，超过了传统方法。结果表明该方法可以有效地区分重叠尖锋。综上所述，GASF‑CBAM‑Resnet34模型的重叠尖锋分类方法是一种有效的解决重叠尖锋问题和提高分类准确性的方法。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.019 seconds)
