-
公开(公告)号：CN117593717A
公开(公告)日：2024-02-23
申请号：CN202410070092.4
申请日：2024-01-18
Applicant: 武汉大学
IPC: G06V20/56 , G06V10/764 , G06T7/73 , G06T7/246 , G06V20/40
Abstract: 本发明提供了一种基于深度学习的车道追踪方法及系统，涉及信息智能处理技术领域。该方法对道路视频集进行场景分类获取分类视频集，确定车辆坐标位置并进行转换确定坐标转换信息，对分类视频集中各类视频进行特征分析，确定各类场景图像特征，对其进行预处理与特征标识获得车道特征标识信息集，通过进行网络模型深度学习获得车道检测模型，采集车辆预设角度的视频流信息进行模型分析，基于车道检测结果进行车道跟踪，解决现有技术由于当前的车道追踪方法智能度不足，针对不同路况的局限性较差，易受到自然环境的干扰，造成检测追踪精准度较低，适应性较差的技术问题，通过提高数据分析维度，优化模型运行机制，实现高速度、高精度的道路追踪。
-
公开(公告)号：CN115759175A
公开(公告)日：2023-03-07
申请号：CN202211498735.2
申请日：2022-11-28
Applicant: 武汉大学
IPC: G06N3/006
Abstract: 本发明公开了一种基于近似全局优化的细节层次网格模型逼近方法。首先对简化后的细节层次网格模型的每个点计算可移动范围，该范围通过基于最近邻接点的可变几何空间来确定，然后结合麻雀算法的全局探索能力和灰狼算法的局部勘探能力，构建协同学习的麻雀‑灰狼优化算法，在保留细节层次网格模型的面结构的情况下，使用麻雀‑灰狼优化算法来寻找最佳的顶点位置组合，全局地对细节层次网格的所有顶点进行优化，来逼近原始网格模型。本发明通过网格优化，能够得到具有最小近似误差的最优三维网格逼近效果。
-
公开(公告)号：CN115294563A
公开(公告)日：2022-11-04
申请号：CN202210863984.0
申请日：2022-07-21
Applicant: 武汉大学
Abstract: 本发明公开了一种基于Transformer的增强了局部语义学习能力的3D点云分析方法及装置，其中的方法构建了深度学习模型，包括局部语义自注意力学习模块，能够并行地感知全局上下文信息和获取更细粒度的局部语义特征，从而增强整个网络框架的感知能力；通过4个局部语义学习模块得到不同模块之间点云的局部和全局特征并进行特征汇聚得到全局联合特征，然后将学习阶段所得的联合特征分别送至后续的点云分类和点云分割阶段；得到语义分类结果和最终的分割结果；本发明能获取3D数据中关键的局部几何语义信息，在点云分类应用任务、点云分割任务和大型室内场景语义分割任务等多种3D点云分析应用上有明显的优势。
-
公开(公告)号：CN111260060B
公开(公告)日：2022-06-14
申请号：CN202010104069.4
申请日：2020-02-20
Applicant: 武汉大学
IPC: G06N3/08
Abstract: 本发明公开了一种基于动态强度的物体检测神经网络混合训练方法，缓解了检测网络的数据记忆问题，改善了检测网络的在测试集上的泛化性。通过构建混合数据，一定程度扩充了数据集，并且额外添加了不同类别数据间的线性关系，提升了模型的表现力。而通过动态混合参数的设置，降低了混合训练方法在检测网络上的训练难度，平滑了训练过程，从而更容易得到最优模型。相比于其他训练方法，训练出的模型具有更好的泛化性。
-
公开(公告)号：CN113539491B
公开(公告)日：2022-05-13
申请号：CN202110667210.6
申请日：2021-06-16
Applicant: 武汉大学中南医院
Abstract: 本发明涉及一种基于深度学习的良性前列腺增生评估决策辅助系统。其包括：建模模块，用于构建基于深度学习的评估模型，其中，所述评估模型包括深度神经网络、循环神经网络和嵌入矩阵，所述深度神经网络的输出向量和所述嵌入矩阵的输出向量适于融合后输入所述循环神经网络；决策模块，用于将获取的标定用户的用户信息输入所述评估模型，以获得与所述标定用户对应的良性前列腺增生评估决策辅助信息，其中，所述用户信息包括用户基本信息、体格检查指标和基础检查数据。本发明的技术方案可以基于用户的非图像输入信息确定其属于良性前列腺增生的概率，进而辅助医生进行最终判断。
-
Patent Agency Ranking
公开(公告)号：CN112509070A
公开(公告)日：2021-03-16
申请号：CN202011408336.3
申请日：2020-12-04
Applicant: 武汉大学
Abstract: 本发明提出了一种隐私保护Canny边缘检测方法。本发明包括：客户端、第一云服务器、第二云服务器、第三云服务器。客户端加密源图像，得到一个加密图像和一个偏移图像，分别发送给第一云服务器和第二云服务器；第一云服务器和第二云服务器分别对各自接收到的图像进行颜色空间转换、高斯滤波、梯度计算，并在第三云服务器的帮助下完成低阈值检验、非极大值抑制、高阈值检验、边缘连接、孤立点抑制，之后将两个加密结果图像返回给客户端；客户端解密得到Canny边缘检测的结果。本发明优点在于，在不泄露源图像的隐私信息给云服务器的条件下，实现对源图像的Canny边缘检测，且达到与OpenCV标准Canny边缘检测几乎完全一样的结果。
-
公开(公告)号：CN111667565A
公开(公告)日：2020-09-15
申请号：CN202010400340.9
申请日：2020-05-12
Applicant: 武汉大学
IPC: G06T17/00
Abstract: 本发明公开一种基于优化的保持特征的三维网格模型简化方法和系统。首先计算三维网格中每条边的高斯曲率，将其与该边的二次误差测度结合计算边的折叠代价，构建基于特征保持的边折叠操作。将边分裂操作序列与基于特征保持的边折叠操作序列组合生成混合序列，使用混合机制来进行三维网格模型的简化。利用差分进化的交叉、变异操作代替鲸鱼优化中的全局搜索阶段，构建鲸鱼差分进化优化算法。最后利用优化算法来寻找最优的边分裂操作与边折叠操作序列组合方式，使得简化后的三维模型与原始模型之间近似误差最小。本发明通过网格简化，能够得到具有最小近似误差的最优三维网格简化效果，同时能较好地保持几何特征，提高模型中三角形质量。
-
公开(公告)号：CN111008368A
公开(公告)日：2020-04-14
申请号：CN201911173248.7
申请日：2019-11-26
Applicant: 武汉大学
Abstract: 本发明公开了一种基于栅格的协同设计安全产品数据交换方法及系统，首先将源CAD模型输入到源系统的计算机设备中，如果源模型包含敏感信息，则采用基于栅格的模型过程安全方法处理源CAD模型。然后通过计算机网络，将源CAD模型传输到目标系统的计算机设备中，源CAD模型转换成目标CAD模型。如果源CAD模型是经过变形处理的模型，那么目标CAD模型也是变形后的模型。最后，对于变形处理过的目标CAD模型，通过逆向的基于栅格的模型过程安全方法，在目标系统中恢复变形之前的CAD模型。本发明对基于特征的CAD模型在协同设计中进行产品数据交换，既能保留源模型的敏感信息，又能保持相同的数据交换误差水平。
-
公开(公告)号：CN107346527B
公开(公告)日：2020-03-10
申请号：CN201710514892.0
申请日：2017-06-29
Applicant: 武汉大学
Abstract: 本发明涉及一种层次包围盒构建方法，属于计算机图形处理技术领域，具体是涉及一种基于动态任务调度的层次包围盒构建方法。发明遍历BVH时将一个线程对应叶子结点，在聚类幼树重构时一个Warp对应2个内部结点，使得BVH构建算法在单个主机上的并行度进一步的提高，相比当前通用的方法BVH构建速度提升了大约25％。
-
公开(公告)号：CN110728349A
公开(公告)日：2020-01-24
申请号：CN201910886161.8
申请日：2019-09-19
Applicant: 武汉大学
Abstract: 本发明公开了一种混合蝙蝠算法的优化方法以及多层感知器的优化方法，首先，在种群重构方面，通过改进原有反向学习策略，提出一种带扰动多策略反向学习，以重构一个有效的多样性搜索空间；其次，在全局勘探搜索方面，通过引入鲸鱼优化算法并对其进行改进，提出一种自适应约束步长鲸鱼优化算法，以弥补原有蝙蝠算法在全局勘探能力方面的不足；第三，在局部开采搜索方面，通过引入柯西变异和设计动态纠正策略，提出一种基于柯西变异和动态纠正的蝙蝠算法，以便提高原有蝙蝠算法的局部搜索能力；第四，优化得到的新算法在三个策略的协同作用下，有效提高了优化结果的精度和稳定性。最后，将新算法应用到多层感知器训练问题，并取得较高的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.023 seconds)
