-
公开(公告)号：CN111275026A
公开(公告)日：2020-06-12
申请号：CN202010207999.2
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云联合语义和实例分割的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息，将得到的三维场景点云数据进行随机下采样得到固定点数的点云数据，将得到的下采样的点云数据输入点云特征编码网络进行特征提取，将提取到的点云特征分别输入两个不同的特征提取网络得到独立的语义特征和实例特征，将语义特征和实例特征按先语义后实例，先实例后语义一步步输入两个不同的两步长的循环卷积神经网络，分别输出实例和语义特征；本发明模拟了人脑处理语义判别和同一语义下个体实例区分时的记忆筛选机制，不仅可以同时输出多任务，准确率也高于传统单任务的方法，具有很高效的推理速度。
-
公开(公告)号：CN109589089A
公开(公告)日：2019-04-09
申请号：CN201710931990.4
申请日：2017-09-30
Applicant: 复旦大学
Abstract: 本发明属医学图像处理及其应用领域，涉及基于多模态影像数据的分析方法及其用途，具体涉及基于多模态核磁共振影像的人脑结构与功能共异常区域的精确检测，以及异常区域活动干预方法，该方法包括T1结构影像，fMRI功能核磁共振影像以及DTI扩散张量影像的分析，可精确定位被试大脑功能结构以及功能均发生异常的位置并评估其异常的程度，为包含抑郁症在内的各种脑疾病病变提供医学依据，可用于利用经颅直流电刺激(transcranial direct current stimulation，tDCS)个体化精准作用于特定脑区，干预异常脑区功能，并以此为抑郁症刺激靶点与效应的精确计算提供算法依据。
-
公开(公告)号：CN108013933A
公开(公告)日：2018-05-11
申请号：CN201711335659.2
申请日：2017-12-14
Applicant: 复旦大学
Abstract: 本发明公开了一种基于集成学习的大脑功能影像定位方法，针对胶质瘤患者脑功能区空间位置的个体差异，利用先进的机器学习算法，将弹性网络算法嵌入集成学习框架，实现了个体化模型生成，构建出因人而异的脑功能区定位器，真正实现了个体化定位，可以在手术中更好的保护脑功能，对每例患者构建个体化脑功能定位模型，提高了定位精度，同时实现无创的脑功能区定位，并不需要患者配合任务态，有利于保护危重病人脑功能。
-
公开(公告)号：CN118131210A
公开(公告)日：2024-06-04
申请号：CN202410172949.3
申请日：2024-02-07
Applicant: 复旦大学
Abstract: 本发明公开了一种基于光滑形变的雷达点云增强方法，包括步骤S1：根据标注信息将雷达点云分为实例部分和场景部分；步骤S2：将步骤S1中分离出来的实例送入光滑形变实例增强模块，得到增强后的实例，一个实例可被增强多次；步骤S3：根据标注信息将路面提取出来，然后送入位置先验采样模块得到实例出现在路面上的位置；步骤S4：根据步骤S3得到的位置将步骤S2中增强后的实例粘贴到路面上；步骤S5：将步骤S4中得到的粘贴实例后的场景送入场景增强模块，进行对整个场景全局的增强操作；步骤S6：将步骤S5中得到的最终的增强结果送入语义分割模型进行训练，最终得到性能更加优异、泛化性更好的模型。
-
公开(公告)号：CN111738148B
公开(公告)日：2024-02-20
申请号：CN202010573632.2
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明提供了一种利用红外巡检拍摄的故障识别方法，属于设备管理领域。本发明包括如下步骤：步骤1，将相机设置为最广角状态后拍摄全景图，并存储全景图；步骤2，对全景图进行检测及图像分割，得到全景分割图，初步确定待检设备中存在故障的设备；步骤3，确定在全景分割图中待检设备的数量，设置待检设备巡检的检测顺序；步骤4，对待检设备进行拍摄，得单个待检设备图片；步骤5，对单个待检设备图片的进行识别；步骤6，对单个待检设备图片进行图像分割，确定与该单个待检设备图片相对应的待检设备是否存在故障；步骤7，生成待检设备的检测报告。本发明可以对每个设备在短时间内实现两次检测判断其是否存在故障。
-
Patent Agency Ranking
公开(公告)号：CN111444811B
公开(公告)日：2023-04-28
申请号：CN202010207425.5
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云目标检测的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息作为神经网络的训练数据集,利用计算机渲染的目标点云模型补全场景中目标由于视角遮挡和远距离缺失的点云，作为虚拟训练数据集，搭建两个三维目标检测网络，一个用于输入真实数据，一个用于输入虚拟数据,将真实的三维场景点云数据和虚拟的三维场景点云数据分别输入各自的点云特征编码网络进行特征提取；本发明模拟了这种联想感知的过程，并将其运用到了深度神经网络中，通过迁移学习技术将真实场景中不完整的点云信息编码特征域迁移到虚拟的完整点云信息编码特征域中，使神经网络能够主动将不完整的点云关联到完整的点云。
-
公开(公告)号：CN111275026B
公开(公告)日：2022-09-13
申请号：CN202010207999.2
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云联合语义和实例分割的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息，将得到的三维场景点云数据进行随机下采样得到固定点数的点云数据，将得到的下采样的点云数据输入点云特征编码网络进行特征提取，将提取到的点云特征分别输入两个不同的特征提取网络得到独立的语义特征和实例特征，将语义特征和实例特征按先语义后实例，先实例后语义一步步输入两个不同的两步长的循环卷积神经网络，分别输出实例和语义特征；本发明模拟了人脑处理语义判别和同一语义下个体实例区分时的记忆筛选机制，不仅可以同时输出多任务，准确率也高于传统单任务的方法，具有很高效的推理速度。
-
公开(公告)号：CN111738148A
公开(公告)日：2020-10-02
申请号：CN202010573632.2
申请日：2020-06-22
Applicant: 复旦大学
Abstract: 本发明提供了一种利用红外巡检拍摄的故障识别方法，属于设备管理领域。本发明包括如下步骤：步骤1，将相机设置为最广角状态后拍摄全景图，并存储全景图；步骤2，对全景图进行检测及图像分割，得到全景分割图，初步确定待检设备中存在故障的设备；步骤3，确定在全景分割图中待检设备的数量，设置待检设备巡检的检测顺序；步骤4，对待检设备进行拍摄，得单个待检设备图片；步骤5，对单个待检设备图片的进行识别；步骤6，对单个待检设备图片进行图像分割，确定与该单个待检设备图片相对应的待检设备是否存在故障；步骤7，生成待检设备的检测报告。本发明可以对每个设备在短时间内实现两次检测判断其是否存在故障。
-
公开(公告)号：CN111444811A
公开(公告)日：2020-07-24
申请号：CN202010207425.5
申请日：2020-03-23
Applicant: 复旦大学
Abstract: 本发明公开了一种三维点云目标检测的方法，包括以下步骤：通过深度传感器和图像传感器获取三维场景的点云信息作为神经网络的训练数据集,利用计算机渲染的目标点云模型补全场景中目标由于视角遮挡和远距离缺失的点云，作为虚拟训练数据集，搭建两个三维目标检测网络，一个用于输入真实数据，一个用于输入虚拟数据,将真实的三维场景点云数据和虚拟的三维场景点云数据分别输入各自的点云特征编码网络进行特征提取；本发明模拟了这种联想感知的过程，并将其运用到了深度神经网络中，通过迁移学习技术将真实场景中不完整的点云信息编码特征域迁移到虚拟的完整点云信息编码特征域中，使神经网络能够主动将不完整的点云关联到完整的点云。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.033 seconds)
