一种基于连续边缘特征的平面目标检测方法

    公开(公告)号:CN106022337B

    公开(公告)日:2019-10-15

    申请号:CN201610344722.8

    申请日:2016-05-22

    Applicant: 复旦大学

    Abstract: 本发明属于机器视觉图像处理技术领域,具体为一种基于连续边缘特征的平面目标检测方法。本发明方法包括:提取连续边缘特征、建立目标轮廓模型、基于Hough变换思想提取候选目标、对候选目标进行筛选并实现精确定位等步骤。尤其适用于在工业场景下,快速建立未知平面目标的模型并实现目标检测。本发明无需对于特定目标调整方法,可适用于各种平面目标(以及表面为平面的目标),一定程度上解决了目前视觉系统泛用能力较弱的问题。同时本发明具有较高的检测精度、高效的处理速率以及一定的抗噪能力。

    基于KCF的海上目标跟踪算法

    公开(公告)号:CN109558877A

    公开(公告)日:2019-04-02

    申请号:CN201811220587.1

    申请日:2018-10-19

    Applicant: 复旦大学

    Abstract: 本发明属于视频分析技术领域,具体为一种基于KCF的海上目标跟踪算法。本发明算法包括:(1)图像预处理:主要是对图像的去噪和去雾,获取质量较好的海面图像;(2)目标检测:海天线提取,通过改进的DPM算法获取目标位置;(3)目标跟踪:通过改进的KCF算法,对目标进行轨迹预测,实现有遮挡场景下的多目标跟踪。本发明综合不同图像处理方法性能差异,形成一套能够同时满足时间和准确率要求的算法,可在有限的计算资源下,保证较高的准确率,并实时的进行分析,极大的提高了遮挡场景下的目标跟踪成功率。

    基于单目视觉和IMU信息的机器人定位与地图构建系统

    公开(公告)号:CN107193279A

    公开(公告)日:2017-09-22

    申请号:CN201710320077.0

    申请日:2017-05-09

    Applicant: 复旦大学

    CPC classification number: G05D1/0251 G05D1/0276

    Abstract: 本发明公开了一种基于单目视觉和IMU信息的机器人定位与地图构建系统。本发明利用纯视觉导航信息对IMU偏差模型、绝对尺度以及重力加速度方向等进行估计;在视觉导航中,使用高效的ORB特征提取算法,对图像帧提取丰富的ORB特征;利用基于预积分的IMU动力学模型建立相机的运动模型,对相机位置进行实时初步估计;在初步估计的基础上对两个图像帧之间的ORB特征进行更为精确的估计,再利用多目几何知识,实现对空间地图点三维重构;在融合IMU信息的视觉信息匹配的基础之上,采用基于因子图的后端优化算法,实时对地图位置进行精确和实时的估计。本发明能够对机器人运动和周围环境信息进行精确的估计。

    一种基于连续边缘特征的平面目标检测方法

    公开(公告)号:CN106022337A

    公开(公告)日:2016-10-12

    申请号:CN201610344722.8

    申请日:2016-05-22

    Applicant: 复旦大学

    Abstract: 本发明属于机器视觉图像处理技术领域,具体为一种基于连续边缘特征的平面目标检测方法。本发明方法包括:提取连续边缘特征、建立目标轮廓模型、基于Hough变换思想提取候选目标、对候选目标进行筛选并实现精确定位等步骤。尤其适用于在工业场景下,快速建立未知平面目标的模型并实现目标检测。本发明无需对于特定目标调整方法,可适用于各种平面目标(以及表面为平面的目标),一定程度上解决了目前视觉系统泛用能力较弱的问题。同时本发明具有较高的检测精度、高效的处理速率以及一定的抗噪能力。

    基于天花板视觉的同步定位与地图绘制的方法

    公开(公告)号:CN103680291A

    公开(公告)日:2014-03-26

    申请号:CN201210332451.6

    申请日:2012-09-09

    Applicant: 复旦大学

    CPC classification number: G05D1/0253 G05D1/0274

    Abstract: 本发明属机器人同步定位与地图创建领域,涉及基于天花板的角点信息实现机器人定位及地图绘制的方法,该方法采用实时高效的角点选取算法,角点位于天花板上,由安装在机器人上且光轴与天花板垂直的摄像机进行拍摄,并从拍摄的图片中提取出角点;使用光流跟踪法跟踪连续两张图片中匹配的角点对,利用匹配的角点对来实现角点的三维重构;配合基于扩展卡尔曼滤波的同步定位与地图创建算法确定机器人每次拍摄时的位置和航向角,结合重构的路标信息不断完善地图。本发明实现了基于天花板视觉的同步定位与地图绘制,能较精确地描述机器人与周围环境的关系。

    基于三维重建技术的膈肌表面积计算方法与系统

    公开(公告)号:CN102222336B

    公开(公告)日:2013-04-10

    申请号:CN201110155805.X

    申请日:2011-06-10

    Applicant: 复旦大学

    Abstract: 本发明属于医学成像技术领域,具体为基于三维重建技术的膈肌表面积计算方法与系统。本发明通过对CT图像进行三维重建,还原出人体膈肌的三维图像,然后采集膈肌表面的关键特征点并进行处理,最终计算出膈肌的表面积。本发明可以应用于医学中对与膈肌相关的呼吸疾病(例如慢性阻塞性肺疾病COPD)的诊断,通过对比不同呼吸状况下膈肌表面积的变化来判断病人的病变情况,从而提高了医生对于COPD等病例的诊断效率。

    工业结构化场景中医用胶囊缺陷自动检测的系统

    公开(公告)号:CN102879404A

    公开(公告)日:2013-01-16

    申请号:CN201210374140.6

    申请日:2012-10-07

    Applicant: 复旦大学

    Abstract: 本发明属于视频分析技术领域,具体为一种工业结构化场景中医用胶囊缺陷自动检测的系统。该系统包括:三个分别安装在胶囊传送滚轴两侧和正上方的摄像头,两个安装在胶囊传送滚轴两侧的LED光源,一台计算机;所述计算机上安装有处理软件系统,该处理软件系统包括软件界面启动模块、样本训练模块、图像分析模块以及通讯模块;系统工作时图像分析模块对胶囊图像进行检测,并通过通讯模块将检测结果传输给硬件,使其能剔除不合格胶囊;本发明综合不同图像处理方法性能差异,形成一套能够同时满足时间和准确率要求的算法,可在有限的计算资源下,保证较高的准确率,并实时的进行分析,以满足工业生产中的实际需要。

    基于云台摄像头的飞行器起降跟踪算法及跟踪系统

    公开(公告)号:CN102043964A

    公开(公告)日:2011-05-04

    申请号:CN201010614651.1

    申请日:2010-12-30

    Applicant: 复旦大学

    Abstract: 本发明属于视频监控技术领域,具体为基于云台摄像头的飞行器起降跟踪算法及跟踪系统。本发明通过安装在塔台上的监控摄像头及云台,由控摄像头送出的模拟信号,经转换成为数字视频信号后,作为所述跟踪系统的输入;该跟踪系统包括:目标检测模块、跟踪模块和云台控制模块;本发明可以自动追踪起降飞行器轨迹。本发明可提高机场中有固定起降模式的飞行器监控的准确性与实时性,降低人力资源的消耗,克服大规模高速运动背景视频中对象提取与追踪的种种困难,实现自动智能追踪录像分析,从而提高了监控质量。

    基于教师模型与情境推理的模型蒸馏方法及系统

    公开(公告)号:CN119539011A

    公开(公告)日:2025-02-28

    申请号:CN202510080881.0

    申请日:2025-01-20

    Applicant: 复旦大学

    Abstract: 本发明涉及自然语言处理技术领域,特别是涉及一种基于教师模型与情境推理的模型蒸馏方法及系统。通过使用多教师学习框架,使学生模型能够从多个大型教师模型中汲取知识,为学生模型提供多元化的学习路径;由于引入了上下文感知与示例生成机制,通过考虑输入数据的上下文信息和输入示例,增强了学生模型对复杂情境的理解和推理能力;推理链策略可以确保学生模型能够生成准确且有深度的推理过程,模仿教师模型的决策过程;采用参数微调技术,仅调整学生模型中的关键参数,实现对教师模型知识的高效迁移,减少学生模型在蒸馏过程中需要调整的参数数量;显著降低了模型部署和更新过程中的资源消耗,使得训练出的模型保持与模型相似的性能。

    用于医学视觉-语言多模态任务的文本嵌入表示方法及系统

    公开(公告)号:CN116704272A

    公开(公告)日:2023-09-05

    申请号:CN202210180289.4

    申请日:2022-02-25

    Applicant: 复旦大学

    Abstract: 本发明公开了用于医学视觉‑语言多模态任务的文本嵌入表示方法,包括:步骤1,获取带有类别标签的医学图像数据集,进行预处理,同时划分为测试集和训练集;步骤2,预训练一个基于Transformer块的上下文信息特征的神经网络模型并进行优化训练;步骤3,获取带有医学图像‑文本对的数据集,并进行标准化处理,进行多分类预测,得到图像‑标签‑文本的三元组对;步骤4,对三元组对执行预定操作,得到图像标签的文本特征表示和图像文本对中文本的特征表示;步骤5,将图像标签的文本特征表示融入到图像文本对中文本的特征表示中,得到联合嵌入特征表示;步骤6,使用t‑SNE算法将联合嵌入特征表示降维至二维空间中,从而在隐式嵌入空间中观察特征分布。

Patent Agency Ranking