-
公开(公告)号：CN103870891B
公开(公告)日：2017-09-22
申请号：CN201410115140.3
申请日：2014-03-25
Applicant: 安徽大学 , 国网安徽省电力公司电力科学研究院 , 安徽继远电网技术有限责任公司
IPC: G06Q10/04
CPC classification number: Y02A90/15
Abstract: 本发明公开了一种基于网格流的输电线路火灾蔓延预测方法及系统，首先利用火点采集设备获取火点信息；将受灾区域GIS图像划分成网格图像，得到受灾区域的网格地形，识别每个网格的地物类别，再计算不同气象条件下的跨网格火灾蔓延强度，构造受灾区域的火灾蔓延加权网格图；在受灾区域的火灾蔓延加权网格图中搜索从火灾扩散路径，建立火情蔓延模型，计算受灾杆塔的坐标、蔓延的区域面积与火灾蔓延到杆塔的时间；最后对依据网格流方法预测的火灾蔓延的不同影响级别做出相应的告警。本发明的基于网格流的输电线路火灾蔓延预测方法及系统，具有能快速计算出火点蔓延到输电线路区域的时间和火情强度、及时通知火情、预警的准确性高等优点。
-
公开(公告)号：CN1212587C
公开(公告)日：2005-07-27
申请号：CN02138255.7
申请日：2002-09-08
Applicant: 安徽大学
Abstract: 基于DSP的高速便携式扫描仪，由扫描头和控制电路构成，其特征是采用DSP数字信号处理器；存储单元由DSP提供的18根地址线和16根数据线，分别接至闪存器Am29F400B的18根地址线和16根数据线管脚上；扫描头信号单元，由缓冲器74HC244为扫描信号电平整形，整形输出的串行CCD图像信号送至DSP的多通道缓冲串口接收管脚BDR0，并由DSP将该串行信号转换成16位并行信号，经DMA接收，暂存片内RAM中，然后送至数据总线D0-D15上。本发明可脱离计算机独立快速完成扫描工作，其适应性强、成本低、质量高。
-
公开(公告)号：CN119559230B
公开(公告)日：2025-05-06
申请号：CN202410426737.3
申请日：2024-04-10
Applicant: 安徽大学
Abstract: 本发明公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。
-
公开(公告)号：CN118351162B
公开(公告)日：2025-04-11
申请号：CN202410513144.0
申请日：2024-04-26
Applicant: 安徽大学
IPC: G06T7/557 , G06T7/73 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于拉普拉斯金字塔的自监督单目深度估计方法，输入连续图像序列，使用深度估计网络和位姿估计网络获取估计粗深度图和位姿转换信息，使用粗深度图和位姿转换信息重建原图，最后计算和最小化图像重建损失本发明可以计算出高精度的深度图，具有广泛的应用场景，包括三维重建、多视图立体、文化遗产的数字化保护、元宇宙、虚拟现实和增强现实等。
-
公开(公告)号：CN119479969B
公开(公告)日：2025-03-28
申请号：CN202510013977.5
申请日：2025-01-06
Applicant: 安徽大学
IPC: G16H10/60 , G16H15/00 , G16H30/20 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种多模态特征融合Mamba用于医学报告自动生成方法，将原始医学图像输入视觉特征提取模块输出视觉特征；将原始医学报告输入文本特征提取模块，输出文本特征；将视觉特征和文本特征分别输入SSM‑Attention视觉文本特征整合模块，输出新的视觉特征和文本特征；新视觉特征输入Transformer编码器，增强视觉特征提取高级视觉特征；将文本特征和增强后的高级视觉特征输入多模态融合Mamba模块输出融合特征，将融合特征输入Transformer解码器自动生成医学报告。本发明的SSM‑Attention、Multi modal Mamba可独立发展和改进，同时也方便将新开发的技术模块集成进来，并不仅限与医学影像与文本特征的融合，他适用于任何的多模态的特征进行融合。
-
Patent Agency Ranking
公开(公告)号：CN119107416B
公开(公告)日：2025-03-21
申请号：CN202411320983.7
申请日：2024-09-23
Applicant: 安徽大学
Abstract: 本发明公开一种基于混合特征的稀疏视角X射线光图像三维重建方法，利用梯度值作为权重来引导采样射线，使采样射线尽可能分布在变化较明显的区域；使用三平面分解特征和哈希编码特征进行混合，将混合特征送入衰减场预测网络预测衰减值，使用衰减权重预测网络(W‑NAF)预测X射线路径上每个采样像素点的衰减权重，通过这两个网络得到采样像素点处的衰减值和衰减权重值；通过累积沿采样射线的衰减值来生成预测的投影像素值，然后通过最小化预测投影和真实的X射线图像之间的差异来优化网络。
-
公开(公告)号：CN119559230A
公开(公告)日：2025-03-04
申请号：CN202410426737.3
申请日：2024-04-10
Applicant: 安徽大学
Abstract: 本发明公开一种基于手动特征伪装的热图像深度估计方法，首先输入原始热图像和相机内部参数；然后，计算得到加强热图像；其次，构造特征提取编码器、计算热图像特征图及其集合；再次，构造特征伪装结构，计算不确定特征图；从次，构造特征向量解码器，计算估计深度图；和地面真实值计算混合损失；最后，根据估计深度图和地面真实值计算混合损失，即可获得精确的深度图。本发明既能解决现有基于自监督的单目图像深度估计方法在处理大规模室外环境条件恶劣图像数据时所产生的远距离信息感知不足问题，又能提高估计深度的工作效率，为大规模室外环境条件恶劣图像数据在深度估计领域的应用以及三维立体重建和视觉导航技术的发展奠定了重要基础。
-
公开(公告)号：CN119479969A
公开(公告)日：2025-02-18
申请号：CN202510013977.5
申请日：2025-01-06
Applicant: 安徽大学
IPC: G16H10/60 , G16H15/00 , G16H30/20 , G06F18/25 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种多模态特征融合Mamba用于医学报告自动生成方法，将原始医学图像输入视觉特征提取模块输出视觉特征；将原始医学报告输入文本特征提取模块，输出文本特征；将视觉特征和文本特征分别输入SSM‑Attention视觉文本特征整合模块，输出新的视觉特征和文本特征；新视觉特征输入Transformer编码器，增强视觉特征提取高级视觉特征；将文本特征和增强后的高级视觉特征输入多模态融合Mamba模块输出融合特征，将融合特征输入Transformer解码器自动生成医学报告。本发明的SSM‑Attention、Multi modal Mamba可独立发展和改进，同时也方便将新开发的技术模块集成进来，并不仅限与医学影像与文本特征的融合，他适用于任何的多模态的特征进行融合。
-
公开(公告)号：CN119417995A
公开(公告)日：2025-02-11
申请号：CN202510027365.1
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06T17/00 , G06N3/0464 , G06N3/045 , G06N3/088 , G06V20/70 , G06V10/74 , G06V10/34 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/766 , G06V10/82 , G06N3/048
Abstract: 本发明公开一种抗遮挡区域的无监督多视图立体重建方法，能够在无需依赖真实深度信息的情况下，通过处理来自多个视角的图像，有效解决遮挡区域的三维重建问题，并计算出具有高精度的点云模型。首先，提取多尺度特征；然后，采用可变形的大核注意力网络聚合全局信息，计算场景的深度图和对应的置信图；其次，计算对比一致性损失和感知一致性损失为深度估计过程提供伪监督信号，优化深度图；最后，融合深度图，即可获得点云模型。本发明充分利用基于多种监督项的无监督多视图立体计算方法，有效挖掘输入图像自身的特征，估计出高质量的深度图，进而计算出精确的点云模型。
-
公开(公告)号：CN117393100A
公开(公告)日：2024-01-12
申请号：CN202311688317.4
申请日：2023-12-11
Applicant: 安徽大学
Abstract: 本发明提供一种诊断报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括：获取含病变标签和诊断报告的第一类医学影像图片、含病变标签标注的第二类医学影像图片、不含病变标签标注的第三类医学影像图片；根据学生模型生成三类医学影像图片对应的第一预测诊断报告、第二预测诊断报告和第三预测诊断报告；根据教师模型生成第三类医学影像图片的第四预测诊断报告；根据文本分类模型生成第一预测诊断报告和第二预测诊断报告的预测病变标签；基于预测病变标签和病变标签、第二预测诊断报告和诊断报告、第三预测诊断报告的第四预测诊断报告，更新学生模型和教师模型的参数，将训练好的学生模型作为诊断报告生成模型。提高了模型的准确率。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.025 seconds)
