-
公开(公告)号：CN113647939B
公开(公告)日：2022-11-15
申请号：CN202110988589.0
申请日：2021-08-26
Applicant: 复旦大学
IPC: A61B5/11 , A61B5/00 , A61B5/0205 , A61B5/107 , A61M21/02
Abstract: 本发明涉及一种针对脊柱退行性疾病的人工智能康复评估与训练系统，包括：脊柱运动评估子系统，接收现场拍摄的患者康复训练过程中的图像，对进行中医引导书康复训练前后的患者的颈椎、腰椎的关节活动度进行测量；姿态识别纠正子系统，将患者正在练习的动作进行实时的识别和分类，在患者训练过程中进行实时训练评估，并在患者完成整套训练动作后进行训练评估；背景音乐推荐子系统，提供用于患者康复训练过程中的辅助治疗的音乐；生理信号监测子系统，实时监测患者康复训练时的心率和呼吸速率，对患者的健康状况进行监控。与现有技术相比，本发明具备较强的便携性、易操作性，可满足患者远程居家自我康复训练。
-
公开(公告)号：CN111105390B
公开(公告)日：2022-03-18
申请号：CN201911144002.7
申请日：2019-11-20
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体为一种改进的海天线检测和评估方法。本发明步骤为：根据海天线图像中噪声分布特点，进行图像的预处理操作，包括：图像颜色空间的转换、图像平滑、图像照明度增强等；提取亮度信息，获得灰度图；根据海天线图像中天空区域和海洋区域的分布特点，按照图像斜对角线方向切分图像；获取天空区域和海洋区域的亮度阈值，和海天线周围区域的亮度阈值；获取海天线周围区域的像素点；经过线性拟合操作得到最终海天线的位置，并绘制出来；根据图像中预测和真实海天线的位置，使用两个原创指标进行评估。本发明方法在强光照场景、低对比度场景、复杂场景和常规场景中，都可以稳定、准确、高效的检测出海天线的位置。
-
公开(公告)号：CN112336318B
公开(公告)日：2022-02-18
申请号：CN201910734678.5
申请日：2019-08-09
Applicant: 复旦大学
IPC: A61B5/02
Abstract: 本发明涉及一种自适应多模态融合的脉搏位置精确定位方法，利用机器视觉、生物信号以及深度学习架构的多模态融合技术,包括如下步骤：步骤S1，搭建数据采集系统，使用相机对志愿者的手腕脉搏处进行拍照，得到多张手腕脉搏照片；步骤S2，对多张手腕脉搏照片的RGB三通道像素进行像素处理，得到第四PPG信号，进而将第四PPG信号经过信号处理得到iPPG信号；步骤S3，将iPPG信号经过模型处理得到手腕脉搏处。
-
公开(公告)号：CN113887589A
公开(公告)日：2022-01-04
申请号：CN202111102460.1
申请日：2021-09-20
Applicant: 复旦大学
Abstract: 本发明属于零样本图像分类领域，具体为一种基于潜层特征生成的广义零样本图像分类方法。本发明通过将真实的图像特征和WGAN生成的图像特征映射到M‑VAE的潜层空间来进一步对齐它们的分布，并通过跨模态重构保留判别性语义信息。基本步骤为：首先使用seen类的图像特征和语义嵌入训练一个潜层特征生成模型；然后使用这个训练好的模型将seen类和unseen类的语义嵌入和图像特征转化为潜层特征。最后，使用这些潜层特征进行最终的Softmax分类器的训练和测试。本发明学习了一个有判别力的潜层空间，能以较小的潜层特征尺寸实现较高的精度。
-
公开(公告)号：CN105938556B
公开(公告)日：2020-07-28
申请号：CN201610255819.1
申请日：2016-04-22
Applicant: 复旦大学
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于水流法的宽线检测算法。其步骤为：构建地貌海拔图：将输入的彩色图像转化为灰度图像，采用导向滤波对灰度图像进行边缘保留的平滑处理，以图像灰度信息作为海拔数据构建地貌海拔图；水流法获取宽线响应图：计算平滑后图像的粗糙度图像，通过Otsu选取粗糙度较大的像素点作为候选水分子，在地貌海拔图上利用水流法得到宽线响应图，水流法坡阈值和几何阈值参数自适应选取；宽线提取：计算输入图像的暗度信息或明度信息来消除错误的线响应，通过一些形态学操作进行平滑处理，获得最终宽线检测结果。本发明方法能够检测出线的厚度，能自适应地检测出纹理形状、厚度各异的宽线，可极大的提高宽线检测的准确度。
-
Patent Agency Ranking
公开(公告)号：CN111126451A
公开(公告)日：2020-05-08
申请号：CN201911209672.2
申请日：2019-12-01
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉技术领域，具体为对偶式语义分割方法。本发明方法的步骤为：根据用户输入的图像，进行编码过程，将图像尺度缩小为原图的1/16，然后通过解码器结构，融合编码过程中的细粒度信息，恢复到原图尺度输出分割之后的结果图。本发明提出了一种对偶式的编码器——解码器结构，且能够对图像进行有效的语义分割。
-
公开(公告)号：CN111105390A
公开(公告)日：2020-05-05
申请号：CN201911144002.7
申请日：2019-11-20
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体为一种改进的海天线检测和评估方法。本发明步骤为：根据海天线图像中噪声分布特点，进行图像的预处理操作，包括：图像颜色空间的转换、图像平滑、图像照明度增强等；提取亮度信息，获得灰度图；根据海天线图像中天空区域和海洋区域的分布特点，按照图像斜对角线方向切分图像；获取天空区域和海洋区域的亮度阈值，和海天线周围区域的亮度阈值；获取海天线周围区域的像素点；经过线性拟合操作得到最终海天线的位置，并绘制出来；根据图像中预测和真实海天线的位置，使用两个原创指标进行评估。本发明方法在强光照场景、低对比度场景、复杂场景和常规场景中，都可以稳定、准确、高效的检测出海天线的位置。
-
公开(公告)号：CN108376387A
公开(公告)日：2018-08-07
申请号：CN201810008937.1
申请日：2018-01-04
Applicant: 复旦大学
CPC classification number: G06T5/003 , G06N3/0454 , G06N3/08
Abstract: 本发明属于计算机数字图像处理技术领域，具体为一种基于聚合膨胀卷积网络的图像去模糊方法。本发明包括构建深度神经网络：基于条件对抗生成网络，包含生成器与鉴别器，生成器结构使用堆叠的自编码器模块，自编码器模块使用自编码器结构与跳跃连接，在构建模块上使用残差模块，残差模块使用残差网络以及多路聚合膨胀卷积，鉴别器使用5层卷积神经网络；训练深度神经网络：使用公开的、真实场景下的模糊图像数据集，利用图像内容损失函数与对抗损失函数，训练前一步中构建的深度神经网络；利用训练好的网络模型对模糊图像进行去模糊处理。本发明方法能够保证去模糊效果，并快速高效地将模糊图像恢复成清晰图像，可极大地提高图像去模糊的效率。
-
公开(公告)号：CN108230297A
公开(公告)日：2018-06-29
申请号：CN201711245001.2
申请日：2017-11-30
Applicant: 复旦大学
Abstract: 本发明属于计算机图像处理技术领域，具体为基于服装替换的色彩搭配评估方法。本发明方法的步骤为：根据用户日常图片及选购服装，分别进行前景检测、中线检测；对用户图片进行人脸检测，模拟换装；提取换装后的图片色彩特征，并做聚类，利用Matsuda色彩和谐度模型，对服装色彩与肤色搭配效果（色彩和谐度）评估。本发明提出了一种基于前景检测、中线检测的换装方法，且能够对换装后的肤色与服装色彩搭配进行有效的美学评估。
-
公开(公告)号：CN106650717A
公开(公告)日：2017-05-10
申请号：CN201611171659.9
申请日：2016-12-17
Applicant: 复旦大学
Abstract: 本发明属于机器视觉图像处理技术领域，具体为一种带厚度干扰的圆形物体的精确定位方法。本发明采用基于边缘点密度去除厚度噪点的方法，以消除厚度噪点对圆形物体的干扰，同时利用噪点中心位置关系解决旋转镜像问题，计算出物体旋转的方向；针对于物体中间带有突出的圆柱的情况，利用中心偏移算法计算物体旋转角的大小。具体步骤包括：基于边缘点密度提取去除厚度产生的噪点后的边缘轮廓；基于厚度噪点中心的旋转镜像处理；基于中心点偏移的目标精确定位。本发明尤其适用于在工业场景下，快速实现带厚度干扰的圆形物体的精确检测和定位。该方法有较高的定位精度、高效的处理速率以及较好的抗噪能力。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.036 seconds)
