-
公开(公告)号：CN113343774B
公开(公告)日：2022-11-01
申请号：CN202110521949.6
申请日：2021-05-13
Applicant: 东南大学
IPC: G06V40/20 , G06V20/40 , G06V10/766 , G06F30/23
Abstract: 本发明涉及一种细粒度的工程力学跳水动作模拟与评估方法，属于深度学习和计算机视觉领域。该方法包括采用跳水视频经过I3D模型和3个全连接层组成的MLP块形成全局特征；采集人体真实数据；根据关键帧画面，将采集到的人体真实数据结合关键帧中的人体姿态构建人体三维模型；在ABAQUS 2020有限元分析软件中建立水体及水花溅射区域，得到人体三维模型进入水体后的局部特征；将全局特征和局部特征通过维度拼接，基于LDL算法预测所有裁判的打分均值。本发明原创性的将力学中的流固耦合仿真手段运用于神经网络算法薄弱处，通过赛前、赛中进行数据采集，并结合动力‑显式分析实现对水花姿态精准、快速的求解。弥补了神经网络算法中不能精准识别水花姿态的弱点。
-
公开(公告)号：CN113255489A
公开(公告)日：2021-08-13
申请号：CN202110524112.7
申请日：2021-05-13
Applicant: 东南大学
Abstract: 本发明公开了一种全新的基于标记分布学习的多模态动作质量评估方法，创新了运动视频的时空建模，并将其应用于跳水赛事智能评估体系的构建。本发明基于双模态的膨化三维卷积网络(Inflated 3D ConvNet，I3D)，添加一路光流，提取RGB和Flow模态的跳水视频的时空特征，并融合形成全局特征，能够更好捕捉整体动作的连贯属性。将全局特征输入到全连接层，使用标记分布学习(Label Distribution Learning,LDL)，输出所有裁判打分均值的概率分布，选取其中的最大概率得分，与难度系数相乘得到最终跳水得分。本发明充分利用跳水规则中的难度系数概念，改进了全连接层的输出策略，创新求解跳水得分。
-
公开(公告)号：CN113255489B
公开(公告)日：2024-04-16
申请号：CN202110524112.7
申请日：2021-05-13
Applicant: 东南大学
IPC: G06V20/40 , G06V10/764 , G06V10/778
Abstract: 本发明公开了一种全新的基于标记分布学习的多模态动作质量评估方法，创新了运动视频的时空建模，并将其应用于跳水赛事智能评估体系的构建。本发明基于双模态的膨化三维卷积网络(Inflated 3D ConvNet，I3D)，添加一路光流，提取RGB和Flow模态的跳水视频的时空特征，并融合形成全局特征，能够更好捕捉整体动作的连贯属性。将全局特征输入到全连接层，使用标记分布学习(Label Distribution Learning,LDL)，输出所有裁判打分均值的概率分布，选取其中的最大概率得分，与难度系数相乘得到最终跳水得分。本发明充分利用跳水规则中的难度系数概念，改进了全连接层的输出策略，创新求解跳水得分。
-
公开(公告)号：CN113343774A
公开(公告)日：2021-09-03
申请号：CN202110521949.6
申请日：2021-05-13
Applicant: 东南大学
Abstract: 本发明涉及一种细粒度的工程力学跳水动作模拟与评估方法，属于深度学习和计算机视觉领域。该方法包括采用跳水视频经过I3D模型和3个全连接层组成的MLP块形成全局特征；采集人体真实数据；根据关键帧画面，将采集到的人体真实数据结合关键帧中的人体姿态构建人体三维模型；在ABAQUS 2020有限元分析软件中建立水体及水花溅射区域，得到人体三维模型进入水体后的局部特征；将全局特征和局部特征通过维度拼接，基于LDL算法预测所有裁判的打分均值。本发明原创性的将力学中的流固耦合仿真手段运用于神经网络算法薄弱处，通过赛前、赛中进行数据采集，并结合动力‑显式分析实现对水花姿态精准、快速的求解。弥补了神经网络算法中不能精准识别水花姿态的弱点。
-
Patent Agency Ranking
公开(公告)号：CN111681453A
公开(公告)日：2020-09-18
申请号：CN202010401146.2
申请日：2020-05-13
Applicant: 东南大学
Abstract: 本发明公开了一种基于大数据的汽车安全人工智能管家系统及其运行方式，包括大数据平台，模式识别模块，可视化模块和智能管理模块，其中，大数据平台同时连接至模式识别模块和可视化模块；模式识别模块、智能管理模块、可视化模块依次相连，并且，模式识别模块连接至可视化模块。本发明能够自动从大数据平台获取最新数据，通过模式识别提取或生成智能管理模块中所需的数据，基于大数据，结合人工智能，实现多种智能车辆安全管理功能，并通过可视化模块实时与用户交互。本发明可嵌入手机APP，用户可以不受地理限制，随时随地使用，实时性高，功能丰富，大大提高车辆的安全性，有利于提高用户的行车安全意识以及交通治安秩序。
-
公开(公告)号：CN110648391A
公开(公告)日：2020-01-03
申请号：CN201910839916.9
申请日：2019-09-05
Applicant: 东南大学
IPC: G06T17/00
Abstract: 本发明涉及一种点云处理三维重建方法，是首先将三维扫描得到的stl点云图导入MATLAB中，读取每个点的三维数据，生成矢量点集；然后，基于具有连续特性的e微条曲面法，以j为评价指标进行误差分析，提取某一横（纵）断面点集；接着，利用横（纵）断面点集得到断面样条曲线，这里包含了基于排序的凸包插值算法和分段处理法；最后，将足够数量的横（纵）断面样条曲线在三维空间整合，得到质量较高的三维重构模型。本发明通过e微条曲面法，获取小片局部拟合，最后在三维空间整合，化局部为整体，大大提高了重构的精度。处理效率高，重构质量好。
-
公开(公告)号：CN110648391B
公开(公告)日：2024-03-15
申请号：CN201910839916.9
申请日：2019-09-05
Applicant: 东南大学
IPC: G06T17/00
Abstract: 本发明涉及一种点云处理三维重建方法，是首先将三维扫描得到的stl点云图导入MATLAB中，读取每个点的三维数据，生成矢量点集；然后，基于具有连续特性的e微条曲面法，以j为评价指标进行误差分析，提取某一横（纵）断面点集；接着，利用横（纵）断面点集得到断面样条曲线，这里包含了基于排序的凸包插值算法和分段处理法；最后，将足够数量的横（纵）断面样条曲线在三维空间整合，得到质量较高的三维重构模型。本发明通过e微条曲面法，获取小片局部拟合，最后在三维空间整合，化局部为整体，大大提高了重构的精度。处理效率高，重构质量好。
-
公开(公告)号：CN113449810B
公开(公告)日：2022-11-18
申请号：CN202110803345.0
申请日：2021-07-15
Applicant: 东南大学
IPC: G06V10/762 , G06V10/764 , G06V10/778 , G06V10/82
Abstract: 本发明公开了一种基于自监督和语义风格解耦的图像聚类方法。该方法采用自监督编码器学习了一种语义风格的潜在表示，其中语义信息从图像风格中分离出来，可以直接用于聚类分配。为了实现这一目标，首先采用互信息最大化方法将相关信息嵌入到潜在表示中。然后还采用数据增强不变损失的方法，将潜在表示分解为类间语义部分和类内风格部分。此外，对潜在表示施加先验分布，以确保语义向量元素可以直接表示聚类概率。最后，引入了一个自监督损失来学习更全面的实例级特征。本发明可以在各种不同分布的数据集上提取具有判别性的特征表示，有效的提高了图像聚类问题的准确率。
-
公开(公告)号：CN113449810A
公开(公告)日：2021-09-28
申请号：CN202110803345.0
申请日：2021-07-15
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于自监督和语义风格解耦的图像聚类方法。该方法采用自监督编码器学习了一种语义风格的潜在表示，其中语义信息从图像风格中分离出来，可以直接用于聚类分配。为了实现这一目标，首先采用互信息最大化方法将相关信息嵌入到潜在表示中。然后还采用数据增强不变损失的方法，将潜在表示分解为类间语义部分和类内风格部分。此外，对潜在表示施加先验分布，以确保语义向量元素可以直接表示聚类概率。最后，引入了一个自监督损失来学习更全面的实例级特征。本发明可以在各种不同分布的数据集上提取具有判别性的特征表示，有效的提高了图像聚类问题的准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
