-
公开(公告)号:CN119887517A
公开(公告)日:2025-04-25
申请号:CN202510068311.X
申请日:2025-01-16
IPC: G06T3/4038 , G06T3/4046 , G06T5/50 , G06T5/60 , G06T7/33 , G06V10/40 , G06V10/42 , G06V10/44 , G06V10/75 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 一种面向便携式眼底彩照设备的无监督深度学习图像拼接方法,构建图像配准网络的多尺度特征提取模块;构建图像配准网络的特征匹配模块:将多尺度特征提取模块和特征匹配模块依次连接形成构建图像配准网络;构建浅层特征提取器;构建特征重建模块;构建接缝生成器;将浅层特征提取器、特征重建模块和接缝生成器依次连接形成融合网络;构建融合网络;连接图像配准网络和图像融合网络形成图像拼接模型;数据采集;数据预处理;得到训练好的图像配准网络;得到训练好的图像融合网络;利用训练好的图像配准网络和训练好的图像融合网络形成眼底图像拼接模型;利用眼底图像拼接模型进行图像进行拼接。该方法能高效地生成高质量的眼底拼接图像。
-
公开(公告)号:CN117576012A
公开(公告)日:2024-02-20
申请号:CN202311491055.2
申请日:2023-11-10
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于不平衡眼底图像数据的疾病预测方法,针对不平衡眼底病变图像数据通过训练不平衡数据疾病预测模型来提高眼底图像病变筛查率和准确率,首先对图像进行预处理,之后采用融合标签增强技术将输入眼底图像的逻辑标签转换为标签分布,然后将得到的标签分布作为输入传入不平衡标记分布学习网络中进行训练以平衡模型的训练数据,最后利用训练好的网络预测眼底病变图像获得患对应每种病的概率值。通过本基于不平衡眼底图像数据的疾病预测方法可以得出每个图像对每个病变类别的可能性,从而更好地处理不确定性情况,能够更全面、准确、可靠地识别和分析眼底病变。
-
公开(公告)号:CN117576012B
公开(公告)日:2024-05-07
申请号:CN202311491055.2
申请日:2023-11-10
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于不平衡眼底图像数据的疾病预测方法,针对不平衡眼底病变图像数据通过训练不平衡数据疾病预测模型来提高眼底图像病变筛查率和准确率,首先对图像进行预处理,之后采用融合标签增强技术将输入眼底图像的逻辑标签转换为标签分布,然后将得到的标签分布作为输入传入不平衡标记分布学习网络中进行训练以平衡模型的训练数据,最后利用训练好的网络预测眼底病变图像获得患对应每种病的概率值。通过本基于不平衡眼底图像数据的疾病预测方法可以得出每个图像对每个病变类别的可能性,从而更好地处理不确定性情况,能够更全面、准确、可靠地识别和分析眼底病变。
-
公开(公告)号:CN119544091A
公开(公告)日:2025-02-28
申请号:CN202411688886.3
申请日:2024-11-25
Applicant: 中国矿业大学 , 徐州科瑞矿业科技有限公司
Abstract: 一种面向煤矿辅助运输数字孪生系统的声波定位装置与方法,装置:两个扬声器间隔安装在辅助运输设备运行区域的巷道侧壁上;全向麦克风和边缘计算节点安装在辅助运输设备上;方法:安装声波定位装置;非对称声场构建;离线RSS采集;根据接收到的干涉强度构建多维RSS指纹向量,并基于多维RSS指纹向量构建梯度指纹像;建立指纹库;获得当前待定位点的RSS向量Rtest,并转换为对应待匹配的梯度指纹像gtest,利用基于离散Frechet距离的指纹像匹配算法进行指纹匹配,获得位置信息;数字孪生集成。该装置及方法不仅能在复杂的煤矿环境下快速精准地实现辅助运输设备的定位,还能通过实时反馈和可视化监控有次提升矿井作业的安全性和效率。
-
公开(公告)号:CN119832493A
公开(公告)日:2025-04-15
申请号:CN202411887567.5
申请日:2024-12-20
Applicant: 中国矿业大学
Abstract: 本发明公开一种基于图像亚像素的煤矿皮带跑偏实时轻量化检测装置及方法,首先,该装置通过图像采集装置实时捕获皮带运行的视频流,并借助边缘计算节点对这些视频流进行实时分析,通过实时监测皮带的运行状态,一旦皮带开始工作,便立即通过透视变换来校正因拍摄角度或环境造成的图像失真。其次,通过图像预处理方法自动选取高对比度的参考条,并精准地提取出皮带边缘附近的区域作为最小感兴趣区域即皮带边缘区域。然后,利用轻量级亚像素卷积神经网络对这些区域进行深度分析,生成高质量的超分辨率图像,以进一步提升边缘检测的准确性。最后,通过引入具有异常检测的双向边缘跟踪方法,精确识别并定位皮带的边缘位置,从而实现对皮带跑偏情况的实时、准确检测。
-
-
-
-