公开(公告)号：CN116188463A

公开(公告)日：2023-05-30

申请号：CN202310445458.7

申请日：2023-04-24

Applicant: 中国科学院长春光学精密机械与物理研究所 ,  吉林大学第一医院

Inventor： 高文 ,  林慧兰 ,  刘源 ,  郝志成 ,  段秀梅 ,  吴迪 ,  王玥

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/09 ,  G06T7/11 ,  G06T7/90

Abstract: 本发明涉及图像分割领域，具体涉及FISH图像信号自动检测分析方法、装置、设备以及介质，通过人工智能图像分割方法对一张FISH图像进行肿瘤细胞的识别、背景信号的排除、荧光信号的计数、信号比值的计算以及图像的合成等功能，从而实现对FISH图像信号的自动检测分析，可以更快的处理数据，准确性也非常高，大大减少医生的工作任务，并提高诊断的准确率和工作效率，为乳腺癌患者的靶向治疗及预后预测提供更为精准客观的数据支持。

公开(公告)号：CN114612572B

公开(公告)日：2025-01-14

申请号：CN202210242489.8

申请日：2022-03-11

Applicant: 中国科学院长春光学精密机械与物理研究所

Inventor： 高文 ,  伍易 ,  魏铭 ,  王博 ,  刘慧莹 ,  林慧兰

IPC: G06T7/80

Abstract: 本发明实施例中提供的一种基于深度学习的激光雷达与相机外参标定方法、装置、计算机设备，利用沙漏网络使用跳层来保留每个分辨率的空间信息，有效地处理和整合不同规模的特征，通过堆叠多个沙漏网络能有效利用各层次特征再次发掘新特征。引入了选核网络将两者提取到的深层特征进行通道上的级联，然后从级联好的深度图与图像特征中提取多尺度信息，自适应地进行特征聚合。将聚合好的特征通过两个全连接分支回归出激光雷达与相机之间外参的平移分量和旋转分量，提升了标定速度，减少了人力成本和实验成本，克服了对特定标定实验场景、特定实验目标的依赖。从实验结果看，较好的实现了标定功能，取得了较好的实验结果。

公开(公告)号：CN118864524A

公开(公告)日：2024-10-29

申请号：CN202410826475.X

申请日：2024-06-25

Applicant: 中国科学院长春光学精密机械与物理研究所

Inventor： 赵春蕾 ,  郝志成 ,  姜鑫 ,  林慧兰

IPC: G06T7/246 ,  G06V10/62 ,  G06V10/50 ,  G06V10/74 ,  G06V10/82

Abstract: 本发明涉及一种基于Staple算法的复杂场景单目标跟踪方法、装置、系统及存储介质，本发明的跟踪方法包括：读取新一帧图像，判断当前帧是否为起始帧，如果是则选中跟踪目标并返回该步骤，如果不是则进行下一步骤；计算前一帧的HOG特征响应和前景概率；进行特征自适应融合；进行相似目标再识别；利用丢失判定机制模块判断目标是否丢失；对检测到的目标进行尺度估计；采用模板更新策略对三个模型进行更新；若当前帧不是最后一帧则返回第一步，直至当前帧为最后一帧图像。本发明在背景权重直方图、相似目标再识别、丢失判定、特征自适应融合及模板更新方面做出整合和改进，不仅提升算法的准确性，还显著增强其在复杂场景中的适应性与鲁棒性。

公开(公告)号：CN118864524B

公开(公告)日：2025-05-02

申请号：CN202410826475.X

申请日：2024-06-25

Applicant: 中国科学院长春光学精密机械与物理研究所

Inventor： 赵春蕾 ,  郝志成 ,  姜鑫 ,  林慧兰

IPC: G06T7/246 ,  G06V10/62 ,  G06V10/50 ,  G06V10/74 ,  G06V10/82

Abstract: 本发明涉及一种基于Staple算法的复杂场景单目标跟踪方法、装置、系统及存储介质，本发明的跟踪方法包括：读取新一帧图像，判断当前帧是否为起始帧，如果是则选中跟踪目标并返回该步骤，如果不是则进行下一步骤；计算前一帧的HOG特征响应和前景概率；进行特征自适应融合；进行相似目标再识别；利用丢失判定机制模块判断目标是否丢失；对检测到的目标进行尺度估计；采用模板更新策略对三个模型进行更新；若当前帧不是最后一帧则返回第一步，直至当前帧为最后一帧图像。本发明在背景权重直方图、相似目标再识别、丢失判定、特征自适应融合及模板更新方面做出整合和改进，不仅提升算法的准确性，还显著增强其在复杂场景中的适应性与鲁棒性。

公开(公告)号：CN114612572A

公开(公告)日：2022-06-10

申请号：CN202210242489.8

申请日：2022-03-11

Applicant: 中国科学院长春光学精密机械与物理研究所

Inventor： 高文 ,  伍易 ,  魏铭 ,  王博 ,  刘慧莹 ,  林慧兰

IPC: G06T7/80

Abstract: 本发明实施例中提供的一种基于深度学习的激光雷达与相机外参标定方法、装置、计算机设备，利用沙漏网络使用跳层来保留每个分辨率的空间信息，有效地处理和整合不同规模的特征，通过堆叠多个沙漏网络能有效利用各层次特征再次发掘新特征。引入了选核网络将两者提取到的深层特征进行通道上的级联，然后从级联好的深度图与图像特征中提取多尺度信息，自适应地进行特征聚合。将聚合好的特征通过两个全连接分支回归出激光雷达与相机之间外参的平移分量和旋转分量，提升了标定速度，减少了人力成本和实验成本，克服了对特定标定实验场景、特定实验目标的依赖。从实验结果看，较好的实现了标定功能，取得了较好的实验结果。