-
公开(公告)号：CN110837798A
公开(公告)日：2020-02-25
申请号：CN201911072166.3
申请日：2019-11-05
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于视觉特性的草图笔画编组方法，包括：输入某一类别多张统一格式后的草图；统计草图中的笔画长度；基于设定阈值将草图中所有笔画长度划分为长笔画、中笔画和短笔画；将长笔画切分为中笔画和/或短笔画；根据得分计算规则对同一张草图中的所有笔画计算得分，得到得分矩阵；根据得分矩阵进行笔画编组；判断所有笔画是否完成笔画编组；完成笔画编组时，结束编组结束；未完成笔画编组时，根据编组结果，增加得分计算项，更新得分矩阵后计算得分矩阵进行笔画编组。本发明利用计算机学习手绘草图的视觉信息和时序信息，解决草图语义分割的问题，使其尽可能接近人类的认知水平，同时在一个计算模型中，可以同时协同多种编组特性。
-
公开(公告)号：CN110970117B
公开(公告)日：2023-06-20
申请号：CN201911196224.3
申请日：2019-11-29
Applicant: 北京邮电大学
IPC: G16H30/00 , G06N3/0475 , G06N3/094
Abstract: 本发明提供了一种基于二值骨架图的冠状动脉造影数据集存储方法，包括：根据二值骨架图中像素点定义其坐标偏移量，获得二值骨架图的位置标签信息；定义节点类；将二值骨架图的信息通过节点类进行存储，以节点类的根节点为起点，通过遍历二值骨架图紧邻四周是否存在血管像素，不断更新血管像素点之间的位置关系，使血管像素点之间通过位置标签建立联系，得到一个存储所有血管像素信息的节点列表；将节点列表作为下一步网络的学习输入，从而进行学习预测。本发明能够显著节省用于存储神经网络训练数据集的空间，可以将训练集图片按照像素点间的位置结构关系进行存储，从而节省内存，同时也方便神经网络的数据读取。
-
公开(公告)号：CN110970117A
公开(公告)日：2020-04-07
申请号：CN201911196224.3
申请日：2019-11-29
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于二值骨架图的冠状动脉造影数据集存储方法，包括：根据二值骨架图中像素点定义其坐标偏移量，获得二值骨架图的位置标签信息；定义节点类；将二值骨架图的信息通过节点类进行存储，以节点类的根节点为起点，通过遍历二值骨架图紧邻四周是否存在血管像素，不断更新血管像素点之间的位置关系，使血管像素点之间通过位置标签建立联系，得到一个存储所有血管像素信息的节点列表；将节点列表作为下一步网络的学习输入，从而进行学习预测。本发明能够显著节省用于存储神经网络训练数据集的空间，可以将训练集图片按照像素点间的位置结构关系进行存储，从而节省内存，同时也方便神经网络的数据读取。
-
公开(公告)号：CN110837798B
公开(公告)日：2022-10-11
申请号：CN201911072166.3
申请日：2019-11-05
Applicant: 北京邮电大学
IPC: G06V30/226 , G06V10/46
Abstract: 本发明提供了一种基于视觉特性的草图笔画编组方法，包括：输入某一类别多张统一格式后的草图；统计草图中的笔画长度；基于设定阈值将草图中所有笔画长度划分为长笔画、中笔画和短笔画；将长笔画切分为中笔画和/或短笔画；根据得分计算规则对同一张草图中的所有笔画计算得分，得到得分矩阵；根据得分矩阵进行笔画编组；判断所有笔画是否完成笔画编组；完成笔画编组时，结束编组结束；未完成笔画编组时，根据编组结果，增加得分计算项，更新得分矩阵后计算得分矩阵进行笔画编组。本发明利用计算机学习手绘草图的视觉信息和时序信息，解决草图语义分割的问题，使其尽可能接近人类的认知水平，同时在一个计算模型中，可以同时协同多种编组特性。
-
-
-
Search Results
4
records
(took 0.014 seconds)
