-
公开(公告)号：CN114998414B
公开(公告)日：2024-08-09
申请号：CN202210624146.8
申请日：2022-06-02
Applicant: 华侨大学
Abstract: 本发明公开了一种基于点云数据的零件三维尺寸测量方法、装置和介质，采用三维点云处理技术、桌面应用技术以及三维视觉算法等技术实现，所述方法包括：配置和调整相机拍摄环境，通过双目深度相机生成实时三维点云，或者直接读取离线三维点云数据文件；通过三维点云数据可视化技术实现零件三维点云可视化；使用分割算法完成零件目标分割；实现对零件点云模型的测量功能。本发明实施例设计了两种可进行目标零件三维测量的测量程序，用户可使用此程序，对目标零件进行初步的自动测量与指定位置的手动测量，为三维目标检测提供了方便实用的测量方法；同时使用该程序也不受目标零件摆放位置的影响，较好地解决了二维测量方法所带来的目标摆放位置问题。
-
公开(公告)号：CN114998414A
公开(公告)日：2022-09-02
申请号：CN202210624146.8
申请日：2022-06-02
Applicant: 华侨大学
Abstract: 本发明公开了一种基于点云数据的零件三维尺寸测量方法、装置和介质，采用三维点云处理技术、桌面应用技术以及三维视觉算法等技术实现，所述方法包括：配置和调整相机拍摄环境，通过双目深度相机生成实时三维点云，或者直接读取离线三维点云数据文件；通过三维点云数据可视化技术实现零件三维点云可视化；使用分割算法完成零件目标分割；实现对零件点云模型的测量功能。本发明实施例设计了两种可进行目标零件三维测量的测量程序，用户可使用此程序，对目标零件进行初步的自动测量与指定位置的手动测量，为三维目标检测提供了方便实用的测量方法；同时使用该程序也不受目标零件摆放位置的影响，较好地解决了二维测量方法所带来的目标摆放位置问题。
-
Patent Agency Ranking
公开(公告)号：CN119028586A
公开(公告)日：2024-11-26
申请号：CN202411155732.8
申请日：2024-08-22
Applicant: 华侨大学
IPC: G16H50/30 , G16H50/70 , G06V10/764 , G06V10/20 , G06V10/44 , G06V10/24 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于领域适应的阿尔兹海默症进程识别方法及系统，方法包括如下步骤：对脑部影像数据进行预处理，得到源域图像；对源域图像进行数据增强处理，获得增强后的源域图像作为目标域图像；利用目标域图像与源域图像训练阿尔兹海默症进程识别模型；利用训练好的阿尔兹海默症进程识别模型实现阿尔兹海默症进程识别；所述阿尔兹海默症进程识别模型包括特征编码器和分类器，特征编码器提取待识别图像的特征，分类器基于提取的特征进行分类，识别进程。本发明通过提出一个领域损失函数约束模型的学习和对齐源域与目标域特征的特征表达，使模型学习到具有领域不变性质的特征，缓解了不同站点的数据的差异对模型诊断性能的影响。
-
公开(公告)号：CN119361087A
公开(公告)日：2025-01-24
申请号：CN202411369620.2
申请日：2024-09-29
Applicant: 华侨大学
IPC: G16H30/00 , G16H50/20 , G16H50/30 , G06T7/00 , G06T7/30 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于坐标注意力的阿尔兹海默症病程预测方法及系统，方法包括以下步骤：原始影像进行预处理方法，剥离脑壳，并进行方向矫正及模板配准，得到输入影像数据；采用深度神经网络模型进行阿尔兹海默症病程预测；所述深度神经网络模型包括特征编码模块和注意力指导模块，特征编码模块基于坐标注意力对输入影像数据进行特征编码，编码后的特征数据输入到注意力指导模块；注意力指导模块结合类别信息和特征数据以精炼目标区域位置的特征，再通过分类器根据对当前影像进行病程预测。本发明结合坐标注意力机制和分类激活映射方法，有效预测阿尔兹海默症病程状态。
-
公开(公告)号：CN115064263B
公开(公告)日：2024-08-06
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
公开(公告)号：CN115588025A
公开(公告)日：2023-01-10
申请号：CN202211143740.1
申请日：2022-09-20
Applicant: 华侨大学
IPC: G06T7/194 , G06T7/90 , G06V10/764 , G06V10/82
Abstract: 本发明提供了一种基于深度学习的自适应场景智能抠图方法、系统及介质，该方法包括，对用户输入彩色图片中的前景区域、背景区域、未知区域进行初步估计，得到前景区域图片、背景区域图片、未知区域图片；分别对前景区域图片和背景区域图片进行色彩分析，得到前景区域像素色彩模型和背景区域像素色彩模型；分别对前景区域图片和背景区域图片进行多尺度分析，得到前景区域图片多尺度模型和背景区域图片多尺度模型；根据前景区域像素色彩模型、背景区域像素色彩模型和前景区域图片多尺度模型、背景区域图片多尺度模型以及用户输入彩色图片对未知区域图片的像素点逐个进行分类，得到精细化前景图片。本发明可实现精细化前景分割，准确高效的抠图。
-
公开(公告)号：CN115064263A
公开(公告)日：2022-09-16
申请号：CN202210642807.X
申请日：2022-06-08
Applicant: 华侨大学
Abstract: 本发明公开了一种基于随机森林剪枝脑区选择的阿尔兹海默症预测方法，包括如下步骤：原始影像首先通过数据预处理，获取各个脑区的医学形态特征，并按时间序列顺序排列，得到形态特征序列；采用随机森林选择方法，对所述形态特征序列按与阿尔兹海默症疾病发展的相关度从高到低进行排序，然后选出排名靠前的形态特征数据，得到最相关特征；将最相关特征的时间序列作为输入，使用递归神经网络抽取时序特征，然后通过逻辑回归算法得到阿尔兹海默症病程发展的最相关特征的预测结果；最后将所述最相关特征的预测结果可视化。本发明提供的方法，不仅解决了阿尔兹海默症的相关特征提取与病程预测的问题，还解决了模型的可解释性问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
