-
公开(公告)号：CN110533100A
公开(公告)日：2019-12-03
申请号：CN201910808805.1
申请日：2019-08-29
Applicant: 南京大学 , 中国科学院紫金山天文台
Abstract: 本发明公开了一种基于机器学习进行CME检测和跟踪的方法，以白光日冕仪图像为基础，通过预处理、分类、检测和跟踪四个阶段实现CME(日冕物质抛射)的检测和跟踪。在预处理阶段，对图像进行下采样和差分图像计算。在分类阶段，使用有监督图像分类方法将给定的白光日冕仪图像分类为有、无CME类别，再从已训练好的CNN中提取的中层特征用于检测CME的区域。在检测阶段，使用无监督图像协同定位的方法挖掘出CME区域。在跟踪阶段，将图像转换为极坐标系，对不同位置的CME进行划分，并定义了一些规则清洗过滤CME，计算所有检测到的CME的基本参数。
-
公开(公告)号：CN108389251B
公开(公告)日：2020-04-17
申请号：CN201810235912.5
申请日：2018-03-21
Applicant: 南京大学
Abstract: 本发明公开了基于融合多视角特征的投影全卷积网络三维模型分割方法，包括：步骤1，对输入三维网格模型数据集采集数据；步骤2，用融合多视角特征的FCN全卷积网络对模型投影渲染图进行语义分割，得到模型在各个视点方向下投影渲染图的像素被预测为各个标签的概率；步骤3，对模型在各个视点方向下投影渲染图语义分割概率图进行反投并采用最大视角池化，得到模型面片被预测为各个标签的概率；步骤4，采用Graph Cut图割算法进行优化，得到模型面片的最终预测标签。
-
公开(公告)号：CN108389251A
公开(公告)日：2018-08-10
申请号：CN201810235912.5
申请日：2018-03-21
Applicant: 南京大学
Abstract: 本发明公开了基于融合多视角特征的投影全卷积网络三维模型分割方法，包括：步骤1，对输入三维网格模型数据集采集数据；步骤2，用融合多视角特征的FCN全卷积网络对模型投影渲染图进行语义分割，得到模型在各个视点方向下投影渲染图的像素被预测为各个标签的概率；步骤3，对模型在各个视点方向下投影渲染图语义分割概率图进行反投并采用最大视角池化，得到模型面片被预测为各个标签的概率；步骤4，采用Graph Cut图割算法进行优化，得到模型面片的最终预测标签。
-
公开(公告)号：CN110533100B
公开(公告)日：2021-11-26
申请号：CN201910808805.1
申请日：2019-08-29
Applicant: 南京大学 , 中国科学院紫金山天文台
Abstract: 本发明公开了一种基于机器学习进行CME检测和跟踪的方法，以白光日冕仪图像为基础，通过预处理、分类、检测和跟踪四个阶段实现CME(日冕物质抛射)的检测和跟踪。在预处理阶段，对图像进行下采样和差分图像计算。在分类阶段，使用有监督图像分类方法将给定的白光日冕仪图像分类为有、无CME类别，再从已训练好的CNN中提取的中层特征用于检测CME的区域。在检测阶段，使用无监督图像协同定位的方法挖掘出CME区域。在跟踪阶段，将图像转换为极坐标系，对不同位置的CME进行划分，并定义了一些规则清洗过滤CME，计算所有检测到的CME的基本参数。
-
-
-
Search Results
4
records
(took 0.02 seconds)
