-
公开(公告)号：CN108854034A
公开(公告)日：2018-11-23
申请号：CN201810748613.1
申请日：2018-07-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于虚拟现实和惯性动捕的脑卒中康复训练系统，包括动作捕捉设备、虚拟现实人机交互设备以及反馈设备；所述动作捕捉设备与所述虚拟现实人机交互设备通信连接，所述虚拟现实人机交互设备与所述反馈设备通信连接。本发明基于虚拟现实技术和动作捕捉技术，探索了一种新型的治疗和康复的系统。用技术代替了传统医师的职位，节省了大量人力。利用虚拟现实技术将治疗过程游戏化，使治疗过程不再枯燥乏味。另外，新型技术的加入，节省了大量的治疗成本。
-
Patent Agency Ranking
公开(公告)号：CN115375604B
公开(公告)日：2024-07-26
申请号：CN202110541834.3
申请日：2021-05-18
Applicant: 南京大学
IPC: G06T7/00 , G06N10/80 , G06N3/0455 , G06N3/088 , G06N3/084
Abstract: 一种基于量子化自编码器的无监督缺陷检测方法，首先对输入图像进行预处理，将预处理后的图像输入编码网络中，映射得到中间特征图，并加上位置编码信息；将中间特征图中每个向量与编码表中的向量进行最邻近匹配，用最接近的向量对其进行替换，得到量化的特征图；然后，将量化后的特征图输入到解码网络中，解码网络将特征图重新恢复成图片；最后对于原图和重建图片，一方面逐像素计算均方误差损失，另一方面分块计算SSIM损失，综合两个指标来判别和定位缺陷。本发明方法利用VQ‑VAE的编码表机制，以及提出的向量三元组损失，抑制了模型的泛化能力，提高缺陷的检出效果，同时通过MSE和SSIM两种指标的结合，提升了对缺陷的定位能力。
-
公开(公告)号：CN115375604A
公开(公告)日：2022-11-22
申请号：CN202110541834.3
申请日：2021-05-18
Applicant: 南京大学
Abstract: 一种基于量子化自编码器的无监督缺陷检测方法，首先对输入图像进行预处理，将预处理后的图像输入编码网络中，映射得到中间特征图，并加上位置编码信息；将中间特征图中每个向量与编码表中的向量进行最邻近匹配，用最接近的向量对其进行替换，得到量化的特征图；然后，将量化后的特征图输入到解码网络中，解码网络将特征图重新恢复成图片；最后对于原图和重建图片，一方面逐像素计算均方误差损失，另一方面分块计算SSIM损失，综合两个指标来判别和定位缺陷。本发明方法利用VQ‑VAE的编码表机制，以及提出的向量三元组损失，抑制了模型的泛化能力，提高缺陷的检出效果，同时通过MSE和SSIM两种指标的结合，提升了对缺陷的定位能力。
-
公开(公告)号：CN113095332B
公开(公告)日：2022-08-19
申请号：CN202110397165.7
申请日：2021-04-13
Applicant: 南京大学
IPC: G06V10/28 , G06V10/46 , G06V10/762 , G06V10/774 , G06K9/62
Abstract: 一种基于特征学习的显著性区域检测方法，首先应用优化的SLIC算法将输入图像分割为特征相似的超像素区域，以超像素区域为样本提取足以表征样本特征的信息，将提取的特征向量用SPBL算法学习获得检测模型。SPBL算法为SPL和Boosting算法的结合，将其用于超像素区域的分类，取得良好分类效果。在检测算法中，采用和学习算法一样的特征提取算法，应用学习的模型对特征向量进行分类，分类的结果应用基于能量函数约束模型的融合结构信息算法再次与分类结果组合获得最终的显著性检测图像。本发明在提出的数据集上能够准确分割出显著性区域，有效抑制相似背景的干扰信息。
-
公开(公告)号：CN113095332A
公开(公告)日：2021-07-09
申请号：CN202110397165.7
申请日：2021-04-13
Applicant: 南京大学
Abstract: 一种基于特征学习的显著性区域检测方法，首先应用优化的SLIC算法将输入图像分割为特征相似的超像素区域，以超像素区域为样本提取足以表征样本特征的信息，将提取的特征向量用SPBL算法学习获得检测模型。SPBL算法为SPL和Boosting算法的结合，将其用于超像素区域的分类，取得良好分类效果。在检测算法中，采用和学习算法一样的特征提取算法，应用学习的模型对特征向量进行分类，分类的结果应用基于能量函数约束模型的融合结构信息算法再次与分类结果组合获得最终的显著性检测图像。本发明在提出的数据集上能够准确分割出显著性区域，有效抑制相似背景的干扰信息。
-
公开(公告)号：CN108854034B
公开(公告)日：2020-08-21
申请号：CN201810748613.1
申请日：2018-07-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于虚拟现实和惯性动捕的脑卒中康复训练系统，包括动作捕捉设备、虚拟现实人机交互设备以及反馈设备；所述动作捕捉设备与所述虚拟现实人机交互设备通信连接，所述虚拟现实人机交互设备与所述反馈设备通信连接。本发明基于虚拟现实技术和动作捕捉技术，探索了一种新型的治疗和康复的系统。用技术代替了传统医师的职位，节省了大量人力。利用虚拟现实技术将治疗过程游戏化，使治疗过程不再枯燥乏味。另外，新型技术的加入，节省了大量的治疗成本。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
