-
公开(公告)号:CN118468128A
公开(公告)日:2024-08-09
申请号:CN202410434157.9
申请日:2024-04-11
Applicant: 南通大学
IPC: G06F18/2415 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/045
Abstract: 本发明提供一种基于多尺度特征与特征回退的人类日常活动识别方法,属于深度学习技术领域。解决了最优周期特征选择与过度拟合的技术问题。其技术方案为:Wiener‑Khinchine theorem获取最优的周期来构建多尺度输入、时序回退特征提取防止过拟合、一个多尺度重要性加权损失函数调整参数的倾向。本发明的有益效果为:本发明方法与现有的一些基于深度学习方法相比,具有更高的识别准确率。
-
公开(公告)号:CN119478316A
公开(公告)日:2025-02-18
申请号:CN202411650891.5
申请日:2024-11-19
Applicant: 南通大学
IPC: G06T19/20 , G06N3/045 , G06N3/042 , G06V10/82 , G06T5/70 , G06T3/40 , G06N3/0464 , G06N3/048 , G06V10/764 , G06N3/08 , G06T5/30 , G06T7/00 , G06N3/098
Abstract: 本发明提供了一种基于图注意力神经网络的三维冠状动脉自动分割方法,属于图像分割的医学图像分割技术领域。解决了传统方法没有充分考虑医学图像的高噪声和灰度不均的技术问题。其技术方案为:包括以下步骤:步骤一、对图像进行窗宽窗位的处理;步骤二、将图像缩小到128×128×64大小;步骤三、对步骤二得到的图像进行膨胀运算;步骤四、基于步骤二得到的图像建立图结构;步骤五、使用Vnet3D网络对块图像进行分割;步骤六、将步骤四与步骤五分割得到的冠状动脉图像进行融合得到最终的冠状动脉分割图像。本发明的有益效果为:保证对于冠状动脉高的分割准确率和鲁棒性。
-
公开(公告)号:CN118606785A
公开(公告)日:2024-09-06
申请号:CN202410729231.X
申请日:2024-06-06
Applicant: 南通大学
IPC: G06F18/241 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提供一种构造原型特征进行人类活动识别的高效深度学习方法,属于深度学习技术领域。解决了测试域数据与训练域数据分布不同导致的性能下降与降低TransformerO(L^2)复杂度的技术问题。其技术方案为:计算QK特征与均值特征的距离构建两组一维矩阵并由这两个矩阵计算注意力矩阵降低复杂度、初始化原型特征池通过门网络决赋值权重并挑选原型样本与非关注特征进行融合,新构造出来的特征再与关注特征进行加权融合,原型损失函数的设计保证构造特征的有效性与识别的准确性。本发明的有益效果为:本发明方法与现有的一些基于深度学习方法相比,具有更高的识别准确率与鲁棒性。
-
公开(公告)号:CN116758126A
公开(公告)日:2023-09-15
申请号:CN202310772722.8
申请日:2023-06-28
Applicant: 南通大学
IPC: G06T7/33 , G06V10/46 , G06F16/901
Abstract: 本发明提供了一种基于相似三角形的误匹配剔除的快速点云配准方法,属于计算机视觉、三维重建技术领域。解决了点云特征误匹配率过高及点云数据中混合变化所导致的误匹配的技术问题。其技术方案为:首先使用SIFT算法对点云进行特征提取,获得局部关键特征点,然后使用改进法向量计算方法结合FPFH算法来处理局部关键特征点,得到更准确的点云特征描述子,接着对两块点云的特征描述子进行匹配从而获得初始匹配对,使用误匹配剔除方法对初始匹配进行过滤获得精确匹配,并计算变换矩阵,最后使用迭代最近点ICP算法进行精配准,使两块点云的配准误差达到最小。本发明的有益效果为:提高配准精度和配准速度。
-
公开(公告)号:CN119379704A
公开(公告)日:2025-01-28
申请号:CN202411520099.8
申请日:2024-10-29
Applicant: 南通大学
IPC: G06T7/10 , G06T5/70 , G06T3/40 , G06T7/155 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0985 , G06N3/0455
Abstract: 本发明提供了一种基于图卷积网络的三维冠状动脉自动分割方法,属于图像分割的医学图像分割技术领域。解决了传统方法没有充分考虑医学图像的高噪声和灰度不均的技术问题。其技术方案为:包括以下步骤:步骤一、对图像进行窗宽窗位的处理;步骤二、将图像缩放到128×128×64大小;步骤三、使用Vnet3D网络对缩放后的图像进行粗分割;步骤四、使用细化方法将粗分割后的图像进行骨架化;步骤五、基于步骤三的图像建立图结构;步骤六、基于步骤四的骨架与步骤五的图结构,使用图卷积网络分割三维冠状动脉图像。本发明的有益效果为:保证高的分类准确率和鲁棒性。
-
公开(公告)号:CN116503452A
公开(公告)日:2023-07-28
申请号:CN202310480348.4
申请日:2023-04-28
Applicant: 南通大学
Abstract: 本发明涉及算机视觉、三维重建技术领域,尤其涉及一种基于SIFT特征提取的点云配准方法。解决了传统ICP算法计算效率、精度及易受噪声干扰的问题。其技术方案为:包括以下步骤:S1:使用带有拓扑关系的二叉树KD‑tree结构存储源点云P和目标点云Q;S2:使用SIFT算法提取源点云P和目标点云Q的关键点云;S3:计算关键点云的法向量以及快速点特征直方图;S4:基于SAC‑IA算法进行粗配准;S5:基于ICP算法进行精配准。本发明的有益效果为:本发明相对传统ICP算法在配准精度以及速度上大大提高。
-
公开(公告)号:CN118447364A
公开(公告)日:2024-08-06
申请号:CN202410481704.9
申请日:2024-04-22
Applicant: 南通大学
Abstract: 本发明提供了一种基于双分支时空图卷积网络融合的行人轨迹预测方法,属于移动机器人的感知与决策领域,解决了传统方法中行人社会交互不充分,以及行人运动模式难以捕捉,需要模拟复杂时间依赖性的技术问题,其技术方案为:包括以下步骤:步骤一、使用预训练CNN提取行人场景特征;步骤二、在双分支分别构建行人两两交互图与组间交互图,并在图中嵌入场景特征;步骤三、使用空间GCN提取行人空间特征;步骤四、使用时间外推卷积网络处理两个分支输出的时空特征来预测轨迹的高斯分布参数。本发明的有益效果为:本发明能更好的建模行人复杂的社会交互,并捕捉每个行人独特的运动模式,提高预测的准确率和泛化能力。
-
公开(公告)号:CN118333952A
公开(公告)日:2024-07-12
申请号:CN202410365817.2
申请日:2024-03-28
Applicant: 南通大学
Abstract: 本发明提供了一种基于局部区域主动轮廓模型的三维冠状动脉自动分割方法,属于图像分割的医学图像分割技术领域。解决了传统方法没有充分考虑医学图像的高噪声和灰度不均的问题。其技术方案为:包括以下步骤:步骤一、对图像进行窗宽窗位的处理;步骤二、使用聚类来提取包含冠状动脉和心脏的区域;步骤三、使用Jerman血管滤波器对该区域进行血管增强滤波;步骤四、使用三维区域生长方法来分割和提取冠状组织;步骤五、对步骤四中分割得到的血管进行细化;步骤六、使用高度脊遍历方法得到步骤五中未能得到的冠状动脉骨架;步骤七、将步骤五与步骤六中得到的骨架进行融合。本发明的有益效果为:保证较高的分类准确率和鲁棒性。
-
-
-
-
-
-
-