-
公开(公告)号：CN107341505B
公开(公告)日：2020-07-28
申请号：CN201710422205.2
申请日：2017-06-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于图像显著性与Object Bank的场景分类方法，该方法包括如下步骤：(1)针对每一种场景分别选取训练样本，对训练样本中的图像采用基于图像显著性与Object Bank的方法提取样本图像高层特征；(2)对样本图像高层特征通过主判别分析方法进行降维得到样本图像降维特征向量并输入至分类器；(3)对测试图像采用基于图像显著性与Object Bank的方法提取测试图像高层特征；(4)对测试图像高层特征通过主判别分析方法进行降维得到测试图像降维特征向量；(5)将测试图像降维特征向量输入至分类器，分类器对测试图像进行分类得到测试图像所对应的场景。与现有技术相比，本发明具有分类准确率高的优点。
-
公开(公告)号：CN108052865A
公开(公告)日：2018-05-18
申请号：CN201711144918.3
申请日：2017-11-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于卷积神经网络和支持向量机的火焰检测方法，该方法包括如下步骤：(1)获取监测视频中的每一帧图像并分别作为待检测的图片；(2)将待检测的图片输入至预先训练的特征检测模型并输出多个感兴趣的区域；(3)将每个感兴趣的区域分别作为一张特征图像输入至预先训练的基于卷积神经网络和支持向量机的分类模型，所述的分类模型滤除对特征图像进行分类确定火焰图像和非火焰图像；(4)根据所述的分类模型的分类结果确定待检测的图片中是否有火焰存在，若分类结果中包括至少一张火焰图像则待检测的图片中有火焰，否则待检测的图片中无火焰。与现有技术相比，本发明检测结果准确，检测速度快。
-
公开(公告)号：CN107341505A
公开(公告)日：2017-11-10
申请号：CN201710422205.2
申请日：2017-06-07
Applicant: 同济大学
Abstract: 本发明涉及一种基于图像显著性与Object Bank的场景分类方法，该方法包括如下步骤：(1)针对每一种场景分别选取训练样本，对训练样本中的图像采用基于图像显著性与Object Bank的方法提取样本图像高层特征；(2)对样本图像高层特征通过主判别分析方法进行降维得到样本图像降维特征向量并输入至分类器；(3)对测试图像采用基于图像显著性与Object Bank的方法提取测试图像高层特征；(4)对测试图像高层特征通过主判别分析方法进行降维得到测试图像降维特征向量；(5)将测试图像降维特征向量输入至分类器，分类器对测试图像进行分类得到测试图像所对应的场景。与现有技术相比，本发明具有分类准确率高的优点。
-
公开(公告)号：CN103268603A
公开(公告)日：2013-08-28
申请号：CN201310165363.6
申请日：2013-05-08
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于层级血管树划分的肝脏图像分段方法，该方法首先用有向树来表示肝脏门静脉血管的拓扑结构，接着根据具体病例图像中肝门静脉血管的空间分布和分支平均半径信息，确定血管分级参数并构建层级血管树，标记出为肝脏供血的二级子树集合，按照供血区域将标记的二级子树划分为八类，进而采用最短距离算法将肝脏划分为八个肝段并进行诠析，提取临床感兴趣信息。该方法对分支较多、结构较复杂的肝脏血管可以取得较好的分级效果，考虑了大部分二级分支的供血作用，分段得到的肝段分布和属性信息也符合Couinaud肝段分割理论。
-
公开(公告)号：CN112015853B
公开(公告)日：2024-04-09
申请号：CN202010441872.7
申请日：2020-05-22
Applicant: 同济大学
IPC: G06F16/31 , G06F16/33 , G06F16/332 , G06F40/289 , G06F18/22
Abstract: 本申请提供一种图书搜索方法、图书搜索系统、电子装置及介质，包括：定义分词索引项和全字索引项；对馆藏数据根据所述分词索引项进行分词索引得到分词索引词，或根据所述全字索引项进行全字索引得到全字索引词；将输入关键词的字符串与所述分词索引词或全字索引词分别进行匹配并进行相关性计算得到相关性评分；按所述字符串的相关性评分从高到低输出搜索结果。解决了有技术中只能做到全字匹配，而无法实现模糊搜索，因而难搜索到想要的图书，增加了用户搜索图书的成本，降低了用户搜索图书的成功率的问题，使得用户可以进行图书的模糊搜索，减少图书搜索的成本，使得搜索成功率提高。
-
Patent Agency Ranking
公开(公告)号：CN112015853A
公开(公告)日：2020-12-01
申请号：CN202010441872.7
申请日：2020-05-22
Applicant: 同济大学
IPC: G06F16/31 , G06F16/33 , G06F16/332 , G06F40/289 , G06K9/62
Abstract: 本申请提供一种图书搜索方法、图书搜索系统、电子装置及介质，包括：定义分词索引项和全字索引项；对馆藏数据根据所述分词索引项进行分词索引得到分词索引词，或根据所述全字索引项进行全字索引得到全字索引词；将输入关键词的字符串与所述分词索引词或全字索引词分别进行匹配并进行相关性计算得到相关性评分；按所述字符串的相关性评分从高到低输出搜索结果。解决了有技术中只能做到全字匹配，而无法实现模糊搜索，因而难搜索到想要的图书，增加了用户搜索图书的成本，降低了用户搜索图书的成功率的问题，使得用户可以进行图书的模糊搜索，减少图书搜索的成本，使得搜索成功率提高。
-
公开(公告)号：CN110096954A
公开(公告)日：2019-08-06
申请号：CN201910217399.1
申请日：2019-03-21
Applicant: 同济大学
IPC: G06K9/00 , G06F16/583
Abstract: 本发明涉及一种基于神经网络的指纹识别方法，包括以下步骤：1)对输入指纹图片进行预处理，提取出细节点的位置和角度信息；2)将指纹图片的细节点信息转换成一个特征向量，该向量不受指纹角度和尺寸的影响；3)使用GPU进行运算，提高指纹匹配速度；4)基于指纹向量化，用一个向量库来代替指纹库，降低存储空间；5)改良LVQ网络算法进行指纹识别；6)确定一个较好的指纹向量排序算法，在一对多的指纹识别中，找出正确目标指纹。
-
公开(公告)号：CN107341504A
公开(公告)日：2017-11-10
申请号：CN201710422070.X
申请日：2017-06-07
Applicant: 同济大学
IPC: G06K9/62
CPC classification number: G06K9/6271 , G06K9/6262
Abstract: 本发明涉及一种基于时序数据流行学习的机械设备故障诊断方法，该方法包括如下步骤：(1)获取各故障类型下的训练样本，训练样本中包括多组振动信号时间序列；(2)对每种故障类型下的每组振动信号时间序依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到样本低维特征集并输入至分类器；(3)获取测试数据，对测试数据依次进行数据预处理、多特征构造、特征选择和特征融合，最终得到测试数据低维特征集；(4)将测试数据低维特征集输入至所述的分类器，所述的分类器进行故障诊断获取对应的故障类型。与现有技术相比，本发明故障诊断结果准确可靠。
-
公开(公告)号：CN107240062A
公开(公告)日：2017-10-10
申请号：CN201710331087.4
申请日：2017-05-11
Applicant: 同济大学
CPC classification number: G06T3/0087 , G06T3/0093 , G06T11/40
Abstract: 一种基于Photomosaic的图集展示方法。本发明涉及一种对输入图像进行快速傅里叶变换处理，将图像从时间域转化成频率域，得到处理后的像素块；计算处理后的像素块与目标像素块的频率距离，并按照频率距离从小到大排列处理后的像素块，取前k个处理后的像素块作为候选像素块；将k个候选像素块与目标像素块进行RGB的距离比较，将与目标像素块RGB距离最小的像素块覆盖在目标像素块上；采用最佳熵阈值确定法即KWS熵算法确定灰度级的最佳阈值，进行自适应改变分块大小。与现有技术相比，本发明具有图像最终生成时间、与原图匹配效果更好和增加了交互功能等优点。
-
公开(公告)号：CN107240067A
公开(公告)日：2017-10-10
申请号：CN201710330860.5
申请日：2017-05-11
Applicant: 同济大学
CPC classification number: G06T5/50 , G06T3/4038 , G06T7/80 , G06T17/00
Abstract: 本发明涉及一种基于三维重建的序列图像自动拼接方法，该方法包括以下步骤：对输入的n幅图像分别提取尺度不变特征变换特征点；根据特征点匹配情况，选取每幅图像对应的m幅候选匹配图像，构成候选匹配图像集；对候选匹配图像集利用运动结构重建SfM算法进行三维重建，得到反投射后的三维平面；求解三维平面对应的二维参考平面，并投影至指定二维坐标平面；求解每幅图像的镜像畸变参数，优化相邻图像间的拼接效果。与现有技术相比，本发明基于三维点云重建方法恢复被摄物体三维结构，具有解决图像与被摄物体的之间不满足单应性约束条件下序列图像拼接问题、消除输入图像的单应性畸变和改善图像拼接质量等优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.017 seconds)
