-
公开(公告)号：CN110751112B
公开(公告)日：2023-10-03
申请号：CN201911017554.1
申请日：2019-10-24
Applicant: 复旦大学
Abstract: 本发明公开了一种基于计算机视觉的小鼠脑图谱绘制辅助系统及方法，该系统包括预处理模块；检测模块，输入端与预处理模块的第一输出端连接，检测神经元胞体；配准模块，输入端与预处理模块的第二输出端连接，进行配准比对；识别分区模块，输入端与配准模块的输出端连接，对鼠脑显微图像进行分区；映射模块，第一输入端与检测模块的输出端连接，第二输入端与识别分区模块的输出端连接，将神经元胞体与鼠脑显微图像分区一一映射完成小鼠脑图谱辅助绘制。此发明解决了现有软件准确率不足和深度学习算法应用不全面的问题，借助于计算机视觉算法进行图像分解和图像特征提取和检测，实现了小鼠脑图谱绘制辅助系统自动和半自动化操作。
-
公开(公告)号：CN114219081A
公开(公告)日：2022-03-22
申请号：CN202111557330.7
申请日：2021-12-19
Applicant: 复旦大学
IPC: G06N3/063
Abstract: 本发明属神经网络技术领域，具体为用于专用加速器的神经网络预编译算法。本发明算法包括：使用有向图对各种神经网络进行建模，神经网络的算子使用图节点表示，神经网络的输入输出关系使用有向边表示：对神经网络进行预处理，包括算子融合、合并算子拆解、大节点分解、小节点合并；按照专用加速器的静态随机存储器的大小，对经过预处理的有向图进行分割，使得每个计算图可以直接编译到专用加速器上运行。本发明通过将神经网络使用图来表示，经过对各种节点的预编译处理，使得计算图达到更适合映射到硬件的形式，实现硬件的加速效果最大化以及硬件的功耗最小化。
-
公开(公告)号：CN115687236A
公开(公告)日：2023-02-03
申请号：CN202110850933.X
申请日：2021-07-27
Applicant: 复旦大学
Abstract: 本发明提供一种基于有向图表示的神经网络硬件加速调度算法，基于图论对目标神经网络进行建模，得到该神经网络的有向图表示，进一步基于该有向图，通过图计算路径搜索算法，可以最大程度地减小计算模块和片上存储模块之间的数据搬运，不仅如此，基于图计算路径以及有向图的依赖性，可以动态释放片上缓存的非依赖性结果，也即可以对片上缓存资源进行动态分配，大大提高片上缓存的利用效率，从而可以批次进行更多数据的处理。两者结合能够提高神经网络加速器的普适性，提高其计算效率，并减少加速器硬件的功耗以及延时。
-
公开(公告)号：CN112200024A
公开(公告)日：2021-01-08
申请号：CN202011018179.5
申请日：2020-09-24
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于三维可形变模型学习的二维人脸表情识别方法。本发明重建二维人脸表情对应的三维表情点云，采用编码器‑解码器的网络结构，结合表情分类器和表情分类损失以及三维点云回归损失，在端到端的联合训练下，最终获得的表情参数不但增强了判别性，提高了二维人脸表情分类的准确率，而且保持生成性，可以恢复相应的三维人脸表情点云。本发明可以同时实现二维人脸表情分类和三维人脸表情点云生成这两种功能，具有广泛的应用前景。
-
公开(公告)号：CN111027417A
公开(公告)日：2020-04-17
申请号：CN201911149103.3
申请日：2019-11-21
Applicant: 复旦大学
Abstract: 本发明公开了一种基于人体关键点检测算法的步态识别方法及步态评估系统，该方法包括以下步骤：步骤1，对单个摄像头从人体侧面拍摄获得的3m起立行走实验视频中的每一帧进行关键点检测，并提取关键点随时间的位置变化信息，以获得关键点序列；步骤2，根据关键点序列对所述视频选取关键帧；所述关键帧作为视频中不同种动作的分界点；步骤3，根据所述视频中的关键点序列及选取得到的关键帧，进行步态参数的提取。本发明通过关键点检测，获得能够作为视频中不同种动作的分界点的关键帧，然后进行步态参数估计。本发明利用算法进行自动分析，保证了步态评估的一致性。
-
Patent Agency Ranking
公开(公告)号：CN110859599A
公开(公告)日：2020-03-06
申请号：CN201911176388.X
申请日：2019-11-26
Applicant: 复旦大学
IPC: A61B5/00
Abstract: 本发明属于医疗自动化筛查技术领域，具体为一种脑血管病神经损伤病人认知功能自动化筛查系统。本发明系统包括：图像采集装置，智能分析系统；智能分析系统包括第一目标检测网络、裁剪模块、第二目标检测网络、评分模块、判别模块。系统输入为受试者的基本信息、测试用的时钟图像信息；时钟图像信息是受试者画的一个圆形钟表，具有时针、分针，标上1-12钟点阿拉巴数字；经过智能分析系统的自动分析，最后输出对受试者认知的筛查结果报告；本发明可以有效减少专业医护人员的人力投入，并且保持筛查结果一致性。
-
公开(公告)号：CN111027417B
公开(公告)日：2023-09-01
申请号：CN201911149103.3
申请日：2019-11-21
Applicant: 复旦大学
Abstract: 本发明公开了一种基于人体关键点检测算法的步态识别方法及步态评估系统，该方法包括以下步骤：步骤1，对单个摄像头从人体侧面拍摄获得的3m起立行走实验视频中的每一帧进行关键点检测，并提取关键点随时间的位置变化信息，以获得关键点序列；步骤2，根据关键点序列对所述视频选取关键帧；所述关键帧作为视频中不同种动作的分界点；步骤3，根据所述视频中的关键点序列及选取得到的关键帧，进行步态参数的提取。本发明通过关键点检测，获得能够作为视频中不同种动作的分界点的关键帧，然后进行步态参数估计。本发明利用算法进行自动分析，保证了步态评估的一致性。
-
公开(公告)号：CN110859599B
公开(公告)日：2022-05-20
申请号：CN201911176388.X
申请日：2019-11-26
Applicant: 复旦大学
IPC: A61B5/00
Abstract: 本发明属于医疗自动化筛查技术领域，具体为一种脑血管病神经损伤病人认知功能自动化筛查系统。本发明系统包括：图像采集装置，智能分析系统；智能分析系统包括第一目标检测网络、裁剪模块、第二目标检测网络、评分模块、判别模块。系统输入为受试者的基本信息、测试用的时钟图像信息；时钟图像信息是受试者画的一个圆形钟表，具有时针、分针，标上1‑12钟点阿拉巴数字；经过智能分析系统的自动分析，最后输出对受试者认知的筛查结果报告；本发明可以有效减少专业医护人员的人力投入，并且保持筛查结果一致性。
-
公开(公告)号：CN113946679A
公开(公告)日：2022-01-18
申请号：CN202111156301.X
申请日：2021-09-30
Applicant: 复旦大学
Abstract: 本发明涉及一种基于多进程处理的大规模流式数据的事件聚类方法及系统，所述方法包括以下步骤：S1：构建多个处理进程；S2：获取事件文本的流式数据，并分配到各处理进程中进行聚类处理，分别获取每个处理进程的事件聚类结果；S3：将不同处理进程的事件聚类结果进行合并，获取整体聚类结果；S4：将整体聚类结果合并入主事件库中，所述系统基于上述方法。与现有技术相比，本发明具有提高时间聚类效率、适用于大规模流式数据，能够持续性进行数据处理等优点。
-
公开(公告)号：CN111444728A
公开(公告)日：2020-07-24
申请号：CN202010313730.2
申请日：2020-04-20
Applicant: 复旦大学
Abstract: 本发明公开了一种端到端的基于方面的情感分析方法，包含如下步骤：S1，确定情感分析的数据集，所述数据集包括训练集、验证集和测试集；S2，读入数据集，对数据集进行标记，并导入词向量；S3，通过pytorch库搭建设计的模型，输入相应的数据，并得到相应的输出；S4，利用训练集，验证集对模型进行训练，得到训练好的模型进而得到情感分析结果。本发明不需要任何辅助结构的模型，通俗易懂，结构比较简单，而且解决了上述的那些辅助结构解决的问题，模型的效果更好。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.014 seconds)
