-
公开(公告)号：CN111242954B
公开(公告)日：2022-05-13
申请号：CN202010067124.7
申请日：2020-01-20
Applicant: 浙江大学
Abstract: 本发明公开了一种带有双向连接和遮挡处理的全景分割方法。方法包括如下步骤：1)获取用于训练全景分割的数据集，并定义算法目标；2)使用全卷积网络对组内图像进行特征学习；3)经过语义特征提取分支对特征图提取语义特征；4)经过实例特征提取分支对特征图提取实例特征；5)建立实例分割到语义分割的连接，将语义特征与实例特征聚合进行语义分割；6)建立语义分割到实例分割的连接，将实例特征与语义特征聚合进行实例分割；7)使用遮挡处理算法，融合语义分割和实例分割的结果，输出全景分割结果。本方法充分利用了语义分割和实例分割之间的互补性，同时应用底层特征表观信息所提出的遮挡处理算法，高效地完成了图像的全景分割。
-
公开(公告)号：CN110807462B
公开(公告)日：2022-08-30
申请号：CN201910858848.0
申请日：2019-09-11
Applicant: 浙江大学
Abstract: 本发明公开了一种针对语义分割模型的上下文不敏感的训练方法，用于对视频的语义分割算法进行大幅加速。具体包括如下步骤：1)获取用于训练语义分割的多组图像数据集，并定义算法目标；2)使用基于全卷积网络结构的模型在该数据集上进行学习；3)使用类擦去样本生成器产生新的训练样本；4)使用步骤2)得到的网络参数，在原始数据集和步骤3)生成的新样本上结合一致性约束进行优化，得到对上下文不敏感的模型。本发明挖掘语义分割的场景理解能力，所训练的模型在数据擦除、数据干扰和风格迁移等条件下具有更好的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN118615497B
公开(公告)日：2024-12-13
申请号：CN202411110012.X
申请日：2024-08-14
Applicant: 浙江大学
Abstract: 本发明公开一种具有抗凝血和/或原位内皮化功能的抗污涂层及其制备方法和应用，制备包括步骤：将活化后基底经碳碳双键硅氧烷改性，将改性基底浸入含抗污分子和引发剂的混合溶液中，经光引发或热引发得到所述抗污涂层；所述抗污分子修饰密度为5‑200 ng/cm2。本发明通过调控抗污分子的密度，可使材料表面兼具抗凝血效果和促进原位内皮化的功能，可用于心血管支架、心脏瓣膜、心脏封堵器等一系列植介入医疗器械表面，为其提供优异的抗凝血和抗再狭窄效果。
-
公开(公告)号：CN118615497A
公开(公告)日：2024-09-10
申请号：CN202411110012.X
申请日：2024-08-14
Applicant: 浙江大学
Abstract: 本发明公开一种具有抗凝血和/或原位内皮化功能的抗污涂层及其制备方法和应用，制备包括步骤：将活化后基底经碳碳双键硅氧烷改性，将改性基底浸入含抗污分子和引发剂的混合溶液中，经光引发或热引发得到所述抗污涂层；所述抗污分子修饰密度为5‑200 ng/cm2。本发明通过调控抗污分子的密度，可使材料表面兼具抗凝血效果和促进原位内皮化的功能，可用于心血管支架、心脏瓣膜、心脏封堵器等一系列植介入医疗器械表面，为其提供优异的抗凝血和抗再狭窄效果。
-
公开(公告)号：CN117180511A
公开(公告)日：2023-12-08
申请号：CN202311150682.X
申请日：2023-09-07
Applicant: 浙江大学
Abstract: 本发明涉及医用材料技术领域，公开一种具有抗凝血和/或原位内皮化功能的白蛋白涂层及其制备方法和应用。制备过程包括步骤：将活化后的基底浸泡在含有环氧官能团的硅氧烷溶液中，得到改性基底；或，将活化后的基底和含环氧官能团的硅氧烷一同静置在真空环境中，得到改性基底；将改性基底浸泡在白蛋白溶液中，得到所述白蛋白涂层。本发明发现白蛋白涂层不仅具有优异的抗凝血功能，还具有原位内皮化功能，能够在涂层表面快速形成完整的内皮层，抑制平滑肌细胞的过度增生，避免术后再狭窄的发生，可用于心血管支架、心脏瓣膜、心脏封堵器等一系列植介入医疗器械表面，为其提供优异的抗凝血和/或原位内皮化效果。
-
公开(公告)号：CN111242954A
公开(公告)日：2020-06-05
申请号：CN202010067124.7
申请日：2020-01-20
Applicant: 浙江大学
Abstract: 本发明公开了一种带有双向连接和遮挡处理的全景分割方法。方法包括如下步骤：1)获取用于训练全景分割的数据集，并定义算法目标；2)使用全卷积网络对组内图像进行特征学习；3)经过语义特征提取分支对特征图提取语义特征；4)经过实例特征提取分支对特征图提取实例特征；5)建立实例分割到语义分割的连接，将语义特征与实例特征聚合进行语义分割；6)建立语义分割到实例分割的连接，将实例特征与语义特征聚合进行实例分割；7)使用遮挡处理算法，融合语义分割和实例分割的结果，输出全景分割结果。本方法充分利用了语义分割和实例分割之间的互补性，同时应用底层特征表观信息所提出的遮挡处理算法，高效地完成了图像的全景分割。
-
公开(公告)号：CN110807462A
公开(公告)日：2020-02-18
申请号：CN201910858848.0
申请日：2019-09-11
Applicant: 浙江大学
Abstract: 本发明公开了一种针对语义分割模型的上下文不敏感的训练方法，用于对视频的语义分割算法进行大幅加速。具体包括如下步骤：1)获取用于训练语义分割的多组图像数据集，并定义算法目标；2)使用基于全卷积网络结构的模型在该数据集上进行学习；3)使用类擦去样本生成器产生新的训练样本；4)使用步骤2)得到的网络参数，在原始数据集和步骤3)生成的新样本上结合一致性约束进行优化，得到对上下文不敏感的模型。本发明挖掘语义分割的场景理解能力，所训练的模型在数据擦除、数据干扰和风格迁移等条件下具有更好的泛化能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
