基于深度学习的单视图三维物体重建方法

    公开(公告)号:CN119152121A

    公开(公告)日:2024-12-17

    申请号:CN202411362684.X

    申请日:2024-09-27

    Abstract: 本发明公开了基于深度学习的单视图三维物体重建方法,涉及计算机视觉领域,包括S1、构建物体重建模型,物体重建模型包括图像编码器、生成器G和鉴别器D,图像编码器用于从单视图图像中提取高层次特征,并通过重参数化技巧将高层次特征转化为潜在向量;S2、获取训练数据集;S3、训练数据集导入物体重建模型,并对物体重建模型进行训练优化,获得优化后的物体重建模型;S4、获取待重建的数据;S5、利用优化后的物体重建模型对待重建的数据进行三维物体重建;采用先进的神经网络架构,生成对抗网络GAN和图像编码器VAE,并在GAN网络中添加空间注意力机制来挖掘单视图图像中的深层特征和空间关系,从而提升3D物体重建的精度和鲁棒性。

    基于图神经网络的人体图像生成方法

    公开(公告)号:CN118941670A

    公开(公告)日:2024-11-12

    申请号:CN202411201472.3

    申请日:2024-08-29

    Abstract: 本发明公开了基于图神经网络的人体图像生成方法,涉及人工智能领域,包括S1、构建初始的人体图像生成模型S2、获取实验数据集;S3、实验数据集导入初始的人体图像生成模型,并构建损失函数Lfull作为人体图像生成模型的约束条件,通过反向传播和梯度下降算法进行训练优化得到优化后的人体图像生成模型;S4、获取待生成的人体图像;S5、利用优化后的人体图像生成模型生成待生成的人体图像的人体图形;利用各向同性特征提取模块和图形信息模块,有效处理人体图像的非均匀特征和多尺度属性;各向同性特征提取模块的分层结构与人的异质组成部分相匹配,提高特征提取的准确性和灵活性;图形信息模块的设计鼓励特征在不同层次间的转换,增强了对细节的捕捉能力,包括服装纹理等。

    基于混合损失函数扩散模型的增强CT图像生成方法及装置

    公开(公告)号:CN118379208A

    公开(公告)日:2024-07-23

    申请号:CN202410816691.6

    申请日:2024-06-24

    Abstract: 本发明公开了一种基于混合损失函数扩散模型的增强CT图像生成方法及装置,该方法包括:采集CT图像数据及其配对的造影剂增强CT图像数据,并采用数据增强方法和面向数据的正则化方法对其进行预处理,以按比例划分为训练集、测试集和验证集;构建用于生成造影剂增强CT图像的扩散模型;使用训练集对扩散模型进行迭代训练,基于混合损失函数调整扩散模型的参数,以获取训练好的扩散模型;将测试集中的CT图像数据输入至训练好的扩散模型中,得到对应的造影剂增强CT图像数据。本发明能够生成清晰可靠的造影剂增强CT图像,能够更好地捕捉数据分布的特征,提高了对不同特征的感知能力,增强了合成图像的质量,提高了模型的泛化性。

    肝胆管细胞癌术后的复发情况预测方法

    公开(公告)号:CN116741380A

    公开(公告)日:2023-09-12

    申请号:CN202310743593.X

    申请日:2023-06-21

    Abstract: 本发明公开了肝胆管细胞癌术后的复发情况预测方法,涉及计算机技术领域,包括S1构建复发情况预测模型,复发情况预测模型包括图像分割模块、指标数据分析模块和预测分析模块;S2获取训练数据集,训练数据包括CT图像和病例指标;S3训练数据集导入复发情况预测模型,并对其进行训练优化;S4获取待预测数据;S5利用优化后的复发情况预测模型对待预测数据进行分析得到,肝胆管细胞癌术后的复发情况;除了对CT图像进行充分利用外,本方法还将病例所对应的指标数据与其图像数据进行了融合使用,以补充CT图像无法表达的信息。通过不断地优化训练,最终得到了具有良好性能的术后复发情况预测模型。

    一种异构传感器网络非同步数据收集方法

    公开(公告)号:CN117221205A

    公开(公告)日:2023-12-12

    申请号:CN202311293310.2

    申请日:2023-10-08

    Abstract: 本发明涉及一种异构传感器网络非同步数据收集方法,包括:通过任务选择器选择最合适的目标传感器作为移动接收器的访问目标,使用图注意力网络来嵌入输入图,并输出下一个目标传感器作为移动接收器将访问的目标传感器;使用深度Q学习网络训练移动接收器控制器,自动控制移动接收器飞向访问目标传感器;不断重复上述内容直到移动接收器控制器逐渐收敛到最优策略后停止,移动接收器沿着可访问的路径在数据生成的有效时间窗内移动到目标传感器完成数据传输收集任务。本发明能够更精确地找到最优路径,并考虑到能量和数据传输的约束条件,采用两阶段启发式计算方法,将问题分解成任务选择和MS控制两个部分,降低了计算复杂度。

Patent Agency Ranking