-
公开(公告)号：CN115601604B
公开(公告)日：2023-04-07
申请号：CN202211507202.6
申请日：2022-11-29
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/72 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及基于超声微泡轨迹追踪进行血管医学成像领域，尤其涉及一种基于长短时记忆网络的多任务微泡轨迹追踪方法。本发明首先结合血管血流运动学特征，仿真符合微泡在血流中运动的轨迹数据；其次设计基于长短时记忆网络的多任务轨迹追踪方法并行完成肾脏超声微泡轨迹的分类绑定和回归任务；最后为应对基于长短时记忆网络的多任务模型从训练场景迁移到新场景推理轨迹产生的偏差问题，使用自质量评估优化算法微调模型，适配新场景。与传统的方法相比，（1）该方法缓解了对医学超声微泡数据的依赖度；（2）与传统串行处理方法相比该方法耗时更短，效率更高；（3）利用少量新场景数据，结合SQE评估算法即可调优模型，满足新场景下的推理需求。
-
公开(公告)号：CN115601604A
公开(公告)日：2023-01-13
申请号：CN202211507202.6
申请日：2022-11-29
Applicant: 西南石油大学(CN) , 成都迈创立科技有限公司(CN)
IPC: G06V10/764 , G06V10/82 , G06N3/08 , G06V10/72
Abstract: 本发明涉及基于超声微泡轨迹追踪进行血管医学成像领域，尤其涉及一种基于长短时记忆网络的多任务微泡轨迹追踪方法。本发明首先结合血管血流运动学特征，仿真符合微泡在血流中运动的轨迹数据；其次设计基于长短时记忆网络的多任务轨迹追踪方法并行完成肾脏超声微泡轨迹的分类绑定和回归任务；最后为应对基于长短时记忆网络的多任务模型从训练场景迁移到新场景推理轨迹产生的偏差问题，使用自质量评估优化算法微调模型，适配新场景。与传统的方法相比，（1）该方法缓解了对医学超声微泡数据的依赖度；（2）与传统串行处理方法相比该方法耗时更短，效率更高；（3）利用少量新场景数据，结合SQE评估算法即可调优模型，满足新场景下的推理需求。
-
公开(公告)号：CN114240788A
公开(公告)日：2022-03-25
申请号：CN202111568403.2
申请日：2021-12-21
Applicant: 西南石油大学
IPC: G06T5/00 , G06T7/11 , G06T7/194 , G06V10/762 , G06K9/62
Abstract: 本发明涉及一种面向复杂场景的鲁棒性及自适应性背景复原方法，属于图形图像处理领域；它解决了目前背景复原方法无法应对场景中高动态干扰的问题；其技术方案是：在时间域使用相关性像素点‑像素块结构构建高斯背景模型；结合背景模型检测测试帧中前景区域；对测试图像进行分割；根据分割后各簇之间相似度进行聚合；计算聚合后每个簇中前景像素点占比以生成待复原区域；使用测试帧中的块信息与背景模型中参数对目标像素点进行背景复原；本发明具有以下有益效果：多个块区域依据其权重对目标像素点背景值进行估计，具有很强的鲁棒性、使用当前帧信息去估计背景像素点值使得方法具有自适应性，能够很好的抵抗外界环境干扰。
-
公开(公告)号：CN117496091A
公开(公告)日：2024-02-02
申请号：CN202311835358.1
申请日：2023-12-28
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G06T17/20 , G06T15/00 , G06T15/04 , G06V10/44 , G06V10/422 , G06V10/52 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于局部纹理的单视图三维重建方法，该方法具体包括如下步骤：输入图像至卷积神经网络提取特征图和全局特征向量；通过相机参数的投影得到每个空间预设点的局部特征；通过特征图的卷积和上采样得到物体的表面细节纹理偏移图；将每个空间预设点的三维坐标分别与全局和局部特征拼接，送入解码网络解码粗略全局形状和局部细节形状，投影空间预设点到纹理偏移图得到每个点纹理偏移，三部分相加得到重建目标的SDF表示；通过Marching Cube算法提取零值面得到显式重建结果。本发明实现了高质量的单视图三维重建，与已有方法相比，本发明在纹理细节部分重建效果更好。
-
公开(公告)号：CN116030095B
公开(公告)日：2023-06-20
申请号：CN202310049832.1
申请日：2023-02-01
Applicant: 西南石油大学
IPC: G06T7/246 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于双分支孪生网络结构的视觉目标跟踪方法，属于图形图像处理领域；它解决了目前目标跟踪方法中遮挡、形变、模糊运动以及相似物干扰等常见的问题；其技术方案是：向双分支孪生网络结构同时输入模板帧和搜索帧图像，然后将经过双分支孪生网络结构的模板帧和搜索帧图像进行互相关操作，得到一张响应图，取出响应图中值最大的点即为待跟踪目标的中心位置；本发明具有以下有益效果：通过双分支网络结构中的浅层分支能精确捕捉目标位置信息；深层分支通过提取目标抽象的语义信息，能很好的应对跟踪过程中目标出现的遮挡、尺度变化等问题；将经过两个分支的结果进行自适应融合，能够达到很好的综合效果。
-
Patent Agency Ranking
公开(公告)号：CN115937647B
公开(公告)日：2023-05-19
申请号：CN202310047740.X
申请日：2023-01-31
Applicant: 西南石油大学
Abstract: 本发明属于图像处理技术领域，具体设计了一种多特征融合的图像显著性检测方法。包括如下步骤：S1：搭建MFS先验特征选择模块，从先验特征中选择主要特征并对主要特征进行增强；S2：搭建主干网络的架构，采用基于U‑Net的网络改进的Contrast U‑Net作为主干网络，该主干网络包含编码器、挤压提取模块、解码器，其中编码器中包含先验融合模块；S3：使用损失函数对整体模型网络结构进行优化；本发明通过将传统与深度的方法相结合，增加特征的表达能力，可以有效的提升显著目标检测的精度。
-
公开(公告)号：CN118656774A
公开(公告)日：2024-09-17
申请号：CN202411154612.6
申请日：2024-08-22
Applicant: 西南石油大学
IPC: G06F18/2451 , G06F18/27 , G06F18/2111 , G06F18/2131 , G06F123/02
Abstract: 本发明公开一种基于改进的遗传算法和傅里叶变换的时间序列分类方法，属于时间序列分类领域。其技术方案是，通过改进后的遗传算法，其适应度函数能够快速下降并获取序列的高质量Shapelet特征，并采用离散傅里叶变换获取时间序列频域显著性模式。其具体的改进设计在于，针对单条序列学习其独立的Shapelet，这样的设计保留了方法的可解释性；并且改进后的遗传算法的交叉算子，使其能够更有针对性的学习有效基因，达到适应度函数的快速下降。频域特征部分采用可变长的滑动窗口结合离散傅里叶变换，以及f检验进行显著性分析，这样的设计有效解决了Shapelet特征带来的信息丢失问题。本发明结果相较于其它可解释性方法，在精度和时间复杂度上都具备优势。
-
公开(公告)号：CN117496091B
公开(公告)日：2024-03-15
申请号：CN202311835358.1
申请日：2023-12-28
Applicant: 西南石油大学 , 成都迈创立科技有限公司
IPC: G06T17/20 , G06T15/00 , G06T15/04 , G06V10/44 , G06V10/422 , G06V10/52 , G06V10/54 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于局部纹理的单视图三维重建方法，该方法具体包括如下步骤：输入图像至卷积神经网络提取特征图和全局特征向量；通过相机参数的投影得到每个空间预设点的局部特征；通过特征图的卷积和上采样得到物体的表面细节纹理偏移图；将每个空间预设点的三维坐标分别与全局和局部特征拼接，送入解码网络解码粗略全局形状和局部细节形状，投影空间预设点到纹理偏移图得到每个点纹理偏移，三部分相加得到重建目标的SDF表示；通过Marching Cube算法提取零值面得到显式重建结果。本发明实现了高质量的单视图三维重建，与已有方法相比，本发明在纹理细节部分重建效果更好。
-
公开(公告)号：CN117132870A
公开(公告)日：2023-11-28
申请号：CN202311385829.3
申请日：2023-10-25
Applicant: 西南石油大学
IPC: G06V10/82 , G06V10/44 , G06V10/42 , G06V10/80 , G06V20/40 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明属于目标检测技术领域，提供了一种CenterNet与混合注意力相融合的机翼结冰检测方法。本发明可用于结冰图像的识别，进而实现机翼结冰检测的任务。本发明旨在解决现有的机翼结冰检测方法要么依赖操作员经验，要么依赖复杂的工程实现和高昂的硬件开发成本等问题。为了解决实验数据中出现的特定结冰区域方向问题，我们设计了一种新颖的角度预测分支网络，以实现对旋转目标的精确校准。进一步的，我们将混合注意力（Convolutional Block Attention Module）融合到神经网络中，有效的增强了对冰形边界的特征提取能力。我们设计了RA‑CenterNet与其他主流旋转目标检测方法和基线网络的对比实验，结果表明，RA‑CenterNet算法与主流旋转目标检测算法相比具有综合竞争优势。
-
公开(公告)号：CN114240788B
公开(公告)日：2023-09-08
申请号：CN202111568403.2
申请日：2021-12-21
Applicant: 西南石油大学
IPC: G06T5/00 , G06T7/11 , G06T7/194 , G06V10/762
Abstract: 本发明涉及一种面向复杂场景的鲁棒性及自适应性背景复原方法，属于图形图像处理领域；它解决了目前背景复原方法无法应对场景中高动态干扰的问题；其技术方案是：在时间域使用相关性像素点‑像素块结构构建高斯背景模型；结合背景模型检测测试帧中前景区域；对测试图像进行分割；根据分割后各簇之间相似度进行聚合；计算聚合后每个簇中前景像素点占比以生成待复原区域；使用测试帧中的块信息与背景模型中参数对目标像素点进行背景复原；本发明具有以下有益效果：多个块区域依据其权重对目标像素点背景值进行估计，具有很强的鲁棒性、使用当前帧信息去估计背景像素点值使得方法具有自适应性，能够很好的抵抗外界环境干扰。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.123 seconds)
