-
公开(公告)号：CN111259904B
公开(公告)日：2022-12-27
申请号：CN202010047315.7
申请日：2020-01-16
Applicant: 西南科技大学
IPC: G06V10/26 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和聚类的语义图像分割方法和系统，包括以下步骤：S1:通过卷积神经网络，对原图像进行卷积和池化，得到原图像的线性特征矩阵；S2:将所述线性特征矩阵，进行子空间聚类，得到聚类后的特征数据；S3:将所述聚类后的特征数据，通过反卷积和上采样，处理至与原图像相同的像素，得到分割后的图像。本发明将深度神经网络中的卷积神经网络(CNN)与子空间聚类相结合，又用稀疏子空间替代CNN中全连接层的方式，解决了现有技术中语义图像分割计算复杂，数据量大而信息贫乏的问题。在神经网络中引入子空间聚类方法，减少了CNN工作时需要的大量标记数据，实现对CNN神经网络的无监督学习。
-
公开(公告)号：CN113378415A
公开(公告)日：2021-09-10
申请号：CN202110925533.0
申请日：2021-08-12
Applicant: 西南科技大学
IPC: G06F30/20 , G06F17/16 , G06K9/40 , G06K9/46 , G06K9/62 , G06F111/04 , G06F119/10
Abstract: 本发明公开了一种基于局部和全局约束的多媒体数据自适应恢复方法及装置，包括以下步骤：提取多媒体数据的特征数据，所述特征数据包括全局特征和局部特征；用构建好的数据全局约束模型对所述特征数据进行低秩约束，以获取干净数据；用构建好的噪声数据局部相似性度量模型对所述特征数据中的噪声进行提取，以获取噪声数据。本发明的目的在于提供一种基于局部和全局约束的多媒体数据自适应恢复方法和装置，能提高数据恢复质量，尤其是对破坏严重的图像、视频等多媒体数据的恢复效果更明显，能够提供更加准确的图像和视频目标和背景信息，达到较理想的去噪效果。
-
公开(公告)号：CN111259904A
公开(公告)日：2020-06-09
申请号：CN202010047315.7
申请日：2020-01-16
Applicant: 西南科技大学
Abstract: 本发明公开了一种基于深度学习和聚类的语义图像分割方法和系统，包括以下步骤：S1:通过卷积神经网络，对原图像进行卷积和池化，得到原图像的线性特征矩阵；S2:将所述线性特征矩阵，进行子空间聚类，得到聚类后的特征数据；S3:将所述聚类后的特征数据，通过反卷积和上采样，处理至与原图像相同的像素，得到分割后的图像。本发明将深度神经网络中的卷积神经网络(CNN)与子空间聚类相结合，又用稀疏子空间替代CNN中全连接层的方式，解决了现有技术中语义图像分割计算复杂，数据量大而信息贫乏的问题。在神经网络中引入子空间聚类方法，减少了CNN工作时需要的大量标记数据，实现对CNN神经网络的无监督学习。
-
公开(公告)号：CN110163872A
公开(公告)日：2019-08-23
申请号：CN201910396497.6
申请日：2019-05-14
Applicant: 西南科技大学
Abstract: 本申请实施例公开了一种HRMR图像分割与三维重建的方法及电子设备，用于定位的准确性以及分割结果的精准度。本申请实施例方法包括：获取待分割的颅内HRMR图像；提取粥样硬化斑块所在的感兴趣区域；对感兴趣区域进行降噪处理，得到降噪后的图像；对降噪后的图像进行图像边缘增强，得到边缘增强后的图像；对边缘增强后的图像进行斑块定位，得到斑块定位图像；对斑块定位图像进行斑块分割，得到斑块分割图像；对颅内HRMR图像进行动脉血管分割，得到动脉血管分割图像；将斑块分割图像和动脉血管分割图像进行融合，得到融合图像；根据斑块分割图像、动脉血管分割图像和融合图像，进行三维重建，得到三维重建后的图像。
-
公开(公告)号：CN109702557A
公开(公告)日：2019-05-03
申请号：CN201910138680.6
申请日：2019-02-25
Applicant: 西南科技大学
IPC: B23Q17/00
Abstract: 公开了一种刀柄插刀力与拔刀力实时检测系统。根据本发明的刀柄插刀力与拔刀力实时检测系统包括：至少一个刀柄模块，每个刀柄模块包括上刀柄和下刀柄，下刀柄与上刀柄之间通过拉压力传感器连接，其中外力被施加在所述下刀柄上，以使得所述刀柄模块插入刀套和从刀套拔出；电路模块，包括信号采集模块和WIFI模块，所述信号采集模块被配置为采集所述拉压力传感器检测到的信号，并且所述WIFI模块发送经处理的所述信号；以及上位机模块，被配置为标识所述刀柄模块，并接收所述WIFI模块发送的信号。
-
Patent Agency Ranking
公开(公告)号：CN113378415B
公开(公告)日：2021-11-02
申请号：CN202110925533.0
申请日：2021-08-12
Applicant: 西南科技大学
IPC: G06F30/20 , G06F17/16 , G06K9/40 , G06K9/46 , G06K9/62 , G06F111/04 , G06F119/10
Abstract: 本发明公开了基于局部和全局约束的多媒体数据自适应恢复方法及装置，方法包括以下步骤：提取多媒体数据的特征数据；用构建好的数据全局约束模型对所述特征数据进行低秩约束；用构建好的噪声数据局部相似性度量模型对特征数据中的噪声进行提取；用交替最小化方法或交替方向乘子法迭代求解数据全局约束模型和噪声数据局部相似性度量模型，以获取干净数据和噪声数据。本发明的目的在于提供一种基于局部和全局约束的多媒体数据自适应恢复方法和装置，能提高数据恢复质量，尤其是对破坏严重的图像、视频等多媒体数据的恢复效果更明显，能够提供更加准确的图像和视频目标和背景信息，达到较理想的去噪效果。
-
公开(公告)号：CN102901449B
公开(公告)日：2015-07-29
申请号：CN201210418771.3
申请日：2012-10-20
Applicant: 西南科技大学
IPC: G01B11/00
Abstract: 本发明公开了一种适用于拉铆钉视觉测量的精确定位机构，其延伸式吸盘定位机构固定于双程可控磁力滑轨机构上。延伸式吸盘定位机构的定位块与吸盘电磁铁相连，拉铆钉位于下滑板和上滑板之间；双程可控磁力滑轨机构的平板连接一号电磁铁铁芯，一号电磁铁铁芯连接二号电磁铁铁芯，二号电磁铁铁芯固定在第二滑块；一号电磁铁和二号电磁铁固定在铁板上，第一滑块和第二滑块安装在滑轨上；滑轨固定在基座上。本发明中的延伸式吸盘定位机构与双程可控磁力滑轨结合可以使拉铆钉被竖直精确的定位于特定的位置，从而提高了视觉测量中检测的精度，并且实现了检测的自动化，提高了生产效率，降低了劳动强度。
-
公开(公告)号：CN111047883B
公开(公告)日：2021-01-01
申请号：CN201911337289.5
申请日：2019-12-23
Applicant: 西南科技大学
Abstract: 本发明提供一种关键交叉口及相邻交叉口交通信号控制方法，所述的关键交叉口采用单向全通行的控制方法，关键交叉口的相邻交叉口采用三转向车流同步的控制方法；通过计算关键交叉口和相邻交叉口之间的相位差、确定相邻交叉口的放行时间。利用交通波相关理论计算放行时长，使各相邻交叉口进入关键交叉口进口道的车队不停车通过关键交叉口。本发明建立的信号控制方法简单、易实现，仿真结果表明其可以有效预防、改善关键交叉口的拥堵情况，避免了拥堵的传播和扩散，为整个路网的畅通运行做出了有益贡献。
-
公开(公告)号：CN111047883A
公开(公告)日：2020-04-21
申请号：CN201911337289.5
申请日：2019-12-23
Applicant: 西南科技大学
Abstract: 本发明提供一种关键交叉口及相邻交叉口交通信号控制方法，所述的关键交叉口采用单向全通行的控制方法，关键交叉口的相邻交叉口采用三转向车流同步的控制方法；通过计算关键交叉口和相邻交叉口之间的相位差、确定相邻交叉口的放行时间。利用交通波相关理论计算放行时长，使各相邻交叉口进入关键交叉口进口道的车队不停车通过关键交叉口。本发明建立的信号控制方法简单、易实现，仿真结果表明其可以有效预防、改善关键交叉口的拥堵情况，避免了拥堵的传播和扩散，为整个路网的畅通运行做出了有益贡献。
-
公开(公告)号：CN102901449A
公开(公告)日：2013-01-30
申请号：CN201210418771.3
申请日：2012-10-20
Applicant: 西南科技大学
IPC: G01B11/00
Abstract: 本发明公开了一种适用于拉铆钉视觉测量的精确定位机构，其延伸式吸盘定位机构固定于双程可控磁力滑轨机构上。延伸式吸盘定位机构的定位块与吸盘电磁铁相连，拉铆钉位于下滑板和上滑板之间；双程可控磁力滑轨机构的平板连接一号电磁铁铁芯，一号电磁铁铁芯连接二号电磁铁铁芯，二号电磁铁铁芯固定在第二滑块；一号电磁铁和二号电磁铁固定在铁板上，第一滑块和第二滑块安装在滑轨上；滑轨固定在基座上。本发明中的延伸式吸盘定位机构与双程可控磁力滑轨结合可以使拉铆钉被竖直精确的定位于特定的位置，从而提高了视觉测量中检测的精度，并且实现了检测的自动化，提高了生产效率，降低了劳动强度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
