-
公开(公告)号：CN118415674A
公开(公告)日：2024-08-02
申请号：CN202410583858.9
申请日：2024-05-11
Applicant: 西安交通大学 , 浙江西安交通大学研究院
Abstract: 本发明公开了一种含标记耦合贴及基于该耦合贴的三维超声重建装置与方法，含标记耦合贴包括固态的声波传输体和位于声波传输体中的标记线；沿声波的传输方向，标记线在声波传输体中至少布置三层，每层的标记线位于垂直于声波传输方向的同一平面上；每层的标记线至少为三条，每层至少有两条平行标记线，且至少有一条为斜线，即斜线与两条平行标记线既不平行也不垂直；在各层标记线中，至少有一层标记线的形状与另一层标记线的形状互为镜像，且至少有一层标记线与另一层标记线的平行线投影不完全对齐。本发明使用标记线使得每一张超声图像都能出现标记点，从而推断超声图像的空间位置信息，重建三维超声图像，解决现有技术系统复杂，成本高昂等问题。
-
公开(公告)号：CN118968140A
公开(公告)日：2024-11-15
申请号：CN202410999797.4
申请日：2024-07-24
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06V10/764 , G06N3/0895 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464 , G06V10/44
Abstract: 本发明公开了一种基于半监督学习的岩屑白光图片分类方法、系统、设备、介质及程序，属于石油/天然气探测技术领域。方法包括对获取岩屑白光图片数据进行处理，构建数据集；使用数据集来训练基于半监督学习的岩屑白光图片分类网络，得到分类网络模型；设计损失函数对分类网络模型进行迭代训练，得到最终的分类网络模型；基于最终的分类网络模型对采集到的白岩图片进行分析，根据分析结果生成分类结果。本发明能够有效地帮助探测技术人员进行岩屑类型判断，提高对岩屑类型的分类工作效率，提升探测速率。
-
公开(公告)号：CN118587775A
公开(公告)日：2024-09-03
申请号：CN202410849608.5
申请日：2024-06-27
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06V40/20 , G06V10/42 , G06V10/44 , G06V10/62 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于手部分组的录井平台手势识别方法及系统，属于手势识别技术领域。包括获取手部图片数据集；采用多类型数据融合对手部图片数据集进行处理，提取手部特征；使用手部特征对时空建模基本单元进行训练，得到手势识别模型；利用手势识别模型对录井平台手势进行识别。本发明通过使用多分组训练、多类型数据融合、应用时序自适应卷积以及特征注意力融合方法构建手势识别网络，通过构建手势识别网络，实现快速的手势识别，并保证设别的准确性。
-
公开(公告)号：CN118246433B
公开(公告)日：2024-08-30
申请号：CN202410689939.7
申请日：2024-05-30
Applicant: 西安交通大学 , 盘锦中录油气技术服务有限公司
IPC: G06F40/20 , G06F40/30 , G06F18/22 , G06F18/241 , G06F18/27 , G06F18/214 , G06F18/213 , G06Q10/10
Abstract: 本发明公开了一种基于非自回归模型的录井综合记录摘要生成方法及系统，属于石油天然气探测技术领域，方法包括：收集录井综合记录；通过上下文生成语句数据增强模型，对收集录井综合记录进行扩充，得到扩充后的录井综合记录；构建非自回归模型，对扩充后的录井综合记录进行序列拼接作为输入序列，输入所述非自回归模型，然后进行迭代编码与解码，并使用连接主义时间分类算法进行潜在对齐并消除相邻重复词，以解码生成的摘要作为输出序列；对待分析录井综合记录进行推理，生成录井综合记录摘要。本发明能够提高录井综合记录效率，为后续探井计划提供可靠的依据，大幅度提升探测速度。
-
公开(公告)号：CN117036782A
公开(公告)日：2023-11-10
申请号：CN202310883091.7
申请日：2023-07-18
Applicant: 西安交通大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于非对称训练的病理组织图像亚型分类与注释方法，包括：获取待分类的病理组织图像数据，对待分类的病理组织图像数据进行预处理，得到新的数据集；构建基于CNN和Deep GCN的非对称协同训练框架深度学习模型，然后进行训练，得到分类效果最好的深度学习模型；Deep GCN采用残差/密集连接构建；将新的数据集输入到分类效果最好的深度学习模型中，输出病理组织图像的癌症亚型所属分类，得到病理数据的补丁图像所属癌症亚型分类结果。本发明能实现像素级和细胞级特征的综合利用，可提高多类组织病理学图像分类的性能和注释区域的可解释性，分类性能更高，可解释性更强，泛化性更好。
-
Patent Agency Ranking
公开(公告)号：CN115984339A
公开(公告)日：2023-04-18
申请号：CN202310116225.2
申请日：2023-02-15
Applicant: 西安交通大学
IPC: G06T7/30 , G06V10/80 , G06V10/774 , G06N3/0464 , G06N3/084
Abstract: 一种基于几何特征精炼与对抗生成网络的双管道点云补全方法，1、对缺失点云和完整点云分别提取特征；2、根据编码器获得的补丁特征，获取完整点云分布和缺失点云分布，让缺失点云分布拟合完整点云分布；3、对点云分布采样后，经过几何特征精炼网络，重建路径得到重构点云，补全路径得到粗补全点云；4、重建路径上，将重构点云作为真实数据输入，引入噪声点通过StyleGan得到生成点云；5、补全路径上，将获得的粗补全点云通过卷积编码器，结合补丁特征和上采样信息，融合得到隐空间编码，通过解码器解码得到精补全点云；6、计算生成点云和精补全点云的余弦距离，赋予不同的权重值，融合得到最后的输出。本发明能够高效、准确的补全缺失的点云信息。
-
公开(公告)号：CN118968250A
公开(公告)日：2024-11-15
申请号：CN202410923080.1
申请日：2024-07-10
Applicant: 西安交通大学
IPC: G06V10/82 , G06V10/77 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/74 , G06V10/26 , G06V20/70 , G06V20/64 , G06N3/045 , G06N3/0895
Abstract: 本发明属于三维点云处理技术领域，涉及一种基于对比学习的退化三维点云自监督表征学习方法，包括：1)获取三维点云的公开分类数据集，并进行数据增强和退化；2)预训练阶段，提取原始、增强及退化点云的特征，增加模型稳定性；优化正负样本间特征距离，重建退化点云，恢复其原始形态；3)微调阶段，保留并利用预训练的主干网络作为新网络结构的基础；根据不同下游任务需求，添加相应的任务头进行微调；4)将微调得到模型完成对测试点云数据集进行推理；本发明不仅能够区分同一对象的增强视图，还能够学习辨别干扰的实例和干净的实例，本发明的双重学习目标促使模型提取更多不变和判别性特征，从而提高其对数据退化的恢复能力。
-
公开(公告)号：CN107292253B
公开(公告)日：2019-10-18
申请号：CN201710437201.1
申请日：2017-06-09
Applicant: 西安交通大学
IPC: G06K9/00
Abstract: 本发明公开了一种道路行驶区域的视觉检测方法，该方法利用超像素作为中层特征感知一致性单元，在中层超像素分割基础上构建能量函数，能量函数的数据依赖项由超像素的颜色、纹理、位置特征定义，数据交互项引入时空邻域超像素的交互作用，根据其标签和颜色特征差异性予以定义，此外，根据“初始化类别标签—初始全局能量计算—局部能量比较—全局能量比较”循环判别实施能量最小化，本发明可有效检测图像及视频中的道路行驶区域，方法简单有效。
-
公开(公告)号：CN120032614A
公开(公告)日：2025-05-23
申请号：CN202510498636.1
申请日：2025-04-21
Applicant: 西安交通大学
IPC: G10H1/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0499 , G06N3/0895 , G06F18/213 , G06F18/25
Abstract: 本发明公开一种基于深度特征提取的旋律提取方法、系统及相关产品，属于音乐信息检索技术领域。本发明利用残差神经网络层、最大池化层和双向长短时记忆网络层提取第二频谱图的特征，得到特征向量#imgabs0#；利用卷积循环神经网络层提取第二频谱图的特征，得到特征向量#imgabs1#，将二者串联融合为特征向量#imgabs2#；最后通过半监督极限学习机网络模型提取得到待处理音频信号的旋律。本方法通过残差神经网络、双向长短时记忆网络与卷积循环神经网络的协同作用，分别提取第二频谱图的深层时序特征和局部频域特征，通过串联融合实现多模态特征互补，增强旋律特征的表征能力，解决传统SSELM模型依赖单一网络结构导致特征表达不足的问题，提高旋律提取的准确率。
-
公开(公告)号：CN117557521A
公开(公告)日：2024-02-13
申请号：CN202311505463.9
申请日：2023-11-13
Applicant: 西安交通大学
Abstract: 本发明公开了一种面向动态超声的病灶视频分割方法，包括以下步骤：将待分割视频通过训练好的深度学习模型，实现病灶视频分割；其中，所述训练好的深度学习模型通过采用将标注的训练集中的数据和拥有伪标签的未标注训练集中的数据对全自动视频目标分割模型进行训练至收敛得到。为了合理利用超声视频的时间空间特征，引入了一种基于相邻帧的视频分割网络，该网络利用自适应特征库对相邻帧的有用信息进行存储并在分割当前帧时加以利用。为了减少视频的人工标注的工作量，将半监督方法运用到视频分割方法中。本发明提出的方法在基于超声视频的病灶分割中的优越性能，并且本发明还可以应用在多种超声的病灶检测中，具有良好的普适性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.022 seconds)
