-
公开(公告)号：CN114267086B
公开(公告)日：2024-08-09
申请号：CN202111646483.9
申请日：2021-12-30
申请人： 西南石油大学 , 成都优途科技有限公司
摘要： 本发明公开了一种运动中复杂连续动作的执行品质评估方法，其包括以下步骤：S1：通过人体姿态识别算法提取人体关键点；S2：将上述获取的关键点再结合人体重心，根据人体各关节的灵活度，把关键点分为4个等级，再逐级连接相应的关键点组合成不同的矢量，然后将这些矢量的模进行稳定滤波处理，最后根据关键点重建公式重新建立人体关键点；S3：根据步骤S2中重建得到的人体关键点，构造角度、速度以及角速度等动作参数表征训练动作，然后再做参数融合处理；S4：采取4个方向来量化动作，分别是动作的优劣与动作的快慢。该方法保证了提取出的人体关键点基本稳定，并且可以个性化的设计参数来表征连续复杂的动作，对连续复杂的动作进行量化。
-
公开(公告)号：CN114267086A
公开(公告)日：2022-04-01
申请号：CN202111646483.9
申请日：2021-12-30
申请人： 西南石油大学 , 成都优途科技有限公司
摘要： 本发明公开了一种运动中复杂连续动作的执行品质评估方法，其包括以下步骤：S1：通过人体姿态识别算法提取人体关键点；S2：将上述获取的关键点再结合人体重心，根据人体各关节的灵活度，把关键点分为4个等级，再逐级连接相应的关键点组合成不同的矢量，然后将这些矢量的模进行稳定滤波处理，最后根据关键点重建公式重新建立人体关键点；S3：根据步骤S2中重建得到的人体关键点，构造角度、速度以及角速度等动作参数表征训练动作，然后再做参数融合处理；S4：采取4个方向来量化动作，分别是动作的优劣与动作的快慢。该方法保证了提取出的人体关键点基本稳定，并且可以个性化的设计参数来表征连续复杂的动作，对连续复杂的动作进行量化。
-
公开(公告)号：CN117132870B
公开(公告)日：2024-01-26
申请号：CN202311385829.3
申请日：2023-10-25
申请人： 西南石油大学
IPC分类号： G06V10/82 , G06V10/44 , G06V10/42 , G06V10/80 , G06V20/40 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
摘要： 基线网络的对比实验，结果表明，RA‑CenterNet本发明属于目标检测技术领域，提供了一种 算法与主流旋转目标检测算法相比具有综合竞CenterNet与混合注意力相融合的机翼结冰检测 争优势。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 (56)对比文件匡益.基于深度学习的工业仪表检测与自动读数方法研究《.中国优秀硕士学位论文全文数据库》.2023,(第08期),C030-23.
-
公开(公告)号：CN116030037A
公开(公告)日：2023-04-28
申请号：CN202310154824.3
申请日：2023-02-23
申请人： 西南石油大学
IPC分类号： G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/0895
摘要： 本发明提供一种基于自监督学习的超声图像模拟方法，包括以下步骤：首先，在CT图像或者MR图像中得到切片，得到切片后根据图像的形态学特征将组织切片图像分割成不同区域，选择感兴趣的区域；通过大量的Field II模拟的超声图像训练模型，当模型收敛后，使用训练好的模型来实时模拟超声图像。本发明采用了一种新的空间相关性损失，它简单、高效，在支持未配对图像到图像转换过程中较大的外观变化的同时，仍能有效地保持结构的一致性。本发明能够实时的完成超声图像模拟，得到的图像相对于传统卷积法效果更逼真，耗时短，具有较好的临床应用。
-
公开(公告)号：CN115937647A
公开(公告)日：2023-04-07
申请号：CN202310047740.X
申请日：2023-01-31
申请人： 西南石油大学
摘要： 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：CN115631392B
公开(公告)日：2023-04-07
申请号：CN202211670815.1
申请日：2022-12-26
申请人： 西南石油大学
IPC分类号： G06V10/778 , G06V10/26 , G06V10/80 , G06V10/82 , G06V20/69
摘要： 本发明公开一种基于深度学习的晶体TEM图像物相区域划分方法，包括：滑动窗口与深度学习部分，物相识别部分和区域合并部分。滑动窗口将原图划分为多个区域，深度学习部分提出了LCA‑Unet模型用于提取TEM图像各个区域的傅里叶变换幅度谱中的亮点，物相识别部分中可以识别出各个区域内可能包含的物相，区域合并部分将包含相同物相的区域合并，并描绘物相区域的边界。该方法可实现晶体TEM图像中物相区域的自动划分，可以有效的避免研究人员陷入繁琐的手动分析任务中。
-
公开(公告)号：CN112818913A
公开(公告)日：2021-05-18
申请号：CN202110207092.0
申请日：2021-02-24
申请人： 西南石油大学
摘要： 本发明公开了一种实时吸烟打电话识别方法，包括以下步骤：S1：建立实时吸烟打电话识别模型；S2：根据目标场景的监控视频，利用多目标追踪算法定位人行区域；S3：根据所述实时吸烟打电话识别模型，对所述人行区域进行吸烟打电话实时识别。本发明以Se‑Res2Block为基础模块构建主干网络，不仅可以融合更多特征还能提高检测速度；针对小目标识别精度低的问题，增大输入图像的分辨率，引入SPP模块和ASFF模块，增强上下文之间的信息交互，提高对小目标的识别精度；现有的吸烟打电话方法大多是单帧检测，误检率高，通过多目标追踪算法引入多帧信息，计算行人区域与手机、香烟矩形框之间的IOU方法可以降低误检率，鲁棒性更高。
-
公开(公告)号：CN112634285A
公开(公告)日：2021-04-09
申请号：CN202011542684.X
申请日：2020-12-23
申请人： 西南石油大学
摘要： 本发明公开了一种自动分割腹部CT内脏脂肪区域的方法，包括：选取临床腹部CT图像作为数据集；对数据集中的图像进行预处理；提取出最终内脏脂肪区域的图像；构建Attention U‑net网络；训练Attention U‑net网络；将需要进行预测的腹部CT图像进行预处理，之后将预处理过后的图像输入训练好的Attention U‑net网络，Attention U‑net网络输出的图像即为分割图像。本发明可以加快腹部CT内脏脂肪区域分割的速度和简化了分割的步骤，并且可以进行批处理分割，大大提高了分割的效率，简化了计算腹部内脏脂肪量的前期操作，为后续内脏脂肪量的计算提供了更良好的基础。
-
公开(公告)号：CN112001998B
公开(公告)日：2021-02-19
申请号：CN202010910398.8
申请日：2020-09-02
申请人： 西南石油大学
摘要： 本发明公开了基于OptiX和Unity3D虚拟现实平台实时模拟超声成像的方法：导入3D模型数据，再通过超声探头获取3D模型的空间坐标；将3D模型在虚拟现实环境中的空间坐标统一转换为光线追踪场景中的空间坐标；初始光线强度，启动光线追踪，获取超声波模拟图像的碰撞点集；生成图像轮廓图，将图像轮廓图进行卷积运算获取超声波模拟图像的像素值信息；根据超声波模拟图像的像素值信息获得超声模拟图像。本发明使用虚拟现实与光线追踪加速框架进行结合，在保证了超声模拟图像在医学专业领域内的一个较高专业水准的前提下，用沉浸式虚拟现实技术为医师学者提供一个全新的实时性能、交互性良好的一个专业超声医师培训方法。
-
公开(公告)号：CN110010229B
公开(公告)日：2020-06-02
申请号：CN201910281478.9
申请日：2019-04-09
申请人： 西南石油大学
摘要： 本发明公开了一种基于生成对抗网络的超声影像模拟方法，包括以下步骤：首先，在CT图像或者MR图像中得到切片，得到切片后根据图像的形态学特性分割图像的不同区域；然后给不同的区域分配不同的反射系数值；通过大量的k‑Wave模拟的超声影像训练模型，当模型收敛后，使用训练好的模型来实时模拟超声影像。本发明能够实时的完成超声影像模拟，得到的图像相对于传统卷积法效果更逼真，具有很好的临床应用。
-
-
-
-
-
-
-
-
-
搜索结果
53 条记录 (耗时 0.068 秒)
