-
公开(公告)号:CN110507288A
公开(公告)日:2019-11-29
申请号:CN201910809375.5
申请日:2019-08-29
申请人: 重庆大学
IPC分类号: A61B5/00 , A61B5/0476
摘要: 本发明涉及虚拟现实技术领域,具体涉及一种基于一维卷积神经网络的视觉诱导晕动症检测方法,包括使用头戴设备Muse的四个通道采集受试者在驾驶车辆驾驶模拟器过程中诱发产生的EEG数据及从受试者的口头报告中采集主观VIMS级别数据的步骤,对EEG数据进行时域滤波的数据预处理步骤,使用训练优化后的一维卷积神经网络对预处理后的EEG数据进行特征提取和特征分类,达到检测晕动症级别的程度。本申请采用头戴设备Muse采集连续的EEG数据,因而成本较低,采集数据的通道数较少,且采用基于一维卷积神经网络对晕动症级别进行分类,因而无论在准确率上还是在Kappa指标上都取得了很好的分类性能,相比传统机器学习方法具有更好的分类效果。
-
公开(公告)号:CN110580687B
公开(公告)日:2021-02-02
申请号:CN201910717564.X
申请日:2019-08-05
申请人: 重庆大学
摘要: 本发明提供一种提升生成对抗网络空洞填充质量的数据预处理方法,包括以下步骤:将三维图像变换后的目标图像对应的深度图二值化,再旋转和平移生成空洞图像;定位空洞图像中的连通区域,将不同的连通区域分别定义为小空洞、大空洞和边缘空洞;对大空洞进行平移:当大空洞在参考图像对应位置上与前景物体重叠时,如果三维图像变换生成的目标图像为右视图,则右移,否则左移;当大空洞在参考图像对应位置上与前景物体不重叠时,如果三维图像变换生成的目标图像为右视图,则左移,否则右移。本发明从数据预处理入手,生成一种模拟目标图像中空洞的蒙版,将这种蒙版和参考图像训练生成对抗网络,能够显著提升生成对抗网络的空洞填充质量。
-
公开(公告)号:CN110580687A
公开(公告)日:2019-12-17
申请号:CN201910717564.X
申请日:2019-08-05
申请人: 重庆大学
摘要: 本发明提供一种提升生成对抗网络空洞填充质量的数据预处理方法,包括以下步骤:将三维图像变换后的目标图像对应的深度图二值化,再旋转和平移生成空洞图像;定位空洞图像中的连通区域,将不同的连通区域分别定义为小空洞、大空洞和边缘空洞;对大空洞进行平移:当大空洞在参考图像对应位置上与前景物体重叠时,如果三维图像变换生成的目标图像为右视图,则右移,否则左移;当大空洞在参考图像对应位置上与前景物体不重叠时,如果三维图像变换生成的目标图像为右视图,则左移,否则右移。本发明从数据预处理入手,生成一种模拟目标图像中空洞的蒙版,将这种蒙版和参考图像训练生成对抗网络,能够显著提升生成对抗网络的空洞填充质量。
-
公开(公告)号:CN110136115A
公开(公告)日:2019-08-16
申请号:CN201910402166.9
申请日:2019-05-14
申请人: 重庆大学
IPC分类号: G06T7/00
摘要: 本发明提供一种IVOCT图像易损斑块自动检测神经网络集成方法,包括以下步骤:集成网络选取,选取的网络包括传统的目标检测网络Haar-Adaboost、基于回归的目标检测网络YOLO和SSD及基于区域建议的目标检测网络Faster R-CNN;网络训练检测,根据IVOCT图像的自身特征,设置反映每个网络对于易损斑块检测结果的数据指标和评价指标,对每个网络进行训练生成不同的测试模型,各自检测预定数量的IVOCT测试图像;两步集成方法,先是利用设计的集成策略对每个网络检测出来的IVOCT检测图像类别标签进行集成,然后根据类别集成的结果进行区域集成得出检测结果。本申请能提高检测易损斑块区域的准确性,减少漏检和错检的情况,且能提高检测区域与真实区域之间的重合度及最终检测结果性能。
-
公开(公告)号:CN111401443B
公开(公告)日:2023-04-18
申请号:CN202010181905.9
申请日:2020-03-16
IPC分类号: G06V10/778 , G06V10/50 , G06V10/56 , G06V10/762
摘要: 本发明基于多特征提取的宽度学习系统,包括四个子宽度学习系统,每个子宽度学习系统包括特征节点、增强节点和子节点;每个子宽度学习系统先对图像数据集提取一种图像特征,各子宽度学习系统将对图像数据集提取的图像特征合并得到各自的特征节点,再分别通过增强映射函数对各自的特征节点进行增强,形成对应的增强节点;各子宽度学习系统在形成增强节点之后,再将其特征节点与对应的增强节点合并,然后再连接到其子节点中,然后对各子宽度学习系统的子节点的输出进行归一化后再连接到最终输出层。本发明在复杂数据集分类问题上兼有模型训练时间少和分类准确性高的优点。
-
公开(公告)号:CN112036482A
公开(公告)日:2020-12-04
申请号:CN202010896134.1
申请日:2020-08-31
申请人: 重庆大学
摘要: 本发明基于电子鼻传感器数据的中药材分类方法,其包括步骤:1)用电子鼻采集中药材气味数据;2)对电子鼻传感器数据去噪,使所有样本的同一阶段的数据量相同,并得到不含异常值的数据集;3)提取电子鼻传感器数据特征,其包括特征计算、异常样本去除和特征校正;4)选择极限树作为分类器,对经特征校正处理后的数据进行分类。本发明解决了噪声对传感器数据后续处理及分类的影响,并且可以有效地去除异常样本,并对波动剧烈的特征数据有效地进行校正,解决了传感器漂移、采样差异等影响传感器数据分类准确性的技术问题,其采用的极限树作为分类器能很好的适应对中药材这种多类别小样本数据集进行分类。
-
公开(公告)号:CN111401443A
公开(公告)日:2020-07-10
申请号:CN202010181905.9
申请日:2020-03-16
摘要: 本发明基于多特征提取的宽度学习系统,包括四个子宽度学习系统,每个子宽度学习系统包括特征节点、增强节点和子节点;每个子宽度学习系统先对图像数据集提取一种图像特征,各子宽度学习系统将对图像数据集提取的图像特征合并得到各自的特征节点,再分别通过增强映射函数对各自的特征节点进行增强,形成对应的增强节点;各子宽度学习系统在形成增强节点之后,再将其特征节点与对应的增强节点合并,然后再连接到其子节点中,然后对各子宽度学习系统的子节点的输出进行归一化后再连接到最终输出层。本发明在复杂数据集分类问题上兼有模型训练时间少和分类准确性高的优点。
-
-
-
-
-
-