-
公开(公告)号：CN110874578A
公开(公告)日：2020-03-10
申请号：CN201911119545.3
申请日：2019-11-15
申请人： 北京航空航天大学青岛研究院 , 北京航空航天大学
摘要： 本发明公开了一种基于强化学习的无人机视角车辆识别追踪方法，基于无人机视角场景理解，监控以及追踪，建立高效，自适应的全景视频管理，通过强化学习的迁移学习目标跟踪方法，可以使得无人机在非监督情况下进行自适应的快速运动的车辆跟踪。结合地面摄像头数据，协同处理，借用重识别信息和算法，实现跨视角跨方位的天地协同跟踪系统，使得交通分析不再关注重复大量的视频标注工作，解放手动监控的劳动力，能够依据软件预先提供的初始化目标车辆、快速高效准确的进行自动分析与监控应用。
-
公开(公告)号：CN110874578B
公开(公告)日：2023-06-20
申请号：CN201911119545.3
申请日：2019-11-15
申请人： 北京航空航天大学青岛研究院 , 北京航空航天大学
IPC分类号： G06V20/40 , G06V20/54 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于强化学习的无人机视角车辆识别追踪方法，基于无人机视角场景理解，监控以及追踪，建立高效，自适应的全景视频管理，通过强化学习的迁移学习目标跟踪方法，可以使得无人机在非监督情况下进行自适应的快速运动的车辆跟踪。结合地面摄像头数据，协同处理，借用重识别信息和算法，实现跨视角跨方位的天地协同跟踪系统，使得交通分析不再关注重复大量的视频标注工作，解放手动监控的劳动力，能够依据软件预先提供的初始化目标车辆、快速高效准确的进行自动分析与监控应用。
-
公开(公告)号：CN110490223B
公开(公告)日：2023-03-24
申请号：CN201910609636.9
申请日：2019-07-08
IPC分类号： G06V10/75
摘要： 本发明涉及一种数字化的牙菌斑标注方法，包括以下步骤：1)采用数码相机获取牙齿的照片A和照片B，在labelme软件中，在照片A和照片B中找出4个具有特征的标志点；2)将照片B根据4个标志点与照片A进行匹配，生成照片C；3)在labelme软件中将照片C中菌斑部分标出；4)将照片C中菌斑标记点转移到照片A中；5)根据照片B调整步骤4)获得的照片A中菌斑的轮廓，并标记出牙齿菌斑轮廓。本发明能利用数字化方法标注菌斑，能准确标记出牙齿菌斑轮廓，从而针对性地清除菌斑，使牙齿龈炎得到有效的控制。
-
公开(公告)号：CN110490223A
公开(公告)日：2019-11-22
申请号：CN201910609636.9
申请日：2019-07-08
IPC分类号： G06K9/62
摘要： 本发明涉及一种数字化的牙菌斑标注方法，包括以下步骤：1)采用数码相机获取牙齿的照片A和照片B，在labelme软件中，在照片A和照片B中找出4个具有特征的标志点；2)将照片B根据4个标志点与照片A进行匹配，生成照片C；3)在labelme软件中将照片C中菌斑部分标出；4)将照片C中菌斑标记点转移到照片A中；5)根据照片B调整步骤4)获得的照片A中菌斑的轮廓，并标记出牙齿菌斑轮廓。本发明能利用数字化方法标注菌斑，能准确标记出牙齿菌斑轮廓，从而针对性地清除菌斑，使牙齿龈炎得到有效的控制。
-
公开(公告)号：CN107680678A
公开(公告)日：2018-02-09
申请号：CN201710975555.1
申请日：2017-10-18
申请人： 北京航空航天大学
摘要： 本发明提供一种基于多尺度卷积神经网络甲状腺超声图像结节自动诊断系统，包括：甲状腺结节由粗到精的结节分类模块、甲状腺结节区域自动检测模块和甲状腺结节精分类模块；通过多尺度的特征融合的卷积神经网络提取不同感知区域的大小的特征，从而结合局部和全局的信息提取结节的上下文语义特征对甲状腺结节进行自动定位。本发明通过多尺度的由粗到精的神经网络的特征提取并通过设计金字塔结构的多尺度精分类AlexNet，能够准确的预测病灶的位置和良恶性发生的概率，可以辅助医生进行甲状腺病灶的诊断，提高诊断的客观性，具有实时性好，准确率高的特点。
-
公开(公告)号：CN117197448A
公开(公告)日：2023-12-08
申请号：CN202310583270.9
申请日：2023-05-23
IPC分类号： G06V10/26 , G06V10/44 , G06V10/762 , G06V10/82 , G06T7/11 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种二维图像牙菌斑自动分割方法及系统，涉及计算机视觉和图像处理技术领域。通过将输入图像的上下文信息进行编码并且送入由自注意力机制以及Kmeans聚类所组成的编码器模块。将编码后的图像上下文信息输入编码器模块之后会获得自注意力图以及聚类特征图，并将两者结合获得编码后的数据，编码器编码后的数据将会被送至由多层感知机构所组成的解码器中，解码器将编码后的数据通过卷积层以及全连接层之后，输出最终的分割掩码。将图像输入到网络中进行训练，直至训练收敛，最终得到完整的模型。本发明能够自动的划分出牙齿以及牙菌斑的区域，识别精度高，并且解决了模型收敛性差、边缘细节分割效果差的问题。
-
公开(公告)号：CN107680678B
公开(公告)日：2020-12-01
申请号：CN201710975555.1
申请日：2017-10-18
申请人： 北京航空航天大学
摘要： 本发明提供一种基于多尺度卷积神经网络甲状腺超声图像结节自动诊断系统，包括：甲状腺结节由粗到精的结节分类模块、甲状腺结节区域自动检测模块和甲状腺结节精分类模块；通过多尺度的特征融合的卷积神经网络提取不同感知区域的大小的特征，从而结合局部和全局的信息提取结节的上下文语义特征对甲状腺结节进行自动定位。本发明通过多尺度的由粗到精的神经网络的特征提取并通过设计金字塔结构的多尺度精分类AlexNet，能够准确的预测病灶的位置和良恶性发生的概率，可以辅助医生进行甲状腺病灶的诊断，提高诊断的客观性，具有实时性好，准确率高的特点。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.028 秒)
