-
公开(公告)号：CN110910377B
公开(公告)日：2023-01-03
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
公开(公告)号：CN110991728A
公开(公告)日：2020-04-10
申请号：CN201911191064.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种打车平台中补偿激励的任务分配方法领域。所述方法包括如下步骤：任务发布者向打车平台发布打车任务并提供打车任务酬金；打车平台预测以打车任务位置为圆心的半径内接受任务的司机人数期望；在任务发布范围内的司机收到任务后选择是否接受任务，接受任务的司机提交接受任务申请给平台；打车平台收到接受任务司机的申请后，将这些司机作为任务候选者发送给打车任务发布者；任务发布者可以根据自身的需求从平台提供的候选者中选择一个合适的司机接受任务；任务完成后，平台支付任务报酬。本发明能够将任务指定到接受任务意愿较高的司机人群中，打车任务会发布到离打车任务更近范围内的司机，使得任务能够在更近的范围内被接受。
-
公开(公告)号：CN110942473A
公开(公告)日：2020-03-31
申请号：CN201911214360.0
申请日：2019-12-02
Applicant: 哈尔滨工程大学
IPC: G06T7/246
Abstract: 本发明属于运动目标跟踪检测技术领域，具体涉及一种基于特征点网格化匹配的运动目标跟踪检测方法。本发明通过先提取运动目标和待检测目标的特征点进行匹配，然后划分网格并统计特征点落于网格的位置，再根据网格中的特征点找到运动目标在待检测图像中的位置。本发明将运动的平滑性限制转换成去除错误匹配的数据测量，利用特征点正确匹配对周围比错误对周围有更多的支持点对，筛选剔除错误点对，大大提高了特征点匹配的正确率，从而提升了目标检测的准确度。本发明可用于解决由于运动的平滑性限制而造成的运动目标检测困难问题，本发明能够迅速剔除错误的匹配，提高匹配的稳定性，从而迅速定位运动目标的位置。
-
公开(公告)号：CN110910377A
公开(公告)日：2020-03-24
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
-
-
Search Results
4
records
(took 0.02 seconds)
