基于三维人-物网格拓扑增强的人物交互检测方法

    公开(公告)号:CN115170817B

    公开(公告)日:2023-04-28

    申请号:CN202210862950.X

    申请日:2022-07-21

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于三维人‑物网格拓扑增强的人物交互检测方法,包括:获取单张图片中的人体与物体的视觉特征;获取单张图片中的人体三维结构与物体三维结构,融合构建初始三维人‑物一体网格拓扑模型;基于增强三维人‑物一体网格拓扑获取三维人体的拓扑特征和三维人‑物的拓扑特征;将视觉特征与拓扑特征融合,获取增强三维人‑物一体网格拓扑模型;对增强三维人‑物一体网格拓扑模型进行训练,并基于训练后的模型获取识别结果。本发明采用了自底而上的拓扑特征提取,在提取三维人体姿态上取得了高效的效果。在HOI检测问题上融合了三维人物体网格特征,有效提高了HOI的识别性能,在HICO_DET基准数据集上取得了较高的精确度。

    一种基于三维口腔模型的牙齿模型快速切割方法

    公开(公告)号:CN113920253B

    公开(公告)日:2022-05-17

    申请号:CN202111388896.1

    申请日:2021-11-22

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于三维口腔模型的牙齿模型快速切割方法,包括以下步骤,基于segment自动划分技术,采集三维口腔模型,对三维口腔模型的牙齿边缘进行预处理,获取牙齿模型的边缘切割曲线;将边缘切割曲线简化为包含若干控制点的骨架,并以骨架作为控制多边形,建立三次贝塞尔曲线,通过调整控制点控制三次贝塞尔曲线的曲线形状,获取用于切割牙齿模型的切割曲线;将切割曲线转换管状模型,通过bool操作将管状模型分割成牙齿模型;本发明解决了由于自动标识出错,手动调整步骤多,速度慢的问题,极大提高了在牙齿正畸软件处理口腔扫描模型时牙齿切割的速度。

    一种基于几何样条的线弹模型建模求解方法

    公开(公告)号:CN110110359A

    公开(公告)日:2019-08-09

    申请号:CN201910238245.0

    申请日:2019-03-27

    Applicant: 广州大学

    Inventor: 方美娥 李想 唐静

    Abstract: 本发明公开了一种基于几何样条的线弹模型建模求解方法,包括:将线弹问题的边界使用参数表示成具有几何意义的控制顶点与基函数的线性组合的几何样条,完成建模;采用边界表示模型相同的几何样条基函数作为线弹问题边界积分方程中的位移和面力的形函数,通过离散边界积分方程得到线性方程组,组建刚度矩阵并求解,获得边界控制顶点的位移和面力;本发明通过几何样条对2D线弹问题物理域边界建模,提供常用模型表示的精确转换方法,避免常用边界模型在建模阶段的逼近误差;在边界积分方程中采用几何样条基函数作为描述边界物理量的形函数,节约模型转换的时间。

    一种基于测地循环的流形人脸网格分割与提取方法

    公开(公告)号:CN116740102B

    公开(公告)日:2024-04-30

    申请号:CN202310711080.0

    申请日:2023-06-15

    Applicant: 广州大学

    Inventor: 尹俊杰 方美娥

    Abstract: 本发明涉及一种基于测地循环的流形人脸网格分割与提取方法,包括:获取流形人脸网格,定义所述流形人脸网格中的特征点以及所述特征点之间的连接关系,根据所述连接关系计算测地线;对所述测地线的路径点进行距离判断,将判断后的所述路径点进行内边分类,获取含有内边的三角形,重三角化所述含有内边的三角形,更新所述流形人脸网格;对更新后所述流形人脸网格进行组合划分,获取测地循环,根据所述测地循环,构造并迭代半边边界,提取所述测地循环所包围的三角形,完成人脸网格分割。本发明中人脸网格分割与提取的边界光滑可控,且是流形的人脸网格分割结果,并且能够通过不同的测地循环组合得到任意的网格分割,从而灵活的表达人脸特征。

    一种基于深度学习的多模态医学图像融合方法

    公开(公告)号:CN115272261A

    公开(公告)日:2022-11-01

    申请号:CN202210936228.6

    申请日:2022-08-05

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于深度学习的多模态医学图像融合方法,属于医学图像分析领域,包括:输入三种不同模态的医学图像;其中多模态医学图像根据成像特征可分为解剖图像和功能图像,分别对解剖图像进行高、低频特征信息提取,对功能图像同时进行高、低频特征信息提取;对解剖图像的特征信息进行频域转换,得到频域特征信息;将频域特征信息与功能图像中提取的空间特征信息进行融合,基于融合结果输出融合图像。本发明通过以上技术方案,可以实现精确对应各模态精确提取特征信息的三模态医学图像融合。

    基于网格形状学习的损失函数计算方法及网格生成方法

    公开(公告)号:CN117710605A

    公开(公告)日:2024-03-15

    申请号:CN202311360654.0

    申请日:2023-10-19

    Applicant: 广州大学

    Abstract: 本发明公开了一种基于网格形状学习的损失函数计算方法及网格生成方法,所述损失函数计算方法包括:将目标网络的亏格设置为0;将目标网格映射到球形空间得到第一网格;计算生成网格到目标网格的第一最近映射,基于最近映射将生成网格映射到所述球形空间得到第二网格;基于拉普拉斯‑贝尔特拉米算子的拉普拉斯光顺操作来对第二网格的不连续区域进行调整;计算调整后的第二网格到第一网格的第二最近映射;基于第二最近映射将生成网格映射到目标网格得到最终形变目标网格;计算生成网格和最终形变目标网格之间每个顶点对的2范数平均值作为损失值。本发明可以实现基于网格形状学习的损失函数计算来训练生成网络,从而实现网格的高质量生成。

Patent Agency Ranking