公开(公告)号：CN106791773A

公开(公告)日：2017-05-31

申请号：CN201611251733.8

申请日：2016-12-30

申请人： 浙江工业大学

发明人： 冯远静 ,  黄良鹏 ,  李佳镜 ,  陈丰 ,  徐泽楠 ,  叶家盛 ,  陈稳舟 ,  李定邦 ,  汪泽南

IPC分类号： H04N13/00

CPC分类号： H04N13/111

摘要： 一种基于深度图像的新视点合成方法，对左右参考视点处的纹理图与深度图进行三维变换；搜索左右参考视点深度图中对象的边缘，将边缘像素进行三维变换到新视点处，然后将新视点处对应的深度像素点抹去；对得到的深度图进行中值滤波，并将经过滤波之后的图像与经三维变换得到的深度图进行对比，标记出变化的像素点；对被标记的像素点进行反向投影，投影到原先的参考视点处，再将初始参考纹理图中的像素值，赋给新视点图像中，与被标记像素点坐标相同的像素；再对得到的新视点图像的遮挡区域进行插值；对残留的空洞进行修复，得到最终的新视点图像。本发明有效消除了新视点图像中的空洞与重影，实验效果良好，生成的新视点图像满足人眼观看效果。

公开(公告)号：CN116312846A

公开(公告)日：2023-06-23

申请号：CN202211089773.2

申请日：2022-09-07

申请人： 浙江工业大学

发明人： 邵佳飞 ,  陈稳舟 ,  王金焕 ,  汪泽钰 ,  宣琦 ,  魏斌 ,  王鸿

IPC分类号： G16C20/30 ,  G16C20/50 ,  G06F18/2415 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

摘要： 一种基于强化学习和分子网络数据增强的药物性质预测方法，包括以下步骤：1)获取原始化合物数据集，并输入图增强模型中；2)图数据通过三层GIN网络获得节点表示，通过一个多层感知器选择起始节点；3)再通过一个MLP选择结束节点；4)确定好两节点后通过增删连边策略构建新图Gn+1；5)计算奖励评估生成的新图；6)用蒙特卡洛策略梯度进行生成器优化；7)重复进行步骤(1)～(6)N次，将每一次迭代奖励大于0的新图和全部迭代后奖励均小于0的原始图存储起来构建新图数据集；8)用新图数据集扩充原始图数据集；9)用增强的数据集训练GIN分类模型；10)将化学数据集输入到增强后的分类模型中，得到药物性质预测结果。

公开(公告)号：CN107509067A

公开(公告)日：2017-12-22

申请号：CN201611231811.8

申请日：2016-12-28

申请人： 浙江工业大学

发明人： 冯远静 ,  李佳镜 ,  黄良鹏 ,  陈丰 ,  徐泽楠 ,  叶家盛 ,  陈稳舟 ,  李定邦 ,  汪泽南

IPC分类号： H04N13/02 ,  H04N13/00

CPC分类号： H04N13/128 ,  H04N13/282

摘要： 一种高速高质量的自由视点图像合成方法，读取相邻相机参考视点的图像和深度图，对参考视点图像进行三维变换，搜索左右参考视点深度图中对象的边缘，将边缘像素3维变形到新视点处，然后将新视点处对应深度像素点抹去；将得到的深度图进行中值滤波，并将经过滤波之后的图像与经3维变形得到的深度图进行对比，标记出变化的像素点；对标记的像素点进行反向投影，投影到原先的参考视点处；再将初始参考纹理图中的像素值，赋给新视点图像中，与被标记像素点坐标相同的像素；对遮挡区域进行插值；根据新视点所处的位置，对公共区域进行按比例融合；用OpenCV函数库中的inpaint函数，对残留的空洞进行修复。本发明实时性较好。

公开(公告)号：CN106780474A

公开(公告)日：2017-05-31

申请号：CN201611232116.3

申请日：2016-12-28

申请人： 浙江工业大学

发明人： 冯远静 ,  陈丰 ,  黄良鹏 ,  李佳镜 ,  徐泽楠 ,  叶家盛 ,  陈稳舟 ,  李定邦 ,  汪泽南

IPC分类号： G06T7/00

摘要： 一种基于Kinect实时的深度图对彩图的配准及优化方法，首先从通过kinect获取深度图，然后用背景填充法对深度图像的细小空洞进行填补，然后通过双向线性扫描轮询插值法填补深度图较大空洞，由此得到初步的深度图图像。再建立并计算得到深度图到彩图的坐标映射表，处理坐标异常部分，找到并剪除无效带重影的区域，然后建立深度图到彩图的投影图像，得到带一系列离散深度点的RGB‑深度图，然后通过线性扫描决策取值法进行空洞部分的填补，将如此得到的深度图和彩图裁剪成对应大小就可以得到实时并且准确的RGB‑深度图。本发明提供一种实时性良好、稳定性良好、准确性较高的基于Kinect的实时深度图与彩图的配准及优化方法。

公开(公告)号：CN115620833A

公开(公告)日：2023-01-17

申请号：CN202211136943.8

申请日：2022-09-19

申请人： 浙江工业大学

发明人： 蒋天依 ,  汪泽钰 ,  王金焕 ,  陈稳舟 ,  宣琦 ,  魏斌 ,  王鸿

IPC分类号： G16C20/70 ,  G16C20/30 ,  G16C20/50 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/092

摘要： 本发明公开一种基于分子骨架的分子网络的数据增强方法及系统，包括：S1、分子属性数据集的准备，得到用SMILES化学分子规范表达式表示的属性数据；S2、使用化学分子规范表达式的属性数据，构建基于分子骨架的分子网络，获取训练集；S3、构建基于分子骨架的分子网络的数据增强模型，得到分子属性预测结果。本发明基于图卷积神经网络模型进行数据增强，充分利用了图卷积操作实现信息在节点间的传递、可提取官能团等重要信息，在分子属性识别和可解释性方面有明显优势。