-
公开(公告)号：CN118430838A
公开(公告)日：2024-08-02
申请号：CN202410500192.6
申请日：2024-04-24
Applicant: 中北大学
Abstract: 本发明公开了一种基于图像深度学习网络集成模型的流感预测方法，属于流行病监测技术领域。针对现有方法在特征提取方面存在局限，无法有效挖掘序列中的深层信息，从而影响其预测精度这一问题，首先，通过基于格拉姆角场将一维数字序列编码为二维图像序列，为模型提供基于图像的独特信息特征，在此基础上，通过集成麻雀搜索优化算法设计搭建深度学习网络模型，利用卷积神经网络的图像处理能力进行特征提取，完成流感预测。将一维流感序列图像编码引入再进一步搭建通过集成麻雀搜索算法优化后的非线性流感预测模型，以提高模型预测精度，同时验证卷积神经网络图像处理能力在流感时序预测领域中的优势和实用性。
-
公开(公告)号：CN117523101A
公开(公告)日：2024-02-06
申请号：CN202311551669.5
申请日：2023-11-20
Applicant: 中北大学
Abstract: 本发明属三维图像技术领域，具体设计基于共形几何的面部模型插值构建方法。该方法首先将包括面部模板模型在内的多个三维面部模型进行配准并统一到同一坐标系；其次利用准共形映射算法将多个不同表情面部模型降维到二维平面；然后提出插值算法对多模型形状特征进行线性插值为构建过渡模型定义几何约束，同时提出自适应模型选择算法在数据源中自适应选择基础模型；再通过几何约束引导准共形迭代改变基础模型形状；最后将准共形迭代后的二维模型恢复到三维空间，获取到具有过渡表情的三维面部模型。本表明所提出的三维面部模型构建方法的有效性和运行效率都得到大幅提高，解决了传统三维模型构建方法难以获取连续维度的高质量三维面部模型问题。
-
Patent Agency Ranking
公开(公告)号：CN114549439A
公开(公告)日：2022-05-27
申请号：CN202210126753.1
申请日：2022-02-11
Applicant: 中北大学
IPC: G06T7/00 , G06T7/11 , G06T5/00 , G06T3/40 , G06N3/08 , G06N3/04 , G06K9/62 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多模态特征融合的RGB‑D图像语义分割方法。由于RGB和深度特征的内在差异，如何更有效地融合两种特征仍是有待解决的问题。为了解决该问题提出了注意力引导多模态交叉融合分割网络(ACFNet)，本发明采用编码器－解码器结构，将深度图编码为HHA图像，设计非对称双流特征提取网络，RGB和深度编码器分别以ResNet‑101和ResNet‑50为主干网络，并在RGB编码器中添加全局‑局部特征提取模块(GL)。为有效融合RGB和深度特征，提出了注意力引导多模态交叉融合模块(ACFM)，以更好地在多阶段利用融合的增强特征表示。
-
公开(公告)号：CN114549439B
公开(公告)日：2025-03-25
申请号：CN202210126753.1
申请日：2022-02-11
Applicant: 中北大学
IPC: G06V20/70 , G06V20/00 , G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于多模态特征融合的RGB‑D图像语义分割方法。由于RGB和深度特征的内在差异，如何更有效地融合两种特征仍是有待解决的问题。为了解决该问题提出了注意力引导多模态交叉融合分割网络(ACFNet)，本发明采用编码器－解码器结构，将深度图编码为HHA图像，设计非对称双流特征提取网络，RGB和深度编码器分别以ResNet‑101和ResNet‑50为主干网络，并在RGB编码器中添加全局‑局部特征提取模块(GL)。为有效融合RGB和深度特征，提出了注意力引导多模态交叉融合模块(ACFM)，以更好地在多阶段利用融合的增强特征表示。
-
公开(公告)号：CN116644290A
公开(公告)日：2023-08-25
申请号：CN202310600296.X
申请日：2023-05-25
Applicant: 中北大学
IPC: G06F18/20 , G06F18/214 , G06N3/044 , G06N3/006 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于优化神经网络的人体尺寸参数估计方法。为了提高人体围度尺寸预测的效率和准确性，本发明采用GBWO‑ENN的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局和局部搜索的平衡性问题，提出了GBWO算法。针对Elman神经网络收敛速度慢、容易陷入局部极小的问题，采用GBWO算法对Elman神经网络的权值和阈值进行优化。
-
公开(公告)号：CN114581718A
公开(公告)日：2022-06-03
申请号：CN202210233977.2
申请日：2022-03-10
Applicant: 中北大学
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种融合持久同调的三维点云分类方法，为解决当前三维点云分类技术中缺乏对点云拓扑特征进行表征的问题，本发明在现有基于神经网络的点云分类技术PointNet++基础上，进一步引入代数拓扑学中的持久同调方法进行点云分类。首先，构建点云witness单纯复形拓扑结构，从贝蒂数和持久图两个方面量化点云的持久同调拓扑特征。其次，定义一个基于持久同调的损失函数，据此对三维点云分类的网络模型进行训练学习，得到神经网络模型各项参数。最后，利用训练好的卷积神经网络，进行三维点云的分类任务。测试结果显示，本发明显著提升了点云分类准确率。
-
公开(公告)号：CN108711194B
公开(公告)日：2022-02-18
申请号：CN201810467162.4
申请日：2018-05-16
Applicant: 中北大学
IPC: G06T19/20
Abstract: 本发明提出了一种基于三次B样条插值的三维网格模型拼接方法，属于三维图形技术领域。主要解决了现有三维网格模型拼接方法中存在的模型拼接精度低，拼接区域不够光滑、计算量大等缺点。本发明首先根据选定的三维网格模型，确定待拼接区域边界，识别并记录边界点集，利用三次B样条插值边界点集；然后对边界曲线进行双三次B样条曲面插值得到拼接区域连续曲面；最后，对拼接区域重采样，并对其三角化及光顺处理，以实现网格模型的无缝光滑拼接和融合。该方法适用于具有任何拼接边界的网格模型，利用现有三维模型，快速生成新模型，是几何模型编辑的一种基本操作，可以广泛地应用于医学、商业广告，动画娱乐，工业建模和制造等应用领域。
-
-
-
-
-
-
Search Results
27
records
(took 0.03 seconds)
