室内三维模型生成方法及系统

    公开(公告)号:CN111612886B

    公开(公告)日:2022-07-19

    申请号:CN202010318788.6

    申请日:2020-04-21

    Applicant: 厦门大学

    Abstract: 本发明公开了一种室内三维模型生成方法、介质及系统,其中方法包括以下步骤:获取待建模的室内三维点云数据,并根据所述室内三维点云数据生成对应的二维图片;将所述二维图片输入到预先训练好的语义标注模型,以通过语义标注模型过滤所述二维图片中的干扰线,并提取二维图片的轮廓信息,以及根据轮廓信息对二维图片中的轮廓进行标注,以生成室内二维模型;根据室内二维模型和所述室内三维点云数据生成所述待建模建筑对应的三维模型;能够避免因可移动物体妨碍导致的三维点云缺失等问题对建模的影响,并对室内三维数据进行建模,同时,降低三维数据处理过程中所需要的人力和物力资源。

    基于多源城市大数据的医院急诊需求和拥挤度估计方法和系统

    公开(公告)号:CN114492607A

    公开(公告)日:2022-05-13

    申请号:CN202210041646.9

    申请日:2022-01-14

    Applicant: 厦门大学

    Abstract: 本发明提供基于多源城市大数据的医院急诊需求和拥挤度估计方法,包括如下步骤:获取出租车下客数据集,采用自组织映射网络进行下客点聚类;根据聚类得到的每个类簇,提取下客时间序列特征、第一类空间特征和第二类空间特征,采用协同训练和主动学习策略得到急诊需求的时间序列;建立分段平稳的排队模型,并急诊科室分为全科门诊类型、内科门诊类型和外科门诊类型;利用排队模型计算各门诊类型下的平均排队人数和平均等待时间以及输液室的占用率,即输液床位的使用率ρinfusion;对三种类型的指标进行整合得到整个急诊科的拥挤度估计;本发明提供的方法,具有高效、低耗的优点,同时也达到了较高的准确率。

    一种基于显微图像的类器官类型智能识别方法及系统

    公开(公告)号:CN114463290A

    公开(公告)日:2022-05-10

    申请号:CN202210066327.3

    申请日:2022-01-20

    Abstract: 本发明提供一种基于显微图像的类器官类型智能识别方法及系统。该方法包括:获取肺泡类器官显微图像;将其中每个肺泡类器官进行框选并单独提取,用xi表示其中一个肺泡类器官图像;将每个肺泡类器官图像分别输入到3种类型智能判断与识别模型中得到3种预测结果;待所有肺泡类器官图像处理完毕后,统计3种类型智能判断与识别模型的精确率和召回率结果,并利用这些结果对三种模型进行评价,选择评价结果最优的模型为最终的分选模型;采用其进行肺泡类器官类型的识别与判断。本发明以肺泡类器官影像为数据输入,可直接导出详细分型比例数据,拥有统一的判别标准且快速直观,可进行高通量作业,分型比例数据可作为建库和质控标准,还可作为研究参数。

    室内三维彩色网格模型生成方法及系统

    公开(公告)号:CN114419278A

    公开(公告)日:2022-04-29

    申请号:CN202210060821.9

    申请日:2022-01-19

    Applicant: 厦门大学

    Abstract: 本发明公开了一种室内三维彩色网格模型生成方法及系统,其中方法包括以下步骤:获取待建模的室内三维点云数据;采用激光里程计和建图方法对所述室内三维点云数据进行帧间配准以生成室内点云模型;对所述室内点云模型基于泊松重建方法进行表面重建,并过滤低密度顶点以生成无色网格模型;获取所述待建模的图像数据,并根据所述图像数据对所述无色网格模型进行贴图处理以生成室内三维彩色网格模型;由此,能够重建无纹理或透明的区域,从而提高三维模型的精确度。

    基于深度学习的ICU死亡危险性评估系统

    公开(公告)号:CN109119155B

    公开(公告)日:2022-01-28

    申请号:CN201810718023.4

    申请日:2018-07-03

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度学习的ICU死亡危险性评估系统,包括:ICU历史数据库,其中存储有历史病人的体征数据集及历史病人真实的最终状态;第一数据预处理模块,其从所述ICU历史数据库中提取所述历史病人的体征数据集并进行预处理,获得训练样本数据,同时提取病人真实的最终状态对所述训练样本数据赋予标签;第二数据预处理模块,其提取由所述人机交互模块录入的待评估病人的体征数据并进行预处理;死亡风险评估模块,其基于双向监督型LSTM神经网络构建;其从所述第一数据预处理模块获取训练样本数据及标签值进行模型训练,利用训练好的模型从所述第二数据预处理模块获取待评估病人的体征数据进行评估,最后通过所述人机交互模块输出评估结果。

    基于深度神经网络的网约车召车需求预测方法

    公开(公告)号:CN108985475B

    公开(公告)日:2021-07-23

    申请号:CN201810609232.5

    申请日:2018-06-13

    Applicant: 厦门大学

    Abstract: 本发明公开了一种基于深度神经网络的网约车召车需求预测方法,包括:S1、对城市路网进行区域划分,并计算统计各个区域的网约车召车需求量;S2、设计网约车召车需求预测模型:基于深度神经网络,学习和训练召车需求时空特征,并结合天气影响因素对网约车用户召车意愿的影响因子,预测下一时间段的区域召车需求量;S3、根据历史数据对区域召车需求预测模型进行训练,再利用训练好的模型对各个区域的网约车召车需求量进行预测。本方法通过融合外部因素和时空相关性,利用深度神经网络来表达网约车召车需求量的复杂的非线性时空相关性特征,能够取得较高的预测精度。

    一种基于城市大数据的道路障碍风险评估方法、装置及可读存储介质

    公开(公告)号:CN112862240A

    公开(公告)日:2021-05-28

    申请号:CN202011612210.8

    申请日:2020-12-30

    Applicant: 厦门大学

    Abstract: 本发明提供一种基于城市大数据的道路障碍风险评估方法、装置和可存储介质,方法包括:城市路网提取:统计每个时间段各个网格浮动车的数量;将每个网格每个小时对应的浮动车数量进行聚类,提取出路网并且将路网分成相应路段;路网特征提取:提取每个路网网格对应的时空和情境特征;道路障碍风险预测:通过社交网络数据,爬取特定字段,获取到最终发生道路障碍数据;通过统计各个时段浮动车的数量,获取各个时段各个路网网格无发生道路障碍事件数据;基于Self‑training自训练模型的模型预测;本发明提供的方法,基于多源数据融合,具有高效、低耗的优点,同时也达到了较高的准确率。

    一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质

    公开(公告)号:CN112016735A

    公开(公告)日:2020-12-01

    申请号:CN202010693026.4

    申请日:2020-07-17

    Applicant: 厦门大学

    Abstract: 本发明公开一种基于交通违法热点预测的巡逻路线规划方法、系统和可读存储介质,方法具体包括如下步骤:将离散的交通违法事件匹配到道路网络,得到交通违法热点候选区域;提取交通违法热点候选区域的相关时空特征组成数据集;采用拔靴抽样法从数据集中抽取三组训练数据集,分别用三组训练数据集通过协同训练与主动学习训练三组预测模型,所述预测模型采用树集成模型;利用所述三组预测模型,对无标签交通数据进行分类,预测未来交通违法热点的分布情况;根据交通违法热点分布情况,进行交警巡逻路线的建模和优化。本发明提供的方法能够低成本、高覆盖、实时的感知预测城市中的交通违法热点并规划交警巡逻路线,帮助城市交通管理部门全面深入地掌握城市中的交通违法热点,并且高效地规划交警巡逻路线。

    路网拓扑重建方法、介质及系统

    公开(公告)号:CN109583626B

    公开(公告)日:2020-12-01

    申请号:CN201811275175.8

    申请日:2018-10-30

    Applicant: 厦门大学

    Abstract: 本发明公开了一种路网拓扑重建方法、介质及系统,包括:获取原始路网数据,生成训练数据集;构建生成器,其中,生成器根据原始路网数据生成第一数据信息;根据道路基准图像、第一路网源图像和第一数据信息进行训练以构建第一判别器;根据道路基准图像、第一初始路网地图和第一数据信息进行训练以构建第二判别器;构建路网拓扑重建生成对抗网络;获取第二路网源图像,生成第二初始路网地图,以及将第二路网源图像和第二初始路网地图输入网络,以进行路网拓扑重建;从而实现对乡村地区的路网拓扑进行重建,且结果的准确度更高,同时,通过路网匹配算法进行原始路网数据的匹配,使得训练数据更易获取,提高路网拓扑重建生成对抗网络的构建效率。

Patent Agency Ranking