-
公开(公告)号：CN119986720A
公开(公告)日：2025-05-13
申请号：CN202510300053.3
申请日：2025-03-13
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于M估计的导航卫星钟差快速加密方法，涉及卫星导航定位领域，包括以下步骤：S1：对数据进行一致性检查，读取导航卫星轨道和钟差数据、测站坐标和接收机钟差数据、GNSS辅助数据，进行数据初始化和数据预处理；S2：构建历元间差分观测方程；S3：进行相对钟差参数抗差估计；S4：获得高采样相对钟差；S5：根据低采样绝对钟差和高采样相对钟差进行钟差综合，并输出高采样绝对钟差；能够有效提高钟差加密的计算效率和抗差性，在保障高精度的同时显著降低计算开销，满足低轨卫星精密轨道确定及高精度动态定位等实际应用需求。
-
公开(公告)号：CN118075492A
公开(公告)日：2024-05-24
申请号：CN202410240750.X
申请日：2024-03-04
Applicant: 华中科技大学
IPC: H04N19/587 , G06T5/90 , G06T5/50 , G06T5/60 , G06T7/269 , G06T7/33 , G06V10/44 , G06V10/62 , G06V10/80 , G06V10/82 , G06T9/00 , H04N19/42 , H04N19/59 , H04N25/589 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种面向大运动场景下的实时高动态范围视频重建系统和方法。系统主要包括高效光流估计模块、对齐约束模块以及多帧融合模块，其中：所述高效光流估计模块用于从多帧时序图片中计算多帧之间的前向光流和反向光流；所述对齐约束模块用于获取前向光流和反向光流，并根据前向光流和反向光流计算在高动态范围图片上利用光流对齐后的前后帧的光度一致性；所述多帧融合模块用于通过U型卷积神经网络对经过光流对齐后的多帧时序的低动态范围图片进行融合，从而重建出高动态范围的视频。本发明可以实时地从交替曝光的低动态范围视频中重建出准确的、高清的高动态范围视频，由此解决了在大运动情况下难以实时准确重建高动态范围视频的技术问题。
-
公开(公告)号：CN116051739A
公开(公告)日：2023-05-02
申请号：CN202310002146.9
申请日：2023-01-03
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于迭代几何编码体的立体匹配方法：取左右图对，以用于计算参考图与源图之间的视差估计；利用多尺度特征提取网络提取源图和参考图图像特征，同时采用不同的网络提取参考图的多尺度特征作为上下文特征；选择目标尺寸的特征图对分组计算相关性构建相关体，生成几何编码体；从前述几何编码体中回归得到视差估计作为迭代更新的初始值，从初始视差估计开始，将上一级的视差估计结果与上下文特征以及前述联合的几何编码体作为输入，使用三级GRU迭代更新视差，得到更准确的视差预测；对所述预测视差进行空间上采样，利用加权组合输出一个全分辨率视差图。本发明还公开了相应的基于迭代几何编码体的立体匹配系统。
-
公开(公告)号：CN107945265B
公开(公告)日：2019-09-20
申请号：CN201711227295.6
申请日：2017-11-29
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于在线学习深度预测网络的实时稠密单目SLAM方法：通过最小化高梯度点的光度误差优化得到关键帧的相机姿态，并且采用三角测量法预测高梯度点的深度得到当前帧的半稠密地图；选择在线训练图片对，采用逐块随机梯度下降法在线训练更新CNN网络模型，并利用训练后CNN网络模型对当前帧图片进行深度预测得到稠密地图；根据所述当前帧的半稠密地图和预测稠密地图进行深度尺度回归，得到当前帧深度信息的绝对尺度因子；采用NCC得分投票方法根据所述两种投影结果选择所述当前帧的各像素深度预测值得到预测深度图，并对所述预测深度图进行高斯融合得到最终深度图。本发明还提供了相应的基于在线学习深度预测网络的实时稠密单目SLAM系统。
-
公开(公告)号：CN107909150A
公开(公告)日：2018-04-13
申请号：CN201711225394.0
申请日：2017-11-29
Applicant: 华中科技大学
CPC classification number: G06N3/08 , G06N3/0454
Abstract: 本发明公开了一种基于逐块随机梯度下降法在线训练CNN的方法，将ResNet-50之中的卷积层分为5个块，构成ResNet-50的50层结构的CNN网络模型，生成并筛选训练数据，利用所述训练数据，对所述分为5个块后的ResNet-50的CNN网络模型逐块进行在线学习和更新，直到满足预设停止条件，得到训练后的CNN网络模型；计算一批图片的训练损失函数，判断是否启动下一次在线学习和更新进程训练新的CNN网络模型。本发明使CNN在有限的训练数据条件下可以取得更好的深度预测结果，并且减少了算法的空间复杂度，增强了CNN的泛化能力；并且选择性的训练和更新，使得算法的时间复杂度大大降低，并且提高了系统的精确度和鲁放性。本发明还提供了相应的基于逐块随机梯度下降法在线训练CNN的系统。
-
Patent Agency Ranking
公开(公告)号：CN116664850A
公开(公告)日：2023-08-29
申请号：CN202310399294.9
申请日：2023-04-12
Applicant: 华中科技大学
IPC: G06V10/40 , G06V10/80 , G06T7/00 , G06V10/82 , G06T3/40 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于循环代价体聚合的立体匹配方法，该方法可以逐步融合全局上下文和更新代价体中的匹配细节，从而消除不匹配和歧义。为了促进全面的代价聚合，本发明提出了一种多峰查找策略，基于该策略，几个具有高概率的局部代价体通过GRU进行索引和汇总。此外，本发明还引入了一种级联搜索范围方法，该方法在GRU迭代开始时采用较大的搜索范围，并随着特定的模式逐渐缩小搜索范围。基于所提出的循环代价聚合方法，本发明构建了一个新的立体匹配网络。在立体匹配数据集上的大量实验表明，本发明方法在所有发表的方法中，在KITTI‑12和KITTI‑15立体基准测试排行榜中排名第一。
-
公开(公告)号：CN116109680A
公开(公告)日：2023-05-12
申请号：CN202310331854.7
申请日：2023-03-30
Applicant: 华中科技大学
IPC: G06T7/269 , G06T7/246 , G06T7/207 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及计算机视觉光流估计技术领域，提供了一种高分辨率光流估计方法和装置。其中所述方法包括针对源图像和目标图像，提取得到源图像特征、第一目标图像特征和上下文特征；对所述目标图像的第一目标图像特征，进行池化获得第二和第三目标图像特征；根据三种不同分辨率的目标图像特征，计算得到三种不同分辨率的垂直和水平关注特征；进行多次迭代直至得到最终的光流估计结果；在每一次迭代中，基于上一次的光流估计结果，沿着正交方向索引所述三种不同分辨率的垂直和水平关注特征，将源图像特征与索引结果进行关联得到动态正交代价体积；将动态正交代价体积、上下文特征和上一次的光流估计结果输入至ConvGRU模型，得到本次的光流估计结果。
-
公开(公告)号：CN110717916B
公开(公告)日：2022-08-30
申请号：CN201910930769.6
申请日：2019-09-29
Applicant: 华中科技大学
IPC: G06T7/11 , G06V10/764 , G06N3/04 , G06N3/08 , G06T3/00
Abstract: 本发明公开了一种基于卷积神经网络的肺栓塞检测系统，包括：候选区域提取网络是一个使用了带有跳跃连接的自动编码解码的全卷积网络，对待检测计算机断层扫描肺血管造影图像进行候选区域提取，得到多个不同大小的假阳性候选区域；3D仿射变换网络，用于从多个不同大小的假阳性候选区域中产生血管对齐的、大小固定的立方体并取出它们三个正交层；假阳预测筛查网络，将所述三个正交层输入到一个包含2个全连接层的2D分类网络进行假阳预测筛查。本发明方法可以解决误差累积的问题；能自动抽取更具有辨别力的3D图像特征，减少了容积效应的影响，并且不依赖与研究者的经验；在保证召回率的同时提高了准确率。
-
公开(公告)号：CN119323560B
公开(公告)日：2025-03-07
申请号：CN202411835108.2
申请日：2024-12-13
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06V10/80 , G06T7/13 , G06V10/25 , G06V10/766 , G06V10/82 , G06V10/764
Abstract: 本发明属于医学影像技术领域，提供了一种基于图像和文本特征融合的超声心动图图像质量评估方法，包括：利用目标检测模型进行特征提取和分类、利用视觉‑语言特征对齐模块对图像特征与文本特征进行对齐以及利用大语言模型进行句式模板选定、线性投影、合并。本发明通过图像与文本特征的跨域迁移，生成了准确且全面的超声心动图图像质量评估报告，提升了评估结果的可解释性和细粒度；通过引入目标检测模型，使系统能够识别并理解医学图像中不同解剖结构的位置关系，为后续质量评估提供了丰富的医学领域先验知识，实现了从自然图像到超声心动图的有效跨域迁移；通过引入句式模板保证了质控文本的一致性。
-
公开(公告)号：CN119323560A
公开(公告)日：2025-01-17
申请号：CN202411835108.2
申请日：2024-12-13
Applicant: 华中科技大学同济医学院附属协和医院
IPC: G06T7/00 , G06V10/80 , G06T7/13 , G06V10/25 , G06V10/766 , G06V10/82 , G06V10/764
Abstract: 本发明属于医学影像技术领域，提供了一种基于图像和文本特征融合的超声心动图图像质量评估方法，包括：利用目标检测模型进行特征提取和分类、利用视觉‑语言特征对齐模块对图像特征与文本特征进行对齐以及利用大语言模型进行句式模板选定、线性投影、合并。本发明通过图像与文本特征的跨域迁移，生成了准确且全面的超声心动图图像质量评估报告，提升了评估结果的可解释性和细粒度；通过引入目标检测模型，使系统能够识别并理解医学图像中不同解剖结构的位置关系，为后续质量评估提供了丰富的医学领域先验知识，实现了从自然图像到超声心动图的有效跨域迁移；通过引入句式模板保证了质控文本的一致性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.028 seconds)
