-
公开(公告)号：CN117611929B
公开(公告)日：2024-04-23
申请号：CN202410088953.1
申请日：2024-01-23
Applicant: 湖北经济学院
IPC: G06V10/764 , G06V10/74 , G06V10/82 , G06V10/25
Abstract: 本发明提供一种基于深度学习的LED光源识别方法、装置、设备及介质，属于室内定位导航技术领域，所述方法包括：在LED照明环境下，通过CMOS相机获取样条帧，样条帧为具有暗样条纹的图像；输入样条帧至目标检测模型，获取目标检测模型输出的暗样条纹检测结果；对多个矩形框进行预处理以及基于各个预处理后矩形框对应的预测分类，确定样条帧的图像特征编码序列；将图像特征编码序列与各个LED光源对应的光源特征编码序列进行比对，确定与样条帧最匹配的光源特征编码序列。光源特征编码序列能够用于标识LED光源，因而能够确定CMOS相机的当前位置位于最匹配的光源特征编码序列所标识LED光源的附近，高效地进行室内定位。
-
公开(公告)号：CN115082426A
公开(公告)日：2022-09-20
申请号：CN202210850786.0
申请日：2022-07-20
Applicant: 湖北经济学院
Abstract: 本发明公开了一种基于深度学习模型的卵泡检测方法及装置，属于医学图像数据处理领域。本发明通过将待检查对象的卵巢三维超声图像、电子病历文本和检验报告输入至训练好的深度学习模型，所述深度学习模型分别提取向量化后电子病历文本的文本特征、预处理后三维超声图像的图像特征、二值化后检验报告的特征，并对提取到的三类特征进行融合，得到多源异构数据特征图，最终能够自动识别出三维超声图像中所有卵泡的位置和大小信息。本发明不仅使用三维超声图像，还充分利用检查对象的电子病历和检验结果等信息，对三维超声图像中的卵泡进行目标检测，能够提高对卵泡检测的准确率。
-
公开(公告)号：CN117611929A
公开(公告)日：2024-02-27
申请号：CN202410088953.1
申请日：2024-01-23
Applicant: 湖北经济学院
IPC: G06V10/764 , G06V10/74 , G06V10/82 , G06V10/25
Abstract: 本发明提供一种基于深度学习的LED光源识别方法、装置、设备及介质，属于室内定位导航技术领域，所述方法包括：在LED照明环境下，通过CMOS相机获取样条帧，样条帧为具有暗样条纹的图像；输入样条帧至目标检测模型，获取目标检测模型输出的暗样条纹检测结果；对多个矩形框进行预处理以及基于各个预处理后矩形框对应的预测分类，确定样条帧的图像特征编码序列；将图像特征编码序列与各个LED光源对应的光源特征编码序列进行比对，确定与样条帧最匹配的光源特征编码序列。光源特征编码序列能够用于标识LED光源，因而能够确定CMOS相机的当前位置位于最匹配的光源特征编码序列所标识LED光源的附近，高效地进行室内定位。
-
公开(公告)号：CN113689927B
公开(公告)日：2022-01-18
申请号：CN202111245725.3
申请日：2021-10-26
Applicant: 湖北经济学院
Abstract: 本发明提供了一种基于深度学习模型的超声图像处理方法及装置，属于医学图像数据处理领域，方法步骤为：将超声图像、电子病历文本和检验结果预处理后输入至训练完毕的融合深度学习模型中，获取超声图像能表征待检查对象的概率，同时对能表征待检查对象概率最高的超声图像自动生成超声检查报告文本。本发明使用多源数据特征可以保证自动生成的超声检查报告的质量，同时能够提高超声检查的效率。
-
公开(公告)号：CN115082426B
公开(公告)日：2022-11-04
申请号：CN202210850786.0
申请日：2022-07-20
Applicant: 湖北经济学院
Abstract: 本发明公开了一种基于深度学习模型的卵泡检测方法及装置，属于医学图像数据处理领域。本发明通过将待检查对象的卵巢三维超声图像、电子病历文本和检验报告输入至训练好的深度学习模型，所述深度学习模型分别提取向量化后电子病历文本的文本特征、预处理后三维超声图像的图像特征、二值化后检验报告的特征，并对提取到的三类特征进行融合，得到多源异构数据特征图，最终能够自动识别出三维超声图像中所有卵泡的位置和大小信息。本发明不仅使用三维超声图像，还充分利用检查对象的电子病历和检验结果等信息，对三维超声图像中的卵泡进行目标检测，能够提高对卵泡检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114973310A
公开(公告)日：2022-08-30
申请号：CN202210356477.8
申请日：2022-04-06
Applicant: 国网智慧能源交通技术创新中心(苏州)有限公司 , 国网电动汽车服务有限公司 , 国网湖南电动汽车服务有限公司 , 北京佰汇亿达科技有限公司 , 湖北经济学院
IPC: G06V40/10 , G06V10/22 , G06V10/26 , G06V10/28 , G06V10/762
Abstract: 本发明提供了一种基于红外热成像的被动人体定位方法及系统，属于红外人体定位领域，方法包括：根据红外热像仪采集的待测热图中各像素点温度值以及横纵坐标值，采用DBSCAN进行聚类，计算待测热图中各像素点的聚类类别；其中，聚类类别包括背景聚类和人体聚类；对比待测热图中各像素点与相邻像素点的类别，获取人体内边缘轮廓点；将人体内边缘轮廓点的曲率与预设阈值对比，提取待测热图中人体头部边界框；基于人体头部边界框的特征参数，结合待测热图中人的相对位置、人体与红外热像仪之间的距离、红外热像仪的位置和DFoV，对人体进行定位。本发明提高了对人体定位的准确性，尤其在可见度较差的环境下适用性更强。
-
公开(公告)号：CN114898397A
公开(公告)日：2022-08-12
申请号：CN202210360028.0
申请日：2022-04-07
Applicant: 国网智慧能源交通技术创新中心(苏州)有限公司 , 国网电动汽车服务有限公司 , 国网湖南电动汽车服务有限公司 , 北京佰汇亿达科技有限公司 , 湖北经济学院
IPC: G06V40/10 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/22 , G06T5/00 , G06T3/60 , G06N3/04 , G06F16/532
Abstract: 本发明提供了一种基于深度学习模型的跨膜态行人重识别方法及装置，属于人工智能图像处理领域，方法的主要步骤为：对行人的可见光图像和红外图像使用数据增强技术以增加图像数据的多样性；使用ResNet50网络和ViT模块融合设计一种混合双通路深度学习网络模型，可以用来提取可见光和红外两种模态图像的特征；该模型的损失函数使用分类损失函数和改进的三元损失函数的组合，并且这两个损失函数的权重随训练过程中损失函数的值的改变而改变，从而能够平衡两个损失函数在模型训练过程中的重要度；在使用过程中，使用该模型提取不同模态图像的特征，并以此判断不同图像是否表示为同一个行人。
-
公开(公告)号：CN113689927A
公开(公告)日：2021-11-23
申请号：CN202111245725.3
申请日：2021-10-26
Applicant: 湖北经济学院
Abstract: 本发明提供了一种基于深度学习模型的超声图像处理方法及装置，属于医学图像数据处理领域，方法步骤为：将超声图像、电子病历文本和检验结果预处理后分别获取超声图像特征、电子病历文本特征和检验结果特征；将超声图像特征、电子病历文本特征和检验结果特征输入至训练完毕的融合深度学习模型中，获取超声图像能表征待检查对象的概率，同时对能表征待检查对象概率最高的超声图像自动生成超声检查报告文本。本发明使用多源数据特征可以保证自动生成的超声检查报告的质量，同时能够提高超声检查的效率。
-
公开(公告)号：CN113566780A
公开(公告)日：2021-10-29
申请号：CN202111129661.0
申请日：2021-09-26
Applicant: 湖北经济学院
Abstract: 本发明公开了一种基于红外热像仪的人机测距方法及系统。该方法包括如下步骤：获取红外热像仪采集的待测热图，根据待测热图中各像素点温度值对应计算各像素点的梯度向量，梯度向量包括横向梯度值和纵向梯度值；基于各像素点的梯度向量，确定人体头部边界框，人体头部边界框包括一个或多个；根据人体头部边界框，计算其对应特征集；将特征集输入到预先构建的人机测距模型中，预测得到待测热图中每个人与红外热像仪之间的距离。本发明通过对红外热像仪获取的热图进行各像素点梯度向量计算、头部边界框提取、特征集构建、人机距离预测模型建立与距离预测，可对热图中一个或多个人体与红外热像仪之间的距离进行测定，实现对人的被动定位。
-
公开(公告)号：CN114973310B
公开(公告)日：2024-06-07
申请号：CN202210356477.8
申请日：2022-04-06
Applicant: 国网智慧能源交通技术创新中心(苏州)有限公司 , 国网电动汽车服务有限公司 , 国网湖南电动汽车服务有限公司 , 北京佰汇亿达科技有限公司 , 湖北经济学院
IPC: G06V40/10 , G06V10/22 , G06V10/26 , G06V10/28 , G06V10/762
Abstract: 本发明提供了一种基于红外热成像的被动人体定位方法及系统，属于红外人体定位领域，方法包括：根据红外热像仪采集的待测热图中各像素点温度值以及横纵坐标值，采用DBSCAN进行聚类，计算待测热图中各像素点的聚类类别；其中，聚类类别包括背景聚类和人体聚类；对比待测热图中各像素点与相邻像素点的类别，获取人体内边缘轮廓点；将人体内边缘轮廓点的曲率与预设阈值对比，提取待测热图中人体头部边界框；基于人体头部边界框的特征参数，结合待测热图中人的相对位置、人体与红外热像仪之间的距离、红外热像仪的位置和DFoV，对人体进行定位。本发明提高了对人体定位的准确性，尤其在可见度较差的环境下适用性更强。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.03 seconds)
