“王祥舟”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果35个，建议您升级VIP下载更多相关专利

[发明专利]一种基于视觉Transformer的多细粒度遮挡行人重识别方法-CN202310083676.0在审
发明人：张静;郭权浩;刘娟秀;郝茹茜;王祥舟;杜晓辉;刘霖;刘永 -专利权人：电子科技大学
申请日： 2023-02-08 - 公布日： 2023-07-28 - 主分类号： G06V40/10 文献下载
摘要：本发明提出一种基于视觉Transformer的多细粒度遮挡行人重识别方法，属于图像处理领域。包含一个全局分支和三个局部分支。在多分支架构的设计中，我们在通道注意力和空间注意力的基础上，通过联合交互不同细粒度分支的特征信息，设计了跨分支注意力模块，以此来强化各个分支之间的相互关系，调和在不同遮挡程度上，全局分支和局部分支的重要关系。在骨干网络视觉Transformer的设计中，提出特征增强模块F，其不仅能够获取到Transformer的全局感知信息，也能综合卷积操作的局部感受野，实现对图像全局特征和局部特征的把控，弥补图像中行人被不同程度遮挡带来的特征缺失问题。通过特征增强模块和跨分支注意力模块，我们的模型能够更好的适应遮挡行人重识别场景。
一种基于视觉 transformer 细粒度遮挡行人识别方法

[发明专利]一种基于医疗显微成像的快速稳健的图像拼接方法-CN201910460150.3有效
发明人：张静;霍一博;李晔彬;于腾;秦驰;王天鹤;许浩;杜晓辉;王祥舟;郝如茜;倪光明;刘娟秀;刘霖;刘永 -专利权人：电子科技大学
申请日： 2019-05-30 - 公布日： 2023-06-23 - 主分类号： G06T5/50 文献下载
摘要：本发明的公开了一种基于医疗显微成像的快速稳健的图像拼接方法，属于图像处理领域。为了实现高速，高精度的显微图像拼接，本发明选择ORB算法提取图像特征，证明本发明通过处理可以用此方法可以和用SIFT、SURF等算法达到同一精确度，并可以在特征提取上减少计算量，另外，为了消除混合缝隙来产生无缝图像，本发明采用渐入渐出加权平均策略，在最后的融合阶段，本发明采用图像索引操作，最大化避免对像素的多次复制移动，进一步缩短了时间。另外，本发明整个算法流程使用GPU加速，将算法处理时间降至最低。通过计算，本发明在使用分辨率为1360×1024的3×3图像可以在1秒左右完成准确无缝隙拼接。
一种基于医疗显微成像快速稳健图像拼接方法

[发明专利]一种基于目标检测模型和DeepSort的坦克装甲车流量检测方法-CN202310041041.4在审
发明人：刘霖;朱广昊;章浩飞;张敬敏;李嘉琛;郝如茜;王祥舟;杜晓辉;刘娟秀;张静;刘永 -专利权人：电子科技大学;中国兵器装备集团兵器装备研究所
申请日： 2023-01-13 - 公布日： 2023-05-16 - 主分类号： G06V20/40 文献下载
摘要：本文发明了一种基于目标检测模型和DeepSort的坦克装甲车流量检测方法，通过构建并训练目标检测模型来进行坦克装甲车目标的检测，结合实时性高的DeepSort算法进行目标跟踪，弥补了所拍摄视频中坦克装甲车相互遮挡，特征不明显导致的难以检测和跟踪的问题，具有操作简单、检测精度高、实时性好、漏检率低的效果。
一种基于目标检测模型 deepsort 坦克装甲车流量方法

[发明专利]一种基于BP神经网络的粪便显微图像清晰度评价方法-CN201811376071.6有效
发明人：张静;邓鼎文;杨浩;金松;王祥舟;杜晓辉;刘娟秀;倪光明;刘霖;刘永 -专利权人：电子科技大学
申请日： 2018-11-19 - 公布日： 2023-05-02 - 主分类号： G06T7/00 文献下载
摘要：该发明公开了一种基于BP神经网络的粪便显微图像的清晰度评价方法，属于机器视觉技术领域，具体一种基于BP神经网络的粪便显微图像清晰度评价方法。通过人工判定出的粪便显微清晰图像和不清晰图像对一个四层的BP神经网络进行训练，获得完整的判定图像清晰程度的神经网络，该方法针对粪便显微图像分层厚、背景复杂的特点，适用于粪便显微图像的自动对焦。
一种基于 bp 神经网络粪便显微图像清晰度评价方法

[发明专利]一种基于机器视觉的试剂卡自动分类的检测方法-CN201910135511.7有效
发明人：张静;申志杰;邓鼎文;杨浩;王祥舟;杜晓辉;刘娟秀;倪光明;刘霖;刘永 -专利权人：电子科技大学
申请日： 2019-02-25 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于机器视觉的试剂卡自动分类的检测方法，属于图像识别领域。针对人工操作存在操作不当，试剂卡滴液量不符合试剂卡要求的可能性，也存在试剂卡结果判读时间不合适的风险，检验人员可能会产生主观误判，导致粪便检测结果无法实现标准化，且人工检测速度较慢，在一定程度上影响了工作效率，不利于有效开展和推广应用等缺点，本发明提供了一种基于机器视觉的试剂卡自动分类的检测方法，能够定时定标检测试剂卡检测结果，大大提高了检测效率。
一种基于机器视觉试剂自动分类检测方法

[发明专利]一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法-CN202211042295.X在审
发明人：刘娟秀;李嘉琛;张静;郝茹茜;王祥舟;杜晓辉;刘霖;刘永 -专利权人：电子科技大学
申请日： 2022-08-29 - 公布日： 2022-12-16 - 主分类号： G06V20/17 文献下载
摘要：本文发明一种基于YOLOv5x改进模型的无人机拍摄图像物体检测方法，通过构建RSTS‑YOLOv5将YOLOv5结构中保留的部分提取单帧图像中的图像特征与色彩信息与RSTS模块提取的隐式上下文信息相结合，弥补无人机拍摄图像中物体过小，特征极度不明显导致的难以检测的问题，利用无人机拍摄图像聚簇特点，进行多尺度数据增强，具有操作简便、检测效率高、精度高、漏检率和误检率低的效果。
一种基于 yolov5x 改进模型无人机拍摄图像物体检测方法

[发明专利]一种针对位置环境的室内隐蔽点寻找方法-CN202210876716.2在审
发明人：刘娟秀;张冰松;王祥舟;杜晓辉;郭权浩;李良炜;张静;刘霖;刘永 -专利权人：电子科技大学
申请日： 2022-07-25 - 公布日： 2022-12-06 - 主分类号： G06T7/55 文献下载
摘要：该发明公开了一种针对位置环境的室内隐蔽点寻找方法，特别涉及深度学习技术的物体检测以及部件分割方法。本方法首先通过深度摄像头获得彩色图片、深度图片、摄像头位姿信息，通过深度学习算法得到物体的在图片中的位置并计算物体的支撑腿、侧沿在图片中的区域信息，结合深度图得到其实际位置信息，通过对其空间位置信息的判断得到其可能的隐藏区域。
一种针对位置环境室内隐蔽寻找方法

[发明专利]一种基于图卷积神经网络的室内物体零样本检测方法-CN202210989101.0在审
发明人：刘霖;李良炜;杜晓辉;张静;刘娟秀;郝如茜;王祥舟;刘永 -专利权人：电子科技大学
申请日： 2022-08-17 - 公布日： 2022-11-18 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于图卷积神经网络的室内物体零样本检测方法，该方法主要应用于缺样、少样情况下室内物体检测项目。算法设计了一种U形结构的图卷积神经网络，实现了一种基于中心‑邻域相似度的图网络下采样层。发明中所涉及的算法解决了室内物体检测领域中缺乏目标样本的问题，减少对人工标注的需求，扩大了检测范围，提升了检测效率。
一种基于图卷神经网络室内物体样本检测方法

[发明专利]一种基于改进RetinaNet的显微图像中有型成分目标检测方法-CN202010226268.2有效
发明人：杜晓辉;刘霖;张静;王祥舟;郝如茜;倪光明;刘娟秀;刘永 -专利权人：电子科技大学
申请日： 2020-03-26 - 公布日： 2022-10-14 - 主分类号： G06V20/69 文献下载
摘要：本发明公开了一种基于改进的RetinaNet显微图像目标检测方法，该方法主要应用于医院检验科与细胞镜检相关的检测项目。算法对RetinaNet中的锚点提取方式、分类和回归子网络进行改进，实现了针对于显微图像有型成分的高效率、高准确率的检测。发明中所涉及的算法对于实现检测的全自动化、智能化提供了理论基础。检测方法速度快，检测精度高，完全能够满足临床检测的需求。
一种基于改进 retinanet 显微图像中有型成分目标检测方法

[发明专利]一种脊柱侧弯的自动检测系统-CN202210756367.0在审
发明人：刘娟秀;吕翔;杜晓辉;王祥舟;张静;刘霖;王兴国;景富军;谢秦炀;刘勇 -专利权人：电子科技大学;宜宾显微智能科技有限公司
申请日： 2022-06-29 - 公布日： 2022-09-02 - 主分类号： A61B5/107 文献下载
摘要：本发明公开了一种脊柱侧弯的自动检测系统，属于数字图像处理领域和深度学习领域，具体涉及图像的深度数据和卷积神经网络相结合的自动化脊柱侧弯检测系统。该系统首先是对人体站立位的背部图像进行获取，通过算法标注背部肩窝、肩胛骨拐点、腰凹、髂嵴和表皮脊柱线，根据临床医学判定患者是否患有脊柱侧弯的“四横一竖”标准，即根据双肩对称性、腰凹对称性、髂嵴对称性、肩胛骨对称性、表皮脊柱线侧弯角X°，判断受测者的情况。本发明在四横一竖的基础上，在专业医生指导下，增加三种前屈位剃刀背检测，最大可能地接近临床检验流程，极大的增加了检验结果的准确性和检验流程的完整性。
一种脊柱自动检测系统

[发明专利]一种基于深度学习与多参数融合的非接触式睡眠监测方法-CN202210561402.3在审
发明人：张静;晏博赟;贺涛;杜晓辉;王祥舟;孙海鑫;刘娟秀;刘霖;刘永 -专利权人：电子科技大学
申请日： 2022-05-23 - 公布日： 2022-09-02 - 主分类号： G06T7/00 文献下载
摘要：本发明是一种基于深度学习与多参数融合的非接触式睡眠监测系统，属于图像处理领域和深度学习领域。该系统首先对获取到的睡眠视频图像进行分割，然后搭建生理信号提取与放大的深层卷积神经网络，通过设置网络不同的放大因子，对额头区域的心率信号和眼睛区域的眼动频率进行放大，得到放大心率信号的额头区域视频图像和放大眼动频率后的眼睛区域视频图像，再利用快速傅里叶变换提取相应频谱，找出频谱峰值对应的频率作为监测到的心率信号和眼动频率。对于三方位躯体视频图像，搭建基于深度学习的睡姿监测神经网络结构，将网络中提取的睡姿特征输入到全连接层进行六分类，分类结果对应为仰卧、俯卧、左侧直卧、左侧蜷卧、右侧直卧和右侧蜷卧六种睡姿，再通过六种睡姿中的不同睡姿的切换，统计翻身次数。最后综合上述监测到的生理信号，对睡眠质量进行综合评估。本发明具有高舒适度、多参数融合、高度自动化的特点，非接触性的实现了心率、呼吸频率、眼动频率、睡姿、翻身次数等生理参数的监测。
一种基于深度学习参数融合接触睡眠监测方法

[发明专利]一种基于深度相机的人体坐姿检测方法-CN201910596973.9有效
发明人：张静;高学顺;李圳浩;刘慧枭;杜晓辉;王祥舟;郝如茜;刘娟秀;倪光明;刘霖;刘永 -专利权人：电子科技大学
申请日： 2019-07-03 - 公布日： 2022-07-29 - 主分类号： G06V40/10 文献下载
摘要：本发明是一种基于深度相机的人体坐姿检测方法，涉及图像处理领域。采用获取人体背部区域的深度图像和彩色图像，采用深度图像和彩色图像相结合的方式获取图像的前景区域，采用前景区域的的部分区域计算人体坐姿是否正确，从而实现发明目的。本发明是一种基于机器视觉的无接触式坐姿监测方法，借助于深度相机采集人体背部数据，通过坐姿监测算法，可以实时获取图像，全自动完成坐姿监测，当坐姿异常时，电脑端人机交互软件及时提醒用户改正坐姿。人的坐姿与脊柱状态有密切的关系，因此采集背部的数据进行坐姿分析是最为准确的，同时也可避免采集人体面部信息带来的隐私问题。
一种基于深度相机人体坐姿检测方法

[发明专利]一种基于机器学习的人体粪便白细胞自动识别方法-CN201810262889.9有效
发明人：刘娟秀;王祥舟;申志杰;邓鼎文;杜晓辉;赵家喜;张静;倪光明;郝如茜;刘霖;刘永;周辉 -专利权人：电子科技大学;宁波摩米创新工场电子科技有限公司
申请日： 2018-03-28 - 公布日： 2022-05-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于机器学习的人体粪便白细胞自动识别方法，涉及基于数字图像处理技术，特别是机器学习技术对人体粪便中白细胞自动识别检测方法。本发明采用对样本图像进行特征提取，采用提取的特征对SVM支持向量机进行训练，然后再将训练好的向量机应用于白细胞的识别，本发明方法具有识别准确，速度快，效率高，计算量小的优点。
一种基于机器学习人体粪便白细胞自动识别方法

[发明专利]一种结合形态学分割和神经网络的粪便中红细胞识别方法-CN201810261889.7有效
发明人：刘霖;赵家喜;杜晓辉;王祥舟;申志杰;邓鼎文;刘娟秀;倪光明;郝如茜;张静;刘永;周辉 -专利权人：电子科技大学;宁波摩米创新工场电子科技有限公司
申请日： 2018-03-28 - 公布日： 2022-03-15 - 主分类号： G06V20/69 文献下载
摘要：该发明公开了一种结合形态学分割和神经网络的粪便中红细胞识别方法，属于图像处理和机器学习技术领域，具体涉及一种结合形态学分割和神经网络的粪便中红细胞识别方法。本发明采用多焦距的方式获得初步的样本图像，再将初步样本图形进行灰度化，二值化，合并等处理，得到样本图像，最后根据获得样本的图像进行神经网络的训练，采用训练的神经网络对图像进行识别，从而本发明识别粪便中红细胞的方法具有高效、准确和成本低的有点。
一种结合形态学分割神经网络粪便红细胞识别方法

[发明专利]一种结合图像颜色及HOG和SVM的粪便性状的自动辨别方法-CN201711101417.7有效
发明人：张静;赵家喜;李佼;蒋雨梦;王祥舟;申志杰;刘娟秀;杜晓辉;刘霖;刘永 -专利权人：电子科技大学
申请日： 2017-11-10 - 公布日： 2021-11-02 - 主分类号： G06K9/62 文献下载
摘要：该发明公开了一种结合图像颜色及HOG和SVM的粪便性状的自动辨别方法本发明属于数字图像处理领域和机器学习领域，具体涉及将图像的颜色信息及图像的HOG特征和SVM支持向量机相结合的粪便性状的自动辨别方法。该方法首先提取粪便图像的HOG特征，该特征通过计算和统计图像局部区域的梯度直方图大小构成，再用图像的HOG特征训练SVM支持向量机，得到分类器模型，紧接着提取图像的颜色信息，对图像颜色信息进行分析处理后，初步判断粪便性状，再提取初步判断为未知的粪便图像的HOG特征，将HOG特征输入到分类器模型中，得到结果，最后根据结果与零的大小关系得到粪便性状的类型。本发明与原来的粪便性状辨别方式相比，具有高效、成本低和自动化程度高的优点。
一种结合图像颜色 hog svm 粪便性状自动辨别方法

1
2
3
下一页»
尾页
共 35 条