“倪冰冰”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24个，建议您升级VIP下载更多相关专利

[发明专利]基于3D视网膜近视离焦面的角膜塑形镜优化方法及系统-CN202310359969.7在审
发明人： 倪冰冰 -专利权人：上海交通大学
申请日： 2023-04-06 - 公布日： 2023-08-15 - 主分类号： G06T17/00 文献下载
摘要：一种基于3D视网膜近视离焦面的角膜塑形镜优化方法及系统，根据前后节光学相干断层成像术(OCT)图像、角膜检测数据、生理参数及角膜塑形镜参数，经多模态特征提取选择融合算法得到多模态数据融合特征，通过基于特征交互函数算子的多尺度图像预测网络得到佩戴角膜塑形镜后的角膜地形图及后节视网膜OCT图像；再通过几何光学的光线追踪和采样得到穿过角膜的光线的行进路线，与后节视网膜OCT图像共同进行三维重建后得到3D离焦曲面，通过对3D离焦曲面进行参数调整量修正，得到优化角膜塑形镜制造参数。本发明通过角膜地形图、光学相干断层扫描以及其他数据进行多模态特征提取选择融合的深度学习算法进行最佳参数预测。
基于视网膜近视离焦面角膜塑形镜优化方法系统

[发明专利]能够适应不同应用场景的人脸识别验证终端及其工作方法-CN201710509890.2有效
发明人：杨帆;胡建国;倪冰冰;陈海东;朱建旺;钱青;张凯翔;丁嘉琪 -专利权人：小视科技（江苏）股份有限公司
申请日： 2017-06-28 - 公布日： 2023-06-09 - 主分类号： G06V40/16 文献下载
摘要：本发明提供能够适应不同应用场景的人脸识别验证终端的工作方法，包括：提供一存储单元；响应于来自摄像单元的拍摄动作，获取此刻拍摄区域的光强值Es和摄像单元的振动值Df；基于光强值Es和振动值Df，计算环境光影响因子S1、振动影响因子S2和综合环境影响因子S；响应于以下三个条件中的任意一个：1)环境光影响因子S1大于第一设定阈值，2)振动影响因子S2大于第二设定阈值，3)综合环境影响因子S大于第三设定阈值，生成警示信号；否则，将摄像单元拍摄的所述指定拍摄区域的图像存储进存储单元，并且从图像中识别出人脸信息，与人员信息数据库中的人脸信息做比对，生成比对结果。本发明从硬件角度判断拍摄时的外界环境是否符合要求，以提高人脸识别验证的准确度。
能够适应不同应用场景识别验证终端及其工作方法

[发明专利]用于提高图像分辨率的方法、视频生成方法及相关装置-CN202080034157.X在审
发明人：何隽鹏;陈亮;倪冰冰 -专利权人：华为技术有限公司
申请日： 2020-09-04 - 公布日： 2022-05-06 - 主分类号： G06T3/40 文献下载
摘要：本申请提供的用于提高图像分辨率的方法能够通过将原始图像分割为若干个区域图像，然后对各个区域图像进行针对性的处理，生成分辨率比区域图像高的目标区域图像。最后，服务器将各个目标区域图像合并为目标图像。因此，本申请实施例提供的用于提高图像分辨率的方法能够针对从原始图像分割出来的每个区域图像进行处理，提高了图像的处理效果。本申请还提供相应的视频生成方法及相关装置。
用于提高图像分辨率方法视频生成相关装置

[发明专利]一种基于UHPLC-ESI-QTOF-MS/MS的五倍子单宁成分的鉴定方法-CN202111455445.5在审
发明人：张建国;何彩云;倪冰冰;桑子阳 -专利权人：中国林业科学研究院林业研究所
申请日： 2021-12-01 - 公布日： 2022-03-18 - 主分类号： G01N30/02 文献下载
摘要：本发明公开了一种基于UHPLC‑ESI‑QTOF‑MS/MS的五倍子单宁成分的鉴定方法，属于植物单宁的鉴定技术领域。本发明提供的鉴定方法结合使用超声辅助水浴方式提取五倍子中的单宁成分和使用UHPLC‑ESI‑QTOF‑MS/MS对提取的单宁成分进行鉴定，可以广谱鉴定到五倍子单宁成分中的1‑O‑没食子酰基葡萄糖至14‑O‑没食子酰基葡萄糖及其大量的异构体，实现五倍子单宁成分中大分子量的单宁成分的有效鉴定。
一种基于 uhplc esi qtof ms 五倍子单宁成分鉴定方法

[发明专利]基于生成对抗网络的人群计数方法-CN201810476256.8有效
发明人：徐奕;倪冰冰;沈赞 -专利权人：上海交通大学
申请日： 2018-05-17 - 公布日： 2022-02-25 - 主分类号： G06V20/52 文献下载
摘要：本发明提供了一种基于生成对抗网络的人群计数方法，包括：构建生成对抗网络，所述生成对抗网络包括：生成器和判别器；所述生成器用于根据输入的人群图像生成对应的人群密度图像；所述判别器用于在所述生成对抗网络的训练阶段，判别所述生成器生成的人群密度图像的真伪；对所述生成对抗网络进行跨尺度一致性训练，得到训练后的生成对抗网络；将待统计的人群图像作为所述训练后的生成对抗网络的输入，得到目标人群密度图像，并统计所述目标人群密度图像中的人数。本发明中的方法对于监控场景的人群数量统计很有效，对复杂多变的背景以及高密度的人群都具有很好的鲁棒性。
基于生成对抗网络人群计数方法

[发明专利]基于空间-语义显著性约束的CT图像模态对齐方法-CN201910616322.1有效
发明人：徐奕;林晓慧;倪冰冰 -专利权人：上海交通大学
申请日： 2019-07-09 - 公布日： 2021-11-23 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于空间‑语义显著性约束的CT图像模态对齐方法，包括：从不同的数据集中获取原始CT图像，标记并截取CT图像的肺结节区域，得到肺结节区域图像；通过不同数据集的肺结节区域图像对3D DenseNet网络进行训练，得到第一分类器和第二分类器；在循环一致生成对抗网络CycleGAN中引入3D掩模和置信度评估分数作为约束条件，得到基于空间‑语义显著性约束的循环一致生成对抗网络SSA‑CycleGAN；通过所述SSA‑CycleGAN对不同数据集的肺结节区域图像进行转换处理，得到统一模态的肺结节区域图像。本发明可以将不同模态的数据进行转换处理，从而提升肺结节检测算法的准确度。
基于空间语义显著约束 ct 图像对齐方法

[发明专利]基于质量评价的目标识别方法-CN201810487252.X有效
发明人：徐奕;倪冰冰;刘桂荣 -专利权人：上海交通大学
申请日： 2018-05-21 - 公布日： 2021-02-05 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于质量评价的目标识别方法，包括：构建目标识别模型，所述目标识别模型包括：质量评价网络、特征提取网络、特征聚合网络，其中，所述目标识别模型用于从视频中提取出目标特征，以表征目标的整体结构信息和局部信息；对所述目标识别模型进行训练，在训练过程中调整质量评价网络和特征提取网络的参数，以使所述目标识别模型输出符合预设要求的目标特征；通过训练好的目标识别模型对视频进行目标识别。从而解决了视频序列中外观多变及图像质量参差不齐导致的目标识别问题，在质量评价中增加了帧间的关联信息，从而获得更多的有效目标信息，使得目标的表征更加准确，提升了识别精度。
基于质量评价目标识别方法

[发明专利]基于逐层网络二值化的压缩方法-CN201810487253.4有效
发明人：徐奕;倪冰冰;庄丽学 -专利权人：上海交通大学
申请日： 2018-05-21 - 公布日： 2021-01-29 - 主分类号： G06T9/00 文献下载
摘要：本发明提供了一种基于逐层网络二值化的压缩方法，包括：构建浮点型的深度卷积神经网络；按照所述深度卷积神经网络的层级深度的相反顺序由深及浅地将网络中的参数逐层二值化，直至所述深度卷积神经网络中的所有层级均被二值化，得到二值化的深度卷积神经网络；通过所述二值化的深度卷积神经网络进行行人检测。从而实现了网络的压缩与加速，又有效地解决了由于网络量化造成的大幅度的精度损失的问题。
基于网络二值化压缩方法

[发明专利]基于几何正则化约束的车道检测方法-CN201810527769.7有效
发明人：徐奕;倪冰冰;张杰 -专利权人：上海交通大学
申请日： 2018-05-29 - 公布日： 2020-10-16 - 主分类号： G06K9/00 文献下载
摘要：本发明提出了一种基于几何正则化约束的车道检测方法，包括：步骤S1，针对输入驾驶场景图像进行特征提取，得到初步车道检测和车道线检测结果；步骤S2，对初步车道检测和车道线检测结果进行交叉比较，修正检测误差区域并输出最终车道检测结果。步骤S3，通过基于结构信息的损失函数与交叉熵损失结合，对检测结果进行优化，并训练网络。本发明是一种高效高精度的可行驶区域分割方法，在现有车道检测模型上，通过引入交通场景中道路固有的几何信息作为约束，有效排除环境干扰，并提高车道检测的准确性。本发明不需要对图像进行预处理与后处理，实现端到端的车道检测。实验结果显示，相较于经典检测方法，本发明在检测准确度上有较大提升。
基于几何正则约束车道检测方法

[发明专利]基于多尺度特征融合的单帧图像去雨方法-CN201810938303.6有效
发明人：徐奕;张峥;倪冰冰;杨小康 -专利权人：上海交通大学
申请日： 2018-08-17 - 公布日： 2020-10-13 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于多尺度特征融合的单帧图像去雨方法，通过运用不同尺度的感受野进行对有雨图像的特征提取，之后通过反卷积操作通过特征得到去雨结果，运用粗尺度的特征与细尺度特征的结合，促进细尺度生成的无雨图像达到最好去雨的效果。通过在多个尺度上去除雨线，能使用于多种雨水情况，去雨算法更加具有普适性。本发明引用了对抗误差与感知误差构建了新的误差函数，对去雨模型进行训练，不需要任何先验知识，也不需要对图像进行预处理和后处理，保证了整个结构的完整性；在多个测试集上的结果表明本发明同前沿的主流去雨算法结果相比，在亮度信号通道上的峰值信噪比上能够提升2‑5dB。
基于尺度特征融合图像方法

[发明专利]基于生成对抗网络的图像分块的单张图像去雨方法-CN201810938304.0有效
发明人：徐奕;倪冰冰;谌乔波 -专利权人：上海交通大学
申请日： 2018-08-17 - 公布日： 2020-08-28 - 主分类号： G06T5/00 文献下载
摘要：本发明提供了一种基于生成对抗网络的图像分块的单张图像去雨方法，通过将图像划分成互不重叠的大小相同的图像块，将每个图像块作为条件生成对抗网络的输入，降低输入的维度；一个生成对抗网络被训练用来实现有雨图像块到无雨图像块的非线性映射，有效克服了许多细节部分被忽略的问题，并且可以尽可能地在每个尺度上去除雨线；为了更好地维持去雨图像块之间的结构、颜色等方面的一致性，引用了双边滤波器和非均值局部去噪算法，构建了新的误差函数，添加至条件生成对抗网络的总的误差函数中。本发明不需要任何先验知识，也不需要对图像进行预处理和后处理，保证了整个结构的完整性。在测试集上的结果显示本发明先比经典算法提高了4～7dB。
基于生成对抗网络图像分块单张方法

[发明专利]基于跨模态的肺结节检测方法-CN201810512988.8有效
发明人：徐奕;倪冰冰;朱禹萌 -专利权人：上海交通大学
申请日： 2018-05-25 - 公布日： 2020-08-14 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于跨模态的肺结节检测方法，包括：从不同的数据集中获取原始CT图像，分割原始CT图像中的肺腔内部区域，得到肺腔内部区域图像；通过循环一致生成对抗网络CycleGAN对来自不同数据集的肺结节区域图像进行转换处理，得到统一模态的肺结节区域图像；通过经过训练的3D Unet网络对所述候选肺腔内部区域图像进行分割，提取出所述候选肺腔内部区域图像中的候选肺结节块；通过经过训练的3D DenseNet网络对所述候选结节块进行分类处理，删除假阳性的候选肺结节块，得到包含阳性肺结节的目标肺结节块。本发明中的方法检测效率高，误检率低。
基于跨模态结节检测方法

[发明专利]构建网络结构的方法与装置、及图像生成方法与装置-CN202010109969.8在审
发明人：周鹏;张晓鹏;谢凌曦;倪冰冰;田奇 -专利权人：华为技术有限公司
申请日： 2020-02-23 - 公布日： 2020-06-26 - 主分类号： G06N3/04 文献下载
摘要：本申请涉及人工智能领域中的一种构建网络结构的方法与装置、及图像生成方法与装置。该构建网络结构的方法包括：获取任务的类别；基于所述类别，使用网络结构构建模型生成与所述类别对应的目标网络结构，其中，所述网络结构构建模型能够生成多个网络结构，所述多个网络结构用于实现多个不同类别的任务；根据所述目标网络结构执行所述任务，得到执行结果；基于所述执行结果，调整所述网络结构构建模型的参数，以使得所述网络结构构建模型生成的网络结构执行任务得到的执行结果更准确。该方法能够构建用于多任务处理的高效的网络结构。
构建网络结构方法装置图像生成

[发明专利]基于上下文的多层次深度递归网络群体行为识别方法-CN201810604456.7在审
发明人： 倪冰冰;王敏思;徐奕;杨小康 -专利权人：上海交通大学
申请日： 2018-06-12 - 公布日： 2018-11-13 - 主分类号： G06K9/00 文献下载
摘要：一种基于上下文的多层次深度递归网络群体行为识别方法，包括：步骤S1，基于上下文的二值化编码器，对子动作信息进行编码，形成单人动态信息；步骤S2，使用人体检测和追踪方法产生人的运动轨迹作为单个人体轨迹，将所有单个人体轨迹分成具有时空一致性的人体群组，并利用单人动态信息建立单人交互模型来对人体群组内部交互以及人体群组间交互进行建模；步骤S3，训练提出的多层次递归上下文编码网络，来学习单人动态信息与人体群组内部和人体群组间交互的特征。本发明所提出的方法对于识别群体行为很有效，对复杂环境下的人体检测具有鲁棒性，以及有足够高的灵活性来模拟高阶交互语境。
群组动态信息递归人体检测网络群体行为识别上下文编码时空一致性动作信息复杂环境交互模型群体行为运动轨迹编码器二值化鲁棒性高阶建模语境追踪网络学习

[发明专利]基于递归神经网络的图像匹配方法及系统-CN201810441357.1在审
发明人： 倪冰冰;罗栋豪;徐奕;杨小康 -专利权人：上海交通大学
申请日： 2018-05-10 - 公布日： 2018-10-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于递归神经网络的图像匹配方法，包括：特征提取步骤：采用卷积神经网络对待匹配的两张图片分别进行特征提取；相似性度量步骤：采用递归神经网络以循环的方式依次处理得到的两张图片的特征，随着所述递归神经网络对两张图片的特征处理次数的增加，对两张图片匹配程度的预测越来越准确。本发明还涉及一种基于递归神经网络的图像匹配系统。本发明通过多次对两个特征的循环度量来得到最终的相似程度，图像匹配的精准度更加精确、误差更小，匹配效果更好。
递归神经网络图像匹配匹配卷积神经网络特征提取步骤图像匹配系统相似性度量图片匹配效果特征处理特征提取相似程度依次处理精准度度量预测

1
2
下一页»
尾页
共 24 条