所属分类：电子信息产业

所属单位：太原理工大学

成果简介：通过 BIM 技术实现了实现了风管和接头等部件的压力损失可视化,有助于迅速调整压力的平衡,减少人力物力成本,提高竣工验收前风管系统的调试效率。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：结合隐变量机制,残差网络,注意力机制和多尺度判别器的新病害特征生成方法,可以帮助生成病害特征更明显,病害区域纹理更清晰的植物病害叶片,满足卷积神经网络训练所需要的大量数据。该方法能够生成病害特征明显的植物叶片,满足病害识别网络所需要的大量数据,有效地提高了植物叶片病害的识别精度。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：为了准确高效地分割海马体,提出了融合残差块注意力机制和生成对抗网络的海马体分割方法。该系统有着分割精度高、分割效率高的优点。在生成模型中,将残差网络作为编码结构来提取图像浅层特征,在解码结构中加入注意力机制,通过改变特征权重放大有效特征。再结合对抗模型迭代训练,使生成模型达到最佳分割状态。实验表明,该系统采用的方法有效地提升了海马体的分割效率和分割精度。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：基于深度学习的口罩人脸识别算法能够对人脸提取出更为准确的特征信息,通过基于人脸特征点检测的口罩人脸数据增强方法增加数据的多样性,根据口罩人脸图像的特点引入 Cosface 损失函数并结合了注意力机制,使模型更关注于重要的特征区域。该算法具有较高的人脸识别准确率,在佩戴口罩的状态下也能有效进行人脸识别。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：提出一种改进的 U-Net 的修复缺失图像模型,通过生成器与鉴别器的对抗训练,使用融合的残差序列和多尺度鉴别器来提高修复效果。通过训练生成器和鉴别器来判断修复图像与真实图像之间的差异,最终达到无法区别的目的。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：基于深度学习的脑胶质瘤分割网络能够在输入四种模态的MRI 数据后,对脑胶质瘤的全肿瘤区域、肿瘤核心区域以及增强肿瘤区域进行自动化分割。该系统有着分割精度高、分割效率高的优点。该系统采用了性能较好的 3DU-Net++和 3DU-Net3+网络,有效的提升了脑胶质瘤的分割效率和分割精度。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：在社交网络中节点的重要性不仅仅受单一因素的影响,往往由多个因素影响。基于此,借助于多目标决策方案的思想与理论,本研究成果提出一种相对综合,有效的评估社交网络中节点重要性的方法技术。该方法技术不仅具有重要的理论研究意义,还具有直接的社会经济价值,可应用于电子商务服务、运营商流量管理、App 和游戏推送等实际系统中。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：机器人在抓取物体时,被抓取物体的一些参数,例如形状、大小等都是未知的,抓取能力不足严重影响着工业机器人的普及。本发明针对现有机器人的物体抓取判别方法——基于多模态的深度学习算法存在的问题,提供一种机器人的物体抓取判别方法,该判别方法具有物体抓取判别精度高并且计算复杂度低的特点。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：研究一种机器人视觉里程计与多模态感知作业方法,利用人工智能、多传感器融合技术、机器视觉技术和深度神经网络理论实现复杂场景下智能主动环境感知,使机器人实现自主规划路径,多个作业平台的协同搭载与运行:研究让机器人在运行过程中,能够实时建立周边环境地图,实现动态物体、障碍物的定位与避障。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：视觉感知作为智能机器入中的关键科学与技术问题,不同场景有不同的感知,为了解决智能机器人在室外场景的感知和识别关键技术问题,设计多模态视觉仿真平台,完成多模态视觉的仿真实验,对智能机器入的室外场景进行有效建模,实现智能机器人的多模态视觉可视化仿真平台的搭建。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：海量场景视频数据的智能信息处理与分析对我国信息技术产业发展有着推动性作用。本项目通过建立面向海量场景视频数据的粒化新机制,研究海量视频数据不同属性关系,建立了一种更符合人类认知过程的多粒度知识表示框架与表示方法,通过基于深度免疫学习算法进行跨场景区域标记,实现大尺度视频监控区域的全局感知与理解。

所属分类：电子信息产业

所属单位：太原理工大学

成果简介：图像语义分割是计算机视觉的核心研究问题,本项目以超像素为基本处理单元,结合粗糙集模型,进行弱监督条件下的图像语义分割的研究,提出多种高精度图像分割算法,借助于深度卷积神经网络和邻域粗糙集模型构建一种鲁棒性的邻域分类器和推理模型,并实现了遮挡图像语义推理。