公共文化服务平台

网格模型姿态迁移与拓扑优化: 三维模型的形状编辑与拓扑优化是数字几何处理的重要内容.通过形状编辑技术可以使得用户更方便地创建各种各样的新形状与新姿态,而网格剖分质量对模型编辑与操纵等数字几何处理有直接影响.基于样例的网格建模技术为模型重用提供了一种重...; 尹梦晓; 关键词：网格编辑谱分析拓扑优化; 文献传递

组合数学教学的认识与实践被引量：3: 2007年; 组合数学和离散数学是计算机科学与技术学科的最重要的数学基础.根据组合数学课程的特点,通过对教材内容的不断研究,并结合多年的科研和教学实践,给出一些组合数学课程的教学思路、方法和措施.; 尹梦晓钟诚杨锋; 关键词：组合数学教学思路教学方法

四边形网格与三角形网格模型间的低频谱姿态迁移被引量：1: 2019年; 为使谱姿态迁移能够操纵更多类型的网格,本文研究四边形网格与三角形网格模型间的姿态迁移方法。作为变形编辑技术的一种,目前的谱姿态迁移主要在三角网格模型之间进行。本文首先对多边形网格的拉普拉斯矩阵进行特征分解,手工选取网格模型之间对应确定四边形网格与三角形网格之间的泛函映射,然后求解四边形与三角形网格模型的耦合准调和基,在此基础上设计并实现了四边形网格与三角网格模型之间的平凡谱姿态迁移、基于耦合准调和基的低频谱姿态迁移和基于拉普拉斯坐标投影的低频谱姿态迁移,使得在四边形网格模型之间、四边形与三角形网格模型之间均能进行低频姿态迁移。; 尹梦晓王淋钟诚杨锋马玉林; 关键词：网格编辑拉普拉斯矩阵

医学图像配准的深度学习方法综述被引量：3: 2021年; 图像配准指的是寻找两个或多个图像之间的映射关系,医学图像配准在疾病诊断、手术引导和疾病治疗跟踪等方面具有重要应用价值,如何精确、高效地配准医学图像已成为一个急需解决的课题.近些年来,基于深度学习的医学图像配准方法逐渐崭露头角,一定程度上克服了传统的配准方法上适用范围窄、计算速度不够快等瓶颈.本文将深入地介绍基于深度学习的医学图像配准现状和现存的配准方法技术.本文首先介绍3类基于深度学习的图像配准方法,包括监督变换估计、无监督变换估计和使用生成对抗网络的配准方法;然后在两个主流数据集上对一些常见的配准方法进行配准效果分析比较;最后对基于深度学习的医学图像配准发展趋势进行讨论.; 莫晓盈杨锋尹梦晓尹梦晓; 关键词：图像配准无监督学习

基于Transformer的U型医学图像分割网络综述被引量：1: 2023年; 目前,医学图像分割模型广泛采用基于全卷积网络(FCN)的U型网络(U-Net)作为骨干网,但卷积神经网络(CNN)在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题,研究者们将Transformer应用到医学图像分割模型中以弥补CNN的不足,结合Transformer和U型结构的分割网络成为研究热点之一。在详细介绍U-Net和Transformer之后,按医学图像分割模型中Transformer模块所处的位置,包括仅在编码器或解码器、同时在编码器和解码器、作为过渡连接和其他位置进行分类,讨论各模型的基本内容、设计理念以及可改进的地方,并分析了Transformer处于不同位置的优缺点。根据分析结果可知,决定Transformer所在位置的最大因素是目标分割任务的特点,而且Transformer结合U-Net的分割模型能更好地利用CNN和Transformer各自的优势,提高模型的分割性能,具有较大的发展前景和研究价值。; 傅励瑶尹梦晓杨锋; 关键词：卷积神经网络医学图像分割 TRANSFORMER

一种动态网格的误差可控CAGE序列表示算法: 本发明公开了一种动态网格的误差可控CAGE序列表示算法，包括实矩阵控制网格生成、基于Poisson方程的权重简化、稀疏矩阵控制网格生成和控制网格优化四个部分。给定输入三维形状序列和其中一帧的控制网格，该算法通过实矩阵控制...; 李桂清陈爱芬路慧娜冼楚华张智邦尹梦晓

一种动态网格的误差可控CAGE序列表示算法: 本发明公开了一种动态网格的误差可控CAGE序列表示算法，包括实矩阵控制网格生成、基于Poisson方程的权重简化、稀疏矩阵控制网格生成和控制网格优化四个部分。给定输入三维形状序列和其中一帧的控制网格，该算法通过实矩阵控制...; 李桂清陈爱芬路慧娜冼楚华张智邦尹梦晓; 文献传递

基于Transformer和自注意力的点云序列生成方法: 本发明公开了一种基于Transformer和自注意力的点云序列生成方法，包括：1)从数据集中选取点云序列、表示这个序列的点云形状标签和动作标签输入到PointEncode，得到特征空间的点云序列；2)使用Transfor...; 尹梦晓马伟钊韩亚振谢敏

基于深度学习的行人重识别综述被引量：10: 2020年; 行人重识别(Re-ID)是计算机视觉领域的热点问题,主要研究的是“如何关联位于不同物理位置的不同摄像机捕获到的特定人员的问题”。传统的行人Re-ID方法主要基于底层特征如局部描述符、颜色直方图和人体姿势的提取。近几年,针对行人遮挡和姿势不对齐等传统方法所遗留问题,业内提出了基于区域、注意力机制、姿势和生成对抗性网络(GAN)等深度学习的行人Re-ID方法,实验结果得到较明显的提高。故对深度学习在行人Re-ID中的研究进行了总结和分类,区别于以前的综述,将行人重识别方法分成四大类来讨论。首先,通过区域、注意力、姿势和GAN四类方法来综述基于深度学习的行人Re-ID方法;然后,分析这些方法在主流数据集上的mAP和Rank-1指标性能表现,结果显示基于深度学习的方法可以增强局部特征之间的联系并缩小域间隙,从而减少模型过拟合;最后,展望了行人Re-ID方法研究的发展方向。; 杨锋许玉尹梦晓符嘉成黄冰梁芳烜; 关键词：注意力

基于异构机群的高速网络入侵检测系统被引量：1: 2008年; 结合异构机群系统,提出一种基于双向驱动的分流算法,将高速数据流分为多个子数据流,把子数据流交由异构机群系统中最合适的节点处理,实现基于异构机群的高速网络入侵检测系统。实验结果表明,该系统保证了某时间段内具有相同源或目的地址的所有数据包发向同一个后端IDS引擎进行检测,能在高速网络环境下保持高检测率,并有效解决负载均衡问题。; 杨锋钟诚尹梦晓; 关键词：入侵检测异构机群负载均衡

山东省滨州市滨城区黄河十二路662号电话

尹梦晓