期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
首例中国女性数字化可视人体数据集完成 被引量:61
1
作者 张绍祥 刘正津 +20 位作者 谭立文 邱明国 李七渝 李恺 崔高宇 郭燕丽 刘光久 单锦露 刘继军 张伟国 陈金华 王健 陈伟 陆明 游箭 庞学利 肖红 许忠信 王欲甦 邓俊辉 唐泽圣 《第三军医大学学报》 CAS CSCD 北大核心 2003年第4期371-371,共1页
关键词 中国 女性 数字化可视人体数据集 数据资料 人体解剖学
在线阅读 下载PDF
数字化虚拟人体在医学上的应用进展 被引量:13
2
作者 白桂有 杨博贵 张正治 《中国临床解剖学杂志》 CSCD 北大核心 2006年第6期705-706,共2页
关键词 数字化虚拟人体 医学 虚拟现实技术 人体组织器官 数字模型 数字化处理 计算机技术 人体数据集
在线阅读 下载PDF
数字人体头部的坐标转换及断面重建 被引量:2
3
作者 陈禹 韩锋 +3 位作者 王伟 郝嘉南 李幼琼 牛松青 《中国临床解剖学杂志》 CSCD 北大核心 2010年第5期554-556,共3页
在数字人体研究领域,有限标本数据与大规模统计数据的结合,人体标准坐标系的建立,是数字化虚拟人在实际应用中必须解决的一个关键问题。目前我国已经具有近10套完整的人体数据集,而头部的连续断面图像数据还远不止这些。由于不同数... 在数字人体研究领域,有限标本数据与大规模统计数据的结合,人体标准坐标系的建立,是数字化虚拟人在实际应用中必须解决的一个关键问题。目前我国已经具有近10套完整的人体数据集,而头部的连续断面图像数据还远不止这些。由于不同数据间往往存在切片角度的差异,影响了数据集间的直接比较,探讨在不同的数据间建立统一的标准三维坐标系,并按照新的坐标系统重建新的断面图像正是本研究的目的所在。 展开更多
关键词 三维坐标系 统计数据 断面图像 人体头部 重建 人体数据集 数字化虚拟人 人体标准
在线阅读 下载PDF
可视化虚拟人体图像规整化处理
4
作者 陈梅 郑飞 《计算机应用》 CSCD 北大核心 2005年第10期2334-2335,共2页
可视化虚拟人体数据集规整化处理有着重要意义。本文首次对其断层图像的规整化进行了尝试:建立其三角形控制网格,采用图形领域的重心坐标变换方法,对其进行图像位置变换。该图形图像混合变换算法,算法稳定,操作简单,规整化处理效果明显。
关键词 可视化虚拟人体数据集 断层图像 重心坐标变换 规整化处理
在线阅读 下载PDF
基于深度学习的人体行为识别方法综述 被引量:34
5
作者 蔡强 邓毅彪 +2 位作者 李海生 余乐 明少锋 《计算机科学》 CSCD 北大核心 2020年第4期85-93,共9页
人体行为识别作为计算机视觉领域的重要研究热点,在智能监控、智能家居、虚拟现实等诸多领域中具有重要的研究意义和广泛的应用前景,备受国内外学者的关注。基于传统手工特征的方法难以处理复杂场景下的人体行为识别。随着深度学习在图... 人体行为识别作为计算机视觉领域的重要研究热点,在智能监控、智能家居、虚拟现实等诸多领域中具有重要的研究意义和广泛的应用前景,备受国内外学者的关注。基于传统手工特征的方法难以处理复杂场景下的人体行为识别。随着深度学习在图像分类方面取得巨大成功,将深度学习用于人体行为识别方法中已逐渐成为一种发展趋势,但其仍然存在一些困难与挑战。首先,根据特征提取方法的不同,简单回顾了早期基于传统手工特征的行为识别方法;然后,从网络结构的角度着重对近年来一些基于深度学习的人体行为识别方法进行论述和分析,其中包括目前常用的双流网络架构和三维卷积网络架构等;另外,还介绍了目前用于评价方法性能的人体行为识别数据集,同时总结了部分典型方法在UCF-101和HMDB51两个著名的公开数据集上的性能;最后,从性能和应用两个方面对基于深度学习的人体行为识别方法的未来发展方向进行了展望,并指出了当前方法存在的不足之处。 展开更多
关键词 人体行为识别 深度学习 卷积神经网络 人体行为识别数据
在线阅读 下载PDF
虚拟人体将为微创外科增添新的技术 被引量:8
6
作者 钟世镇 《中国微创外科杂志》 CSCD 2003年第6期461-462,共2页
关键词 微创外科 虚拟人体 可视人计划 人体切片数据
在线阅读 下载PDF
基于SAE深度特征学习的数字人脑切片图像分割 被引量:6
7
作者 赵广军 王旭初 +2 位作者 牛彦敏 谭立文 张绍祥 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2016年第8期1297-1305,共9页
针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶... 针对目前基于数字人脑切片图像的分割算法较少,分割精度和有效性较低等不足,提出一种基于稀疏自编码器(SAE)深度特征学习的分割算法.在特征提取阶段,采用从粗到精两级方式对SAE进行训练,以增强模型学习到的深度特征的鉴别能力;在分类阶段,使用softmax分类器进行目标分割.对中国可视化人体(CVH)数据集的脑白质分割及三维重建的实验结果表明,相对于其他传统的手工特征(如图像强度特征、方向梯度直方图特征和主成分分析特征),SAE提取的图像深度特征具有更强的鉴别能力,显著地提高了分割精度. 展开更多
关键词 中国可视化人体数据集 脑组织分割 稀疏自编码器 深度特征 softmax分类器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部