一种综合性单分子显微成像方法及装置

    公开(公告)号:CN116773448A

    公开(公告)日:2023-09-19

    申请号:CN202310733625.8

    申请日:2023-06-20

    申请人: 之江实验室

    IPC分类号: G01N21/01 G01N21/84

    摘要: 一种综合性单分子显微成像方法及装置,包括激光器、透镜组、分束器、四分之一波片、反射镜、三维位移台、待测样品、长焦管透镜、推拉式滤光板、成像物镜和工业相机。在光路中首先改变反射镜的角度使得入射光以相应材料所对应的超临界角或表面等离子体共振角等多种角度入射;其次使用一个推拉式滤光板调节样品面反射光的收集与否,实现在一套系统中对同一样品的全内反射‑干涉散射显微成像、表面等离子体共振‑干涉散射成像、传统干涉散射成像以及暗场成像四种模式。本发明提供一种多模态可相互验证的无标记成像技术,可大幅提升装置利用率和在实际体系中的复用能力。

    一种基于迁移性图谱的图像分类方法、装置、设备和介质

    公开(公告)号:CN116503679B

    公开(公告)日:2023-09-05

    申请号:CN202310773223.0

    申请日:2023-06-28

    申请人: 之江实验室

    摘要: 本申请涉及一种基于迁移性图谱的图像分类方法、装置、设备和介质,其中,基于迁移性图谱的图像分类方法包括:基于至少一个源域模型以及至少一个源域数据集,获得目标域模型在各所述源域数据集下与各所述源域模型的迁移性强度;基于所述至少一个源域模型、所述目标域模型以及所述迁移性强度,生成迁移性图谱;确定各所述源域数据集对应的至少一个可选的源域模型;基于用户选择的源域数据集和源域模型对目标域模型进行优化;将待分类图像输入到所述优化后的目标域模型,获得分类结果。可在海量源域数据集和源域模型中快速在不同源域数据集下选择合适的源域模型进行迁移学习,提高迁移学习效果,提高图像分类的精度。

    一种基于迁移性图谱的图像分类方法、装置、设备和介质

    公开(公告)号:CN116503679A

    公开(公告)日:2023-07-28

    申请号:CN202310773223.0

    申请日:2023-06-28

    申请人: 之江实验室

    摘要: 本申请涉及一种基于迁移性图谱的图像分类方法、装置、设备和介质,其中,基于迁移性图谱的图像分类方法包括:基于至少一个源域模型以及至少一个源域数据集,获得目标域模型在各所述源域数据集下与各所述源域模型的迁移性强度;基于所述至少一个源域模型、所述目标域模型以及所述迁移性强度,生成迁移性图谱;确定各所述源域数据集对应的至少一个可选的源域模型;基于用户选择的源域数据集和源域模型对目标域模型进行优化;将待分类图像输入到所述优化后的目标域模型,获得分类结果。可在海量源域数据集和源域模型中快速在不同源域数据集下选择合适的源域模型进行迁移学习,提高迁移学习效果,提高图像分类的精度。

    一种基于稀疏标注训练分割模型的方法及装置

    公开(公告)号:CN116342888A

    公开(公告)日:2023-06-27

    申请号:CN202310598320.0

    申请日:2023-05-25

    申请人: 之江实验室

    发明人: 苏慧 王瑾 叶玥

    摘要: 本说明书公开了一种基于稀疏标注训练分割模型的方法及装置,在训练样本的标注仅包含样本图像中的部分像素对应的预设分类的情况下,将训练样本输入分割模型中,得到各像素分别对应的初始分类结果,并对各像素的初始分类结果进行模糊操作,得到各像素分别对应的参考分类结果,以初始分类结果和参考分类结果相同的像素确定参考像素,并根据参考像素的初始分类结果对该训练样本的标注进行更新,基于样本图像及其对应的更新后的标注,对该分割模型进行训练。则基于本说明书中的该基于稀疏标注训练分割模型的方法,即使是在仅对训练样本中的部分像素进行标注的情况下,也可训练得到较为准确的分割模型,保证了模型训练的效率。

    一种计算机视觉深度学习模型的优化部署方法与装置

    公开(公告)号:CN116048542A

    公开(公告)日:2023-05-02

    申请号:CN202310098795.3

    申请日:2023-02-11

    申请人: 之江实验室

    摘要: 本发明公开了一种计算机视觉深度学习模型的优化部署方法与装置,所述方法和装置核心为模型优化服务和模型部署服务两个模块。模型优化服务模块可将训练好的模型通过IR中间表示)转换为适配目标推理引擎及硬件设备的框架格式,提升推理性能。模型部署服务模块支持本地部署和在线部署两种方式,其中本地部署是指将待部署模型文件封装为SDK,下载至本地设备进行端侧推理;在线部署是指将待部署模型文件在云端服务器部署,开放接口供用户调用推理服务,本发明通过构建完整的模型优化和部署服务流程与装置,降低深度学习模型部署的复杂度,对多种模型网络架构、推理引擎的扩充兼容,使本公开实施例更具灵活性和可拓展性。

    带AI开放资产图形用户界面的显示屏幕面板

    公开(公告)号:CN308020687S

    公开(公告)日:2023-05-05

    申请号:CN202230760681.7

    申请日:2022-11-15

    申请人: 之江实验室

    摘要: 1.本外观设计产品的名称:带AI开放资产图形用户界面的显示屏幕面板。
    2.本外观设计产品的用途:用于显示信息。
    3.本外观设计产品的设计要点:在于显示屏幕面板中图形用户界面的界面内容。
    4.最能表明设计要点的图片或照片:主视图。
    5.无设计要点,省略后视图、左视图、右视图、俯视图和仰视图。
    6.图形用户界面的用途:用于对AI开放资产进行管理、数据集库搜索查看、算法库地址查询、模型部署等,该显示屏幕面板用于计算机、平板电脑和笔记本电脑。
    7.图形用户界面的人机交互方式:通过鼠标点击或手指触摸。
    8.图形用户界面的变化状态说明:产品的图形用户界面的默认状态如主视图所示,即AI开放资产的首页,包含系统左侧一级导航栏,数据集列表以及筛选器显示;点击主视图列表中“查看详情”进入变化状态图1,变化状态图1为对应数据集的详情页面,上方为该数据集的内容介绍以及官网链接地址,中部为该数据集任务类型、应用场景、模态的展示,下方是数据集下载地址;主视图筛选器点击“查询”,当结果为空时,跳转至变化状态图2;变化状态图2内容里,顶部面包屑文字前有菜单icon,点击该icon,页面跳转至变化状态图3,收缩左侧导航栏;主视图左侧导航内点击AI开放资产的二级菜单“算法库”,页面跳转至变化状态图4,显示算法列表内容;主视图左侧导航内点击AI开放资产的二级菜单 “模型库”,页面跳转至变化状态图5,显示模型列表内容,以及模型下载和部署入口。