-
公开(公告)号：CN118262142A
公开(公告)日：2024-06-28
申请号：CN202410184480.5
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种针对上消化道内窥镜图片的细粒度分类方法，涉及图像数据处理技术领域，采用细粒度分类模型对上消化道内窥镜图像进行分类，细粒度分类模型一轮训练的过程包括：重复三次对预处理后的上消化道内窥镜图像的处理过程，分别得到图像的粗粒度特征、中粒度特征和细粒度特征，每次处理过程包括将预处理后的上消化道内窥镜图像输入到骨干网络，提取图像特征，收集对应阶段的多头自注意权重，据此得到融合了不同阶段不同粒度图像辨别区域信息的注意力图，利用注意力图对预处理后的上消化道内窥镜图像进行裁剪和放大；计算多粒度损失；反向传播。本发明的分类准确率高，不会忽略各粒度特征，网络学习曲线不会出现陡峭情况。
-
公开(公告)号：CN118154865A
公开(公告)日：2024-06-07
申请号：CN202410209816.9
申请日：2024-02-26
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/52 , G06V10/766 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/11 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于超声臂丛神经图像多尺度离散优化的多目标分割方法，涉及图像处理技术领域，采用的多目标平衡和离散点优化语义分割网络包括下采样特征编码模块、目标均衡注意力模块、类别信息监督点向量重分类模块和上采样多尺度融合模块。目标均衡注意力模块可根据目标的特征和上下文信息动态调整不同目标在特征图上的注意力权重，类别信息监督点向量重分类模块可对图像中不明显区域的局部像素点进行再预测，并通过监督类别信息对边界等模糊区域进行优化，上采样多尺度融合模块集成了多尺度信息，增强了上采样过程中的全局信息。本发明能够高效准确地同时分割超声臂丛神经图像中四个解剖组织。
-
公开(公告)号：CN115496732B
公开(公告)日：2024-03-15
申请号：CN202211176353.8
申请日：2022-09-26
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种半监督心脏语义分割算法，克服现有有标注的心脏数据稀缺的局限性，实现精确的半监督心脏语义分割。该方法分别使用粗粒度特征提取分支及细粒度特征提取分支，结合Unet及Swin‑Unet的网络结构实现半监督心脏语义分割。在此结构中，粗粒度特征提取分支采用Swin‑Unet的框架实现全局特征信息的提取。而细粒度特征提取分支则采用Unet的局部卷积操作实现局部区域的特征信息提取。从而通过在采集的心脏核磁共振数据集上进行评估。实验数据及可视化结果证明，所提议的半监督框架可以实现快速而精确的肿瘤区域的分割，准确度和自动化程度高。因此，适宜推广应用。
-
Patent Agency Ranking
公开(公告)号：CN116389156A
公开(公告)日：2023-07-04
申请号：CN202310492126.4
申请日：2023-05-05
Applicant: 电子科技大学
IPC: H04L9/40 , H04L47/2441 , G06F16/28
Abstract: 本发明公开了一种在大数据量环境下的实时异常检测系统，涉及网络数据监控技术领域，该系统在特征提取和分类预测模型中实现流式处理的流程，CICFlowMeter在生成特征流量数据时，引入消息中间件，提出Elasticsearch和MySQL主从架构作为海量数据异常检索，结合Elasticsearch高性能全文检索以及MySQL高可靠的持久化存储，利用各自搜索存储引擎的优点，同时在数据更新同步方面设计专门的同步模块，搭建Kubernetes服务器，在系统中更新完分类模型后，使用Kubernetes滚动更新，保证业务时刻在线上运行。为了防止流量密集过多避免消息队列中流量丢失的现象，Kubernetes也可以监控系统CPU使用情况过多也就是异常检测流量数据过多，异常检测线程使用过多的情况下也可以实现系统水平迁移，保证数据不丢失以及提升系统实时性。
-
公开(公告)号：CN112767363B
公开(公告)日：2023-03-14
申请号：CN202110090417.1
申请日：2021-01-22
Applicant: 电子科技大学
Abstract: 本发明涉及线图目标检测技术领域，涉及一种对线图进行目标检测的方法，其包括以下步骤：一、对线图进行标注；二、判断候选点的位置信息，取得离候选点左右最近的两个真实点；三、判断候选点是否在曲线上；先计算两个真实点连线的方程式，然后判断候选点到该直线的距离与阈值的大小；四、通过上述步骤筛选出可以用于训练的候选点，然后以候选点和真实点的位置为锚点，生成固定大小的框，再对框进行回归训练。本发明对线图提出一种新的标注方式，并在这种标注方式的基础上运用新的判别方式进行目标检测，提高线图目标检测的准确率，进而解决对线图进行图像理解的问题。
-
公开(公告)号：CN115496732A
公开(公告)日：2022-12-20
申请号：CN202211176353.8
申请日：2022-09-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种半监督心脏语义分割算法，克服现有有标注的心脏数据稀缺的局限性，实现精确的半监督心脏语义分割。该方法分别使用粗粒度特征提取分支及细粒度特征提取分支，结合Unet及Swin‑Unet的网络结构实现半监督心脏语义分割。在此结构中，粗粒度特征提取分支采用Swin‑Unet的框架实现全局特征信息的提取。而细粒度特征提取分支则采用Unet的局部卷积操作实现局部区域的特征信息提取。从而通过在采集的心脏核磁共振数据集上进行评估。实验数据及可视化结果证明，所提议的半监督框架可以实现快速而精确的肿瘤区域的分割，准确度和自动化程度高。因此，适宜推广应用。
-
公开(公告)号：CN115457020A
公开(公告)日：2022-12-09
申请号：CN202211201681.9
申请日：2022-09-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种融合残差图像信息的2D医学图像配准方法，涉及医学图像技术领域，包括：构建医学图像配准模型；模型训练；模型在图像配准的应用。本发明在计算MSE相似度时引入残差图像，有效融合局部像素信息，解决了像素失位和变形折叠的问题；基于卷积神经网络的局部性和Vision Transformer中多头注意力机制的全局性，设计了一个基础地配准网络，并在该基础配准网络中创新性地使用了融合残差图像信息的跳跃连接，解决了MSE仅对像素值计算，无法准确找到像素之间特征匹配的问题，并有效提高了配准模型的泛化性能；提出了多分辨率渐进配准策略，提高了配准的准确性，在变形过程中增强了拓扑保持性。
-
公开(公告)号：CN112766181B
公开(公告)日：2022-09-23
申请号：CN202110088787.1
申请日：2021-01-22
Applicant: 电子科技大学
IPC: G06V30/412
Abstract: 本发明涉及线图识别技术领域，具体地说，涉及一种提高线图识别准确率的方法，其包括以下步骤：一、判断候选框的位置信息，确定与该候选框的交并比最大的两个真实框；二、分别计算候选框和两个真实框顶点连线的斜率；三、根据斜率判断候选框中是否存在目标。本发明以计算与真实框斜率比值的方式来判别正负样本，提升这类真实框正被选为正样本的概率，提高召回率。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.019 seconds)
