-
公开(公告)号：CN116543210A
公开(公告)日：2023-08-04
申请号：CN202310503180.4
申请日：2023-05-06
Applicant: 大连理工大学 , 深圳市洞见智慧科技有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/098
Abstract: 本发明提供一种基于联邦学习与注意力机制的医学图像分类方法，包括以下步骤：S1、获取待处理医学图像数据；S2、将所述待处理医学图像数据输入训练好的医学图像分类模型中，获取所述医学图像分类模型输出的分类结果作为医学图像分类结果，所述医学图像分类模型为引入通道注意力机制的ResNet‑50神经网络模型，并基于联邦学习训练获得。本发明以ResNet‑50神经网络模型为基础，引入了通道注意力机制，充分挖掘卷积神经网络与注意力机制之间的潜在联系，同时本发明使用联邦学习框架进行多方数据联合训练深度学习模型，该模型能够保证用户的隐私数据不被泄露。
-
Patent Agency Ranking
公开(公告)号：CN116452806A
公开(公告)日：2023-07-18
申请号：CN202310421906.X
申请日：2023-04-19
Applicant: 大连理工大学 , 深圳市洞见智慧科技有限公司
IPC: G06V10/26 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/098
Abstract: 本发明提供一种基于联邦学习与改进池化金字塔的医学图像分割方法，主要包括：各参与方接收初始化神经网络模型参数，并基于初始化神经网络模型参数作为本地神经网络模型参数；对本地神经网络模型进行训练；各参与方将各自新的本地神经网络模型参数上传至中心服务器，所述中心服务器对各神经网络模型参数进行聚合处理；将聚合网络参数下发至各参与方；各参与方基于当前本地神经网络模型参数判断本地模型是否收敛，如果收敛则参与方保存当前本地神经网络模型参数；各参与方基于收敛的本地神经网络模型进行医学图像分割。通过联邦学习的方式克服隐私泄露的问题，同时基于改进池化金字塔方法，提高医学图像的分割精度。
-
公开(公告)号：CN114997286A
公开(公告)日：2022-09-02
申请号：CN202210551170.3
申请日：2022-05-18
Applicant: 大连理工大学
Abstract: 本发明提供一种基于联邦支持向量机的金融客户分类方法及装置，方法包括以下步骤：由可信的第三方服务端向各金融企业客户端发送统一的客户分类模型，所述客户分类模型为支持向量机模型；各金融企业客户端接收到客户分类模型后，基于自有数据对所述客户分类模型进行训练；可信的第三方服务端对获取的初级训练模型参数和支持向量进行聚合处理，从而生成联邦分类模型参数，将所述联邦分类模型参数反馈至各金融企业客户端；各金融企业客户端将联邦分类模型参数应用于本地客户分类模型，并基于应用联邦分类模型参数的本地客户分类模型对客户数据进行分类。本发明将传统机器学习与联邦学习相结合，在保证用户隐私的前提下，最大程度的挖掘数据的价值。
-
公开(公告)号：CN114707634A
公开(公告)日：2022-07-05
申请号：CN202210225094.7
申请日：2022-03-09
Applicant: 大连理工大学 , 深圳市洞见智慧科技有限公司
Abstract: 本发明提供一种联邦学习卷积神经网络模型聚合方法、装置及存储介质。方法主要包括：在a个用户端安装初始化的模型；各用户端利用本地数据库对模型进行分布式训练；将每个用户模型加密后上传至中央服务器进行聚合从而构建超定方程组；求解所述超定方程组从而获取全局模型参数；中央服务器将所述全局模型参数回传到各用户端，各个用户端根据所述全局模型参数更新各自模型的参数。本发明在联邦学习进行卷积神经网络参数聚合的过程中通过求解超定方程组由各个独立模型计算全局模型的各卷积核参数。相比于传统参数计算方法，本发明在应对非独立同分布数据的情况时可以取得较好的效果。
-
公开(公告)号：CN103226585A
公开(公告)日：2013-07-31
申请号：CN201310123163.4
申请日：2013-04-10
Applicant: 大连理工大学
IPC: G06F17/30
Abstract: 本发明涉及面向图像检索的自适应哈希重排方法，属于图像检索技术领域，涉及到利用图像哈希方法进行基于内容的图像检索。该方法采用先映射后排序的哈希重排方法，先提取训练库中图像的高维视觉特征向量，选择适当的哈希方法将高维视觉特征映射成哈希码，为每类图像生成特定的类权重向量；计算检索图像的哈希码与训练库中哈希码间的汉明距离，按由小到大的顺序返回检索结果；依据检索结果计算检索图像的自适应权重向量，利用检索图像的自适应权重向量构造加权汉明距离，并利用加权汉明距离对返回图像进行重排，得到更准确的检索结果；该方法根据不同的检索图像计算特定的权重，具有一般性，且在没有增加计算复杂度的同时明显提高了检索效果。
-
公开(公告)号：CN101710334A
公开(公告)日：2010-05-19
申请号：CN200910220599.9
申请日：2009-12-04
Applicant: 大连理工大学
Abstract: 一种基于图像哈希的大规模图像库检索方法，属于图像检索技术领域，涉及基于内容的图像检索方法。其特征是从待检索的图像库中选取与查询图像相关的训练图像；分别提取待检索图像、训练图像和查询图像的Gist特征。利用K均值聚类法将训练特征聚成C类；对每类样本特征，计算其超球面分类函数由此定义哈希函数为计算待检索图像特征和查询图像特征的哈希序列；并计算查询图像哈希序列与待检索图像哈希序列之间的汉明距离；设定阈值d，返回相似的图像。本发明的效果和益处是克服了LSH方法哈希函数数量多的问题；解决了谱哈希法和语义哈希法不能扩展到核空间的问题，同时也完善了KLSH方法计算哈希函数时对样本的选择问题。
-
-
-
-
-
Search Results
46
records
(took 0.025 seconds)
