-
公开(公告)号：CN109949298A
公开(公告)日：2019-06-28
申请号：CN201910222722.4
申请日：2019-03-22
Applicant: 西南交通大学
Abstract: 本发明公开了一种基于聚类学习的图像分割质量评价方法。包括特征聚类学习阶段：先从公开数据集图像和人工标记图像得到特征块和分割块，构建分割数据训练集；再对训练集的特征块聚类得到聚类中心，用最近邻分类并将对应的分割块设置为相同的类别标签。还包括分割质量评价阶段：先从待评价图像得到分割块和特征块，计算每个特征块与聚类中心的距离并分类，再将特征块对应的分割块划分到与之相同的类别；最后，用每个分割块与对应类别中的所有分割块比较，统计得到整个分割图像的质量分数。本发明利用图像边缘特征对图像分割质量进行评价，通过聚类学习学到“好”的图像分割特征，以此作为评价依据，能得到更客观的评价结果。
-
公开(公告)号：CN107833224B
公开(公告)日：2019-04-30
申请号：CN201710929464.4
申请日：2017-10-09
Applicant: 西南交通大学
Abstract: 一种基于多层次区域合成的图像分割方法，首先利用现有多层次图像分割算法得到多层次分割结果；其次进行全局层次范围的合成：由低层次到高层次选择图像的多幅分割结果，分别计算每个层次的图像区域特征，并对多种征进行统一量化描述，建立多层次图像分割的合成模型，利用多标签图割方法进行分割区域的最优组合；然后根据全局层次合成的结果，选择局部层次范围，用多标签图割模型进行第二次合成；最后将第二次合成的层次标签进行区域映射，获得最终的图像分割结果。本发明从多个分割层次中选择目标分割质量高的区域，实现了自适应选择；并使用较少的区域特征计算分割质量，减少参与计算的区域节点数量，使用的优化组合模型优化效果更好。
-
公开(公告)号：CN109636809A
公开(公告)日：2019-04-16
申请号：CN201811461909.1
申请日：2018-12-03
Applicant: 西南交通大学
CPC classification number: G06T7/11 , G06T7/0002 , G06T7/136 , G06T2207/30168
Abstract: 本发明公开了一种基于尺度感知的图像分割层次选择方法，以提高整体图像的分割质量。包括如下主要步骤：首先利用多层次图像分割算法得到树形表示的分割结果；其次，计算每个分割层次中所有分割区域的特征向量，依据视觉格式塔原理对区域分割质量进行量化描述；再次，以分割粒度最细的层次区域为节点，构建多层次分割图像的图模型，最后，将标签映射到原层次对应的区域，组合得到最终的图像分割结果。本发明以分割区域质量为依据的尺度选择原则，解决图像多层次分割的层次选择的问题，克服了传统单一层次选择的局限性和阈值参数对分割层次选择的不确定性。作为一种后处理手段，本发明能改善多层次图像分割算法在视觉处理任务中的输出质量。
-
公开(公告)号：CN104597523A
公开(公告)日：2015-05-06
申请号：CN201410841340.7
申请日：2014-12-30
Applicant: 西南交通大学
IPC: G01W1/00
Abstract: 本发明公开了一种日冕物质抛射多伴随现象的检测方法，包括如下步骤：首先根据事件catalog数据得到CME的发生时间和中央位置角，根据其发生时间选取某一时间段，记录该时间段内其发生的伴随现象作为此CME的类别标签集合；其次，在所选择的时间段中按顺序随机选择k张图像，提取每张图像的纹理特征，组成CME的特征向量；最后使用多标记学习的方法构建多标签模型，当产生新的CME现象时，相应提取其纹理特征向量，检测其伴随现象。本发明有效地解决了当CME发生时，其多伴随现象的检测问题，同时检测多种伴随现象的发生情况。
-
公开(公告)号：CN111864752B
公开(公告)日：2025-04-29
申请号：CN202010815922.3
申请日：2020-08-14
Applicant: 成都思特电气科技有限公司 , 西南交通大学
Abstract: 城轨交通牵引供电系统的综合治理装置及其综合治理方法，综合治理装置中将PWM整流单元的交流侧连接二极管整流器的交流侧和整流变压器的低压侧，PWM整流单元的直流侧通过双向DC/DC单元连接二极管整流器的直流侧和直流牵引网；车辆牵引工况时，利用综合治理装置补偿二极管整流器的无功和谐波电流，提出通过向整流变压器提供容性无功电流的方式使得二极管整流器的输出直流电压稳定，在二极管整流器容量不够的情况下还利用综合治理装置与二极管整流器共同向直流牵引网提供功率；车辆制动工况时，综合治理装置能将再生能量输送回交流中压电网；本发明还提出通过控制双向DC/DC单元中两个储能电感的电流来消除综合治理装置与二极管整流器之间的环流问题。
-
Patent Agency Ranking
公开(公告)号：CN119648731A
公开(公告)日：2025-03-18
申请号：CN202411850026.5
申请日：2024-12-16
Applicant: 西南交通大学
IPC: G06T7/136 , G06N3/096 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了基于最优阈值的曲线结构图像分割半监督训练方法及装置，涉及计算机视觉领域，基于教师模型对未标注数据进行预测，得到伪标签数据；在预设的阈值搜索空间内，以预设步长进行搜索，直至找到一个使伪标签分布与预设标记先验分布之间KL散度最小的阈值，将其确定为最优阈值；基于最优阈值对伪标签数据进行二值化处理，得到二值化后的伪标签数据；使用二值化后的伪标签数据和已标注数据的真实标签计算总损失函数，使用总损失函数更新学生模型参数；基于当前步参数通过滑动平均方法更新教师模型参数，教师模型参数由学生模型参数的指数移动平均获得。本发明训练方法提高了在已标注数据有限而未标注数据充沛情况下的曲线结构图像分割性能。
-
公开(公告)号：CN116110542A
公开(公告)日：2023-05-12
申请号：CN202211656042.1
申请日：2022-12-22
Applicant: 西南交通大学
Abstract: 本发明提供了一种基于可信多视图的数据分析方法，属于数据处理技术领域。该方法包括：对原始三高数据进行处理，提取视图数据；根据提取的视图数据，利用三高数据分析模型输出多视图的类别概率和不确定性质量，同时，该方法设计了注意力模块，动态地建模视图内各指标数据间的关系，并为指标分配不同的权重整合视图内信息进行视图表示，此外，将学习到的多视图表示送入到可信多视图融合模块，结合证据理论执行可靠的多视图融合，并给出不同三高数据的关联因素。本发明结合可信多视图融合方法，在含有不同质量的多视图医疗数据情况下，结合证据理论执行可靠的多视图融合，分析三高数据的关联因素。
-
公开(公告)号：CN109949298B
公开(公告)日：2022-04-29
申请号：CN201910222722.4
申请日：2019-03-22
Applicant: 西南交通大学
IPC: G06T7/00 , G06V10/26 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于聚类学习的图像分割质量评价方法。包括特征聚类学习阶段：先从公开数据集图像和人工标记图像得到特征块和分割块，构建分割数据训练集；再对训练集的特征块聚类得到聚类中心，用最近邻分类并将对应的分割块设置为相同的类别标签。还包括分割质量评价阶段：先从待评价图像得到分割块和特征块，计算每个特征块与聚类中心的距离并分类，再将特征块对应的分割块划分到与之相同的类别；最后，用每个分割块与对应类别中的所有分割块比较，统计得到整个分割图像的质量分数。本发明利用图像边缘特征对图像分割质量进行评价，通过聚类学习学到“好”的图像分割特征，以此作为评价依据，能得到更客观的评价结果。
-
公开(公告)号：CN114358144A
公开(公告)日：2022-04-15
申请号：CN202111543178.7
申请日：2021-12-16
Applicant: 西南交通大学
IPC: G06K9/62 , G06N3/04 , G06T7/11 , G06V10/774 , G06V10/74
Abstract: 本发明涉及深度学习、计算机视觉以及图像处理领域，具体为一种图像分割质量评估方法，包括以下具体步骤：S1、收集数据信息并构建训练集和验证集；S2、选取神经网络结构并进行训练，利用验证集确定当前网络参数；S3、在训练集，利用对比学习的方法对特征空间层网络参数进行微调；S4、得到相似性匹配图，并以类激活图为指导转化为得分，确定最优迭代次数和最优网络参数；S5、对于原始图像和待评估分割结果，利用最优带参网络输出相似性匹配图，并以当前图像的类激活图为指导，输出最终得分。本发明在应用阶段无需真实标签即可给出得分，又将类激活图引入指导最终评估得分，使评估得分更加符合人类的视觉，取得了较好的结果。
-
公开(公告)号：CN111161282B
公开(公告)日：2021-10-29
申请号：CN201911389370.8
申请日：2019-12-30
Applicant: 西南交通大学
Abstract: 本发明公开了基于深度种子的图像多层次分割的目标尺度选择方法，包括步骤：利用多层次图像分割算法将输入图像分割成若干层次；构建多层次分割树；以颜色直方图、纹理直方图和区域几何尺寸表示图像特征，对分割区域的质量进行评价得到分割质量分数；找到最优分割树；对输入图像的前景类和背景类进行深度种子定位；利用最优分割树中的图像分割区域，建立一个图，通过求图的最小分割得到分割结果。本发明通过改进VGG‑19网络定位前景种子和显著性检测算法定位背景种子，生成深度种子处理图像多层次分割；设计了一个图模型，基于多层次分割结果中包含的多尺度分割区域，利用深度学习模型提供的语义信息，实现了图像目标的最优尺度选择。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.022 seconds)
