-
公开(公告)号：CN112233199B
公开(公告)日：2024-02-06
申请号：CN202011006599.1
申请日：2020-09-23
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06T11/00 , G06N3/044 , G06N3/0464
Abstract: 本发明提供一种基于离散表征和条件自回归的fMRI视觉重构方法。该方法包括：步骤1：构建图像离散表征模型和图像重构模型；步骤2：构建fMRI视觉重构数据集，所述数据集包含训练集和测试集，训练集包含第一套图像和被试看到第一套图像刺激后的第一套fMRI脑信号；所述测试集包含第二套图像和被试看到第二套图像刺激后的第二套fMRI脑信号；步骤3：根据训练集和图像离散表征模型，构建fMRI脑信号到图像离散表征的条件自回归模型；步骤4：根据条件自回归模型和图像重构模型，得到第二套fMRI脑信号的视觉重构结果。本发明主要面向复杂自然图像的重构。
-
公开(公告)号：CN112085069B
公开(公告)日：2023-06-20
申请号：CN202010830728.2
申请日：2020-08-18
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本发明属于人工智能安全技术领域，特别涉及一种基于集成注意力机制的多目标对抗补丁生成方法及装置，该方法包括构建图像分类数据集；构建基于集成注意力机制的多目标对抗补丁生成框架；定义损失函数并训练多目标对抗补丁生成框架；测试生成对抗补丁的攻击效果。本发明通过集成注意力机制定位输入图像的关键分类区域，以确保对抗补丁发挥更好的攻击性能和迁移性；生成器的输入充分利用原图信息，将使生成器生成的对抗补丁效果更佳；生成器的输入还融合了多目标类别信息，可以攻击目标模型的任意指定类别，实现多目标类别的攻击；对判别器的输入进行裁剪，以保证判别器学到更多的上下文信息，提高对抗补丁视觉效果。
-
公开(公告)号：CN112686098B
公开(公告)日：2023-05-26
申请号：CN202011472027.2
申请日：2020-12-15
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/213 , G06N3/0464 , G06N3/09
Abstract: 本发明属于功能磁共振信号处理技术领域，特别涉及一种基于Shape‑Resnet的大脑中高级视觉区信号处理方法及系统，包含：构建视觉编码模型，该模型包含：用于提取刺激图像特征的神经网络和用于将图像特征映射到预测fMRI信号的线性回归模型，其中，神经网络模型为利用已有数据集已完成形状特征训练学习的深度卷积神经网络模型；利用样本数据对视觉编码模型进行训练优化；利用优化后的视觉编码模型对目标大脑中高级视觉区信号进行预测，以分析外部视觉刺激时目标大脑中高级视觉区信号变化过程。本发明用学习形状特征的深度网络来构建高级视觉区的视觉编码模型，提升中高级视觉区大脑信号分析预测效果。
-
公开(公告)号：CN115526289A
公开(公告)日：2022-12-27
申请号：CN202210962776.6
申请日：2022-08-11
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种多通道图神经网络伪标签选择方法。该方法包括：步骤1：构建训练集和多通道图神经网络；步骤2：采用所述训练集数据对所述多通道图神经网络进行训练；其中，一个图数据作为一个通道的输入；步骤3：将未标注的图数据分别作为训练好的多通道神经网络的各个通道的输入并得到各个通道输出的图数据节点的伪标签集合；步骤4：计算各个通道输出的伪标签集合的交集，使用所述交集中的伪标签对所述图数据未标注的节点进行标注后，将其加入至训练集数据；步骤5：重复步骤2至步骤4，直至达到终止条件；步骤6：将N个图神经网络的输出进行聚合，然后使用注意力机制得到最终的输出。
-
公开(公告)号：CN112084728B
公开(公告)日：2022-11-01
申请号：CN202010931067.2
申请日：2020-09-07
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于PCB板检测测量技术领域，特别涉及一种基于pix2pix的PCB灰度图像着色方法及系统，收集图像数据集；构造pix2pix网络模型，包含：用于生成器和辅助训练生成器的判别器；利用图像数据集中PCB灰度图像数据作为模型中生成器输入、利用PCB对应彩色图像数据和生成器生成的着色图像作为判别器输入，对pix2pix网络模型生成器进行调优训练和参数调整，以获取收敛后的网络模型，并确定用于目标图像着色处理的最终pix2pix网络模型；将待着色的目标PCB灰度图像输入最终pix2pix网络模型中，通过该网络模型中生成器生成着色图像并输出。本发明根据PCB实物各组成部分的灰度图像特点实现自动化PCB着色方案，突出PCB要素分布，增强PCB着色的真实感，便于PCB电路板检测测量，具有较强应用前景。
-
Patent Agency Ranking
公开(公告)号：CN115238885A
公开(公告)日：2022-10-25
申请号：CN202210772505.4
申请日：2022-07-02
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种基于在线知识蒸馏的图神经网络模型压缩方法，包括：步骤1：构建N个图神经网络学生模型；步骤2：对原始图数据进行N次独立的图数据增强，得到N个不同的新的图数据，将N个新的图数据分别作为N个图神经网络学生模型的输入；步骤3：基于N个图神经网络学生模型的输出构建图神经网络教师模型的输出；步骤4：采用标准的交叉熵损耗，对所有网络进行端到端训练，并设置多任务损失函数，然后通过神经网络优化器最小化多任务损失函数的值以完成整个图神经网络模型的训练。
-
公开(公告)号：CN115238772A
公开(公告)日：2022-10-25
申请号：CN202210778358.1
申请日：2022-07-04
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明提供一种结合采样和集成学习的不平衡图数据处理方法。该方法包括：构建M个图神经网络基分类器GNN1,GNN2,GNN3,…,GNNM；采用欠采样算法对原图数据进行M次独立采样得到M组图数据将M组图数据分别作为M个图神经网络基分类器的训练集，其中，图数据中的一个节点对应训练集中的一个样本；采用对应的训练集按照顺序依次训练对应的基分类器，一个基分类器对应一轮训练过程，并基于前面所有轮已训练好的基分类器模型来训练当前轮待训练的基分类器直至训练完成所有的基分类器；对所有的基分类器模型进行加权融合，得到最终的集成分类器模型。
-
公开(公告)号：CN112633099B
公开(公告)日：2023-06-20
申请号：CN202011472030.4
申请日：2020-12-15
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F18/213 , G06F18/25 , G06T3/40 , G06N3/084
Abstract: 本发明属于功能磁共振信号处理技术领域，特别涉及一种基于Gabornet的大脑低级视觉区信号处理方法及系统，包含：构建视觉编码模型，包含：用于通过卷积操作将视觉刺激图像空间到图像特征空间映射的图像表征模块，和用于通过全连接将图像特征空间到视觉感兴趣区域体素空间映射的体素回归模块；卷积操作由Gabor卷积层和普通卷积层完成，Gabor卷积层通过将图像投影到Gabor滤波上并进行卷积运算来获得图像在Gabor滤波器投影；利用样本数据对视觉编码模型进行训练优化；利用视觉编码模型对目标大脑低级视觉区信号进行预测，分析外部视觉刺激时目标大脑低级视觉区信号变化过程。本发明针对低级视觉区构建相应视觉编码模型，通过改善编码效果来提升对低视觉区大脑信号的预测效果。
-
公开(公告)号：CN108898160B
公开(公告)日：2022-04-08
申请号：CN201810555876.0
申请日：2018-06-01
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及CNN及图像分类识别技术领域，尤其涉及基于CNN和影像组学特征融合的乳腺癌组织病理学分级方法。本发明提出通过构建特征融合的CNN模型判断钼靶影像的乳腺癌组织病理学等级，利用钼靶肿瘤区域提取的灰度特征、纹理特征和小波特征，通过LASSO logistic回归模型进行特征筛选，选出与乳腺癌组织病理学等级相关性大的特征，再通过将CNN提取的高层语义特征和筛选出的影像组学特征在网络新添加的全连接层进行特征融合，而拟合得到特征融合的CNN模型用来识别乳腺癌组织病理学等级。本发明能够直接对患者扫描的乳腺钼靶图像进行分析判断患者所处的乳腺癌组织病理学等级，在保证判别精度的同时进一步缩短了判别时间。
-
公开(公告)号：CN116310523A
公开(公告)日：2023-06-23
申请号：CN202310192008.1
申请日：2023-03-02
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06V10/77 , G16H30/20 , G16H30/40 , G16H50/20 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于视觉Transformer的腰椎间盘突出与神经根压迫关系分级方法及系统，利用标注好的ROI框对T2轴位的腰椎MRI图像进行感兴趣区域的提取，并进行数据增强和归一化处理；将归一化后图像进行空洞卷积嵌入操作，将特征图像投影到嵌入维度D，接下来将特征图像划分窗口并送入到网络中进行训练；在进行网络训练时，在划分的窗口内采用深度空洞卷积进行映射，再进行多头自注意力的计算；添加可变形注意力Transformer模块进行训练，将最后获取到的特征向量送入分类头，然后通过Softmax分类得到腰椎间盘突出与神经根压迫关系分级结果。本发明能够准确高效快速的实现腰椎间盘突出与神经根压迫关系分级任务。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.057 seconds)
