一种对脉冲信号进行目标检测的方法及系统

    公开(公告)号:CN117252239B

    公开(公告)日:2024-06-21

    申请号:CN202311204330.8

    申请日:2023-09-18

    Inventor: 祝闯 邱讷敏 刘芳

    Abstract: 本发明提供一种对脉冲信号进行目标检测的方法及系统,所述方法的步骤包括:获取预构建的人工神经网络模型,并对预构建的人工神经网络模型进行初始的量化训练;将所述人工神经网络模型中的激活函数层替代为脉冲神经网络模型的脉冲神经元;基于量化函数将所述人工神经网络模型中的权重参数和偏置参数映射为脉冲神经网络模型中的权重参数和偏置参数,得到由所述人工神经网络模型转化得到的脉冲神经网络模型;脉冲相机的所述脉冲神经网络模型中的脉冲神经元基于拍摄的物体进行脉冲响应,输出脉冲特征,并得到拍摄结果。本方案基于量化函数对权重参数和偏置参数进行映射,区别于传统的ANN‑to‑SNN的转换方法,提高得到的脉冲神经网络模型的计算效率。

    图像去雨模型训练方法、图像去雨方法及设备

    公开(公告)号:CN114240761B

    公开(公告)日:2023-09-22

    申请号:CN202010940783.7

    申请日:2020-09-09

    Abstract: 本申请实施例提供一种图像去雨模型训练方法、图像去雨方法及设备,本申请实施例为了消除长雨条纹,使用递归卷积结构,通过多个卷积核分别提取输入的带雨条纹的图像的特征向量,并进行向量融合,将融合特征向量与输入图像的特征向量相加,经LSTM网络模块输出,更好的联系长距离的上下文信息,扩大感受野。并且将输出的特征向量与相应的无雨图像的特征向量进行对比,若对比不为预设结果,则根据对比结果调整递归卷积模块的参数,重新执行上述操作,即通过循环卷积,使得模型学习跨阶段的特征之间的内在联系,更好的恢复图像的细节,而且有效减少模型的大小,在内存和计算能力不足的便携式的嵌入式设备和移动设备上,也可以取得良好的去雨效果。

    图像去雨模型训练方法、图像去雨方法及设备

    公开(公告)号:CN114240761A

    公开(公告)日:2022-03-25

    申请号:CN202010940783.7

    申请日:2020-09-09

    Abstract: 本申请实施例提供一种图像去雨模型训练方法、图像去雨方法及设备,本申请实施例为了消除长雨条纹,使用递归卷积结构,通过多个卷积核分别提取输入的带雨条纹的图像的特征向量,并进行向量融合,将融合特征向量与输入图像的特征向量相加,经LSTM网络模块输出,更好的联系长距离的上下文信息,扩大感受野。并且将输出的特征向量与相应的无雨图像的特征向量进行对比,若对比不为预设结果,则根据对比结果调整递归卷积模块的参数,重新执行上述操作,即通过循环卷积,使得模型学习跨阶段的特征之间的内在联系,更好的恢复图像的细节,而且有效减少模型的大小,在内存和计算能力不足的便携式的嵌入式设备和移动设备上,也可以取得良好的去雨效果。

    基于大脑CT图像的缺血性脑卒中病灶检测方法及装置

    公开(公告)号:CN109509186B

    公开(公告)日:2020-09-18

    申请号:CN201811331278.1

    申请日:2018-11-09

    Abstract: 本发明实施了一种基于大脑CT图像的缺血性脑卒中病灶检测方法及装置。该方法中,对大脑CT图像进行预处理和基于区域生长法的区域生长处理,增大了病灶区域与正常大脑的图像特征的差异。然后,基于大脑的对称性,将左脑区和右脑区中的大脑图像划分为多个像素方格,并逐个对比左脑和右脑中,位置具有对称性的两个像素方格的预定图像特征的特征差异,从而可以根据该特征差异确定哪一个像素方格中包含缺血性脑卒中的病灶。通过上述步骤,实现了通过大脑CT图像有效检测缺血性脑卒中病灶的目的。

    一种基于裁剪的卷积神经网络的确定方法及装置

    公开(公告)号:CN109635939A

    公开(公告)日:2019-04-16

    申请号:CN201910013045.5

    申请日:2019-01-07

    Abstract: 本发明实施例提供的一种基于裁剪的卷积神经网络的确定方法及装置,方法包括:针对样本集中的一个样本,将该样本输入预设的卷积神经网络,通过卷积神经网络的卷积层的各个通道输出的该样本特征图的矩阵;针对卷积层的一个通道输出的样本的特征图的矩阵,将该矩阵进行压缩成数字,利用Sigmoid函数,确定卷积神经网络的卷积层各个通道的激励因子,然后确定卷积神经网络的卷积层各个通道的权重;针对预设卷积神经网络的一个卷积层,在该卷积层中选择通道的权重低于权重阈值的通道进行裁剪,将裁剪后的卷积神经网络作为已训练卷积神经网络,降低了卷积神经网络内部结构的复杂度,减少用于识别待识别病理图像的标签类别的时间。

    基于大脑CT图像的缺血性脑卒中病灶检测方法及装置

    公开(公告)号:CN109509186A

    公开(公告)日:2019-03-22

    申请号:CN201811331278.1

    申请日:2018-11-09

    Abstract: 本发明实施了一种基于大脑CT图像的缺血性脑卒中病灶检测方法及装置。该方法中,对大脑CT图像进行预处理和基于区域生长法的区域生长处理,增大了病灶区域与正常大脑的图像特征的差异。然后,基于大脑的对称性,将左脑区和右脑区中的大脑图像划分为多个像素方格,并逐个对比左脑和右脑中,位置具有对称性的两个像素方格的预定图像特征的特征差异,从而可以根据该特征差异确定哪一个像素方格中包含缺血性脑卒中的病灶。通过上述步骤,实现了通过大脑CT图像有效检测缺血性脑卒中病灶的目的。

    一种视觉搜索方法、装置及设备

    公开(公告)号:CN109344278A

    公开(公告)日:2019-02-15

    申请号:CN201811113239.4

    申请日:2018-09-25

    Abstract: 本发明实施例提供了一种视觉搜索方法、装置及设备,其中,该方法包括:获取多个待检索图像;针对各个待检索图像,提取待检索图像的全局特征信息;根据待检索图像的全局特征信息,计算待检索图像对应的复杂度指标;确定与复杂度指标匹配的码率;基于码率,提取待检索图像的图像特征,并保存图像特征,图像特征用于视觉搜索。通过本发明实施例提供的视觉搜索方法、装置及设备,能够降低对存储资源的浪费。

    一种基于深度神经网络的病理图像分类方法及装置

    公开(公告)号:CN108647732A

    公开(公告)日:2018-10-12

    申请号:CN201810456914.7

    申请日:2018-05-14

    Abstract: 本发明实施例提供了一种基于深度神经网络的病理图像分类方法,该方法包括:获取待测图像;对待测图像进行处理获得全局待测图像及局部待测图像;针对每个混合双模型对全局待测图像及局部待测图像进行预测得到全局预测结果概率向量及局部预测结果概率向量;对上述预测得到的概率向量进行预设处理得到最终局部预测结果概率向量及最终全局预测结果概率向量;按照预设权重,对上述处理得到的概率向量进行融合计;将多个融合后的向量相加得到预测向量;根据预测向量及预设规则确定待测图像的图像类别。与现有技术相比,本发明实施例能够在样本图像中提取更多有效的图像特征,使神经网络的学习更充分,进而提高训练好的网络模型对图像分类的准确率。

    一种基于时空特征差异的弱小目标检测方法及装置

    公开(公告)号:CN116645580B

    公开(公告)日:2023-11-14

    申请号:CN202310657125.0

    申请日:2023-06-05

    Inventor: 祝闯 赵永康 刘芳

    Abstract: 本发明提供一种基于时空特征差异的弱小目标检测方法及装置,所述方法的步骤包括:获取当前帧图像和历史帧图像,采用滑动窗口的方式计算所述当前帧图像和历史帧图像中每个窗口的特征值,构建空间特征图;基于所述空间特征图中每个像素格的灰度值将对应位置的像素格进行第一融合计算,融合为时域特征图;基于所述空间特征图和时域特征图中每个像素格的像素值,将所述空间特征图和时域特征图进行第二融合计算,得到联合特征图;对所述联合特征图中采用滑窗进行窗口采集,将窗口中每个位置的像素格的像素值均与窗口中心位置的像素格的像素值进行比较计算,得到背景抑制特征图;对所述背景抑制特征图进行二值化分割处理,得到目标图像。

    一种神经网络训练、检测方法、装置及设备

    公开(公告)号:CN112560957B

    公开(公告)日:2023-04-07

    申请号:CN202011496525.0

    申请日:2020-12-17

    Abstract: 本发明实施例提供了一种神经网络训练、检测方法、装置及设备,该方法包括:获取待处理全切片数字图像及其对应的标签;分割待处理全切片数字图像,得到多张分割图像;通过神经网络的特征提取层和全连接层得到示例特征图以及多张分割图像对应的权重;将权重与示例特征图相乘后,输入至分类器,得到分类结果;基于分类结果与标签的对比结果,判断神经网络是否收敛;若否,则调整神经网络的参数,直至神经网络收敛,得到训练完成的神经网络模型。可见,本方案中,只需获取整张WSI的标签,并通过全连接层计算得到由WSI分割出的多张分割图像的权重,引导神经网络的训练,不需要在训练的过程中对分割得到的多张分割图像进行标注,减少了人力耗费。

Patent Agency Ranking