一种生成模型增强的大规模视觉预训练方法及系统

    公开(公告)号:CN117593215B

    公开(公告)日:2024-03-29

    申请号:CN202410077241.X

    申请日:2024-01-19

    IPC分类号: G06T5/70 G06T7/11

    摘要: 本发明属于图像自监督预训练领域,为解决生成模型生成图像的准确性差的问题,提供一种生成模型增强的大规模视觉预训练方法及系统。其中,生成模型增强的大规模视觉预训练方法包括利用预训练的生成模型,自适应生成原始图像所对应的正视图;对原始图像和正视图进行数据增强,生成增强后的正样本对,使用预训练的图像编码器提取正样本对的特征表示;根据正样本对的特征表示,计算注意力掩码来分隔前景区域和背景区域;评估正样本对的质量来调整每个正样本对在训练生成模型过程中对整体损失的贡献,计算每个正样本对的重新加权因子,得到最终损失函数,以确定是否继续训练生成模型,其能够减轻低质量和错误图像对生成模型生成图像准确性的影响。

    一种生成模型增强的大规模视觉预训练方法及系统

    公开(公告)号:CN117593215A

    公开(公告)日:2024-02-23

    申请号:CN202410077241.X

    申请日:2024-01-19

    IPC分类号: G06T5/70 G06T7/11

    摘要: 本发明属于图像自监督预训练领域,为解决生成模型生成图像的准确性差的问题,提供一种生成模型增强的大规模视觉预训练方法及系统。其中,生成模型增强的大规模视觉预训练方法包括利用预训练的生成模型,自适应生成原始图像所对应的正视图;对原始图像和正视图进行数据增强,生成增强后的正样本对,使用预训练的图像编码器提取正样本对的特征表示;根据正样本对的特征表示,计算注意力掩码来分隔前景区域和背景区域;评估正样本对的质量来调整每个正样本对在训练生成模型过程中对整体损失的贡献,计算每个正样本对的重新加权因子,得到最终损失函数,以确定是否继续训练生成模型,其能够减轻低质量和错误图像对生成模型生成图像准确性的影响。

    一种多层级病灶检出优化的病理切片图像分割检测方法

    公开(公告)号:CN116596952A

    公开(公告)日:2023-08-15

    申请号:CN202310578840.5

    申请日:2023-05-22

    摘要: 本发明公开了多层级病灶检出优化的病理切片图像分割检测方法,所述方法构建了一个多级特征提取结构,使用轻量级网络进行图像特征初步提取,基于空洞空间金字塔池化模块进行多尺度特征提取,将多尺度特征与特征初步提取网络中的浅层特征图进行叠加融合,实现了充分的病灶特征提取,提高了算法对病灶的识别精度,并降低了网络层数,避免了过深网络结构导致的特征信息损失。基于多层注意力机制,对病灶特征进行了权重增强,提高了算法对病灶的检出能力。在初步特征提取网络后并行加入一个训练好的基于Sobel算子的多成分分割算法模块,用于辅助优化损失函数。通过多层级的病灶特征提取、增强、优化训练,可以有效提高检测算法的病灶检测效果。

    基于方形件特征和Pearson相关系数的排样优化和订单组批方法

    公开(公告)号:CN116307053A

    公开(公告)日:2023-06-23

    申请号:CN202211681689.X

    申请日:2022-12-26

    摘要: 一种基于方形件特征和Pearson相关系数的排样优化和订单组批方法,它涉及一种应用于智能制造领域的排样优化和订单组批方法。它解决了当前个性化工业产品中方形件的最优切割问题。本发明的步骤为:一、确定相似条件,对每份订单建立一个需求材料的一维数组;二、应用Pearson相关系数确定各订单相似性,将相似订单组合成一个批次;三、在同一组批中,分材料切割,对同种材料的方形件数据进行预处理;四、应用以原片宽度为分辨基准的大产品项切割法开始进行切割;五、应用小产品项密集铺贴法对剩余小产品项进行排布。本发明充分利用订单信息和产品信息,结合生产实际,提出了一种二阶段的切割方法,有效提高了板材利用率,适用于大数量多种类的个性化定制方形件的批量切割。

    基于自编码器网络的肿瘤细胞切片高光谱图像分类方法

    公开(公告)号:CN116091832A

    公开(公告)日:2023-05-09

    申请号:CN202310124577.2

    申请日:2023-02-16

    摘要: 本发明公开了一种基于自编码器网络的肿瘤细胞切片高光谱图像分类方法,所述方法包括如下步骤:步骤一:通过显微镜和高光谱成像仪得到肿瘤细胞切片的高光谱图像;步骤二:基于高光谱图像数据,分别进行基于线性回归的最小二乘拟合估计和基于非线性回归的高斯拟合估计,通过滑动窗口设置和三次样条插值法,将混合像元按线性和非线性混合程度进行区域划分;步骤三:基于变精度粗糙集方法处理高光谱图像解混数据,构建稀疏自编码器网络进行解混;步骤四:基于优化的卷积神经网络,对解混得到的端元及丰度结果进行分类,实现肿瘤细胞切片高光谱图像分类。本发明可以降低图像在空间分辨率上的精度要求,提高切片扫描效率,进一步缩短分析诊断时间。

    一种基于去噪三维卷积自编码网络的高光谱解混算法

    公开(公告)号:CN111260576B

    公开(公告)日:2022-07-05

    申请号:CN202010034617.0

    申请日:2020-01-14

    发明人: 张淼 贾培源 沈毅

    摘要: 一种基于去噪三维卷积自编码网络的高光谱解混算法,解决了传统端元提取算法无法快速同步获得端元光谱与丰度信息,同时易受到干扰、鲁棒性差的问题。本发明的步骤为:一、基于高光谱体数据结构设计并建立三维卷积自编码网络;二、利用去噪自编码算法采用生成数据集训练网络,提取鲁棒的空谱联合特征;三、设计并实现非负稀疏自编码器,对丰度添加非负性与稀疏性约束,将数据映射到低维信号子空间从而同步获得高精度的端元与丰度信息。本发明的基本思想是采用深层自编码网络提取空谱联合特征,以无监督的方式同步获得影像的端元与丰度信息,解混精度高,适用于高光谱端元提取与丰度反演应用,如城市遥感、精准农业、勘探侦查等,社会经济价值高。

    一种基于分数阶混沌和二维压缩感知的图像压缩加密方法

    公开(公告)号:CN114268427A

    公开(公告)日:2022-04-01

    申请号:CN202111590563.7

    申请日:2021-12-23

    IPC分类号: H04L9/00 H04L9/06 H04N1/44

    摘要: 本发明公开了一种基于分数阶混沌和二维压缩感知的图像压缩加密方法,属于多媒体信息安全技术领域。本发明针对基于低维整数阶混沌系统的图像压缩加密方案安全性不足的问题,提出了一种基于分数阶混沌和二维压缩感知的图像压缩加密方法。该方法中构建了一个新三维分数阶混沌系统,提供了图像压缩加密算法中所需的随机序列,极大地扩展了该算法的复杂性和密钥空间。该算法采用了二维压缩感知算法对图像进行压缩,并根据随机序列构建了一个新型测量矩阵。同时该方案为了兼顾算法的安全性和实时性,构建一种联合置乱和扩散算法用于图像的加密。理论分析和实验结果表明,本发明算法安全性较高,具有广泛的应用前景和实用价值。

    一种基于倒排索引的评估类文档不定长词句的查询方法

    公开(公告)号:CN109284352B

    公开(公告)日:2022-02-08

    申请号:CN201811153438.8

    申请日:2018-09-30

    摘要: 一种基于倒排索引的评估类文档不定长词句的查询方法,它涉及数据科学领域的索引方法以及NLP领域的分词方法,解决了评估类文档不定长词句的查询问题。本发明的步骤为:一、对待查询文档进行数据预处理,利用jieba分词方法进行分词处理,得到单词词典与词频信息;二、基于完全重建策略的倒排索引原理建立自适应倒排表;三、结合待查找不定长词句的信息,通过自适应倒排表索引词句中各个单词位置信息,识别不定长词句位置信息并索引其所在段落,来完成评估类文档不定长词句的查询功能。本发明的基本思想是对文本数据进行分词,建立倒排索引,进而实现快速搜索不定长词句,从而实现对评估类文档的查询功能。应用场景广泛,因而具有很高的社会经济价值。

    一种基于双二维混沌系统的轻量级分组文本加密方法

    公开(公告)号:CN113746622A

    公开(公告)日:2021-12-03

    申请号:CN202111036132.6

    申请日:2021-09-06

    发明人: 佟晓筠 杨森 张淼

    IPC分类号: H04L9/06 H04L9/00

    摘要: 一种基于双二维混沌系统的轻量级分组文本加密方法,属于信息安全技术领域。本发明针对目前主要使用的轻量级分组密码算法存在的S盒容量以及伪随机序列取值过小的问题,本文提出了一种基于双二维混沌系统的轻量级分组文本加密算法。该算法首先使用二维Logistic混沌系统生成伪随机序列,二维Standard混沌系统生成S盒和P盒,提高了伪随机序列的性能并提高了混淆‑扩散的效果;其次采用了分组密码中的CFB模式,使各个分组之间的加密结果息息相关;然后利用密钥和密文确定移位的位数,进一步确保了加密结果的安全性。实验结果表明,该算法具有接近理论值的信息熵,密文字符比例比较均匀,密文比特流中的0‑1比例接近1,同时具有较好的密钥敏感性,较大的密钥空间以及较快的加密速度,并且能够抵抗选择明文攻击。所以,该算法备具良好的性能,具有一定的应用前景。

    基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法

    公开(公告)号:CN112734324A

    公开(公告)日:2021-04-30

    申请号:CN202011562669.1

    申请日:2020-12-25

    摘要: 基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法,它涉及蚁群算法、遗传算法,解决了传统方法计算耗时、易早熟收敛、易陷入局部最优的缺陷。本发明的步骤为:一、对场地建立网格化划分与编码;二、用基于障碍物信息的改进蚁群算法生成用于遗传进化的初始AGV路径;三、用基于三阶段遗传算法迭代选择AGV最优路径;四、对具有重合点的不同AGV路径进行末端交叉;五、对AGV路径进行有利变异;六、重新计算AGV路径适应度,判定迭代是否终止,对终止后的AGV路径进行轨迹圆滑处理。本发明的基本思想是将改进的蚁群算法和改进的遗传算法相结合,加快迭代收敛速度,得到运行效率更高的AGV路径,工程适用性强。