-
公开(公告)号:CN117649528A
公开(公告)日:2024-03-05
申请号:CN202410114897.4
申请日:2024-01-29
申请人: 山东建筑大学
IPC分类号: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0895
摘要: 本发明公开了一种半监督图像分割方法、系统、电子设备及存储介质,属于图像分割技术领域。包括获取待分割图像,将待分割图像输入训练好的图像分割模型进行处理,获取图像分割结果;其中,训练所述图像分割模型具体包括:构建标注数据集,基于标注数据集,通过标注驱动的样本自适应加权方法对所述图像分割模型进行监督训练;构建无标注数据集,基于无标注数据集,通过稳定性驱动的样本自适应加权方法对图像分割模型进行无监督训练。能够在抑制确认偏差出现的同时提高了对标记数据中难样本中包含的有价值信息的利用效率,提高对未标记数据集中难样本的利用效率;解决受难样本干扰导致图像分割精度低的问题。
-
公开(公告)号:CN117636074A
公开(公告)日:2024-03-01
申请号:CN202410100735.5
申请日:2024-01-25
申请人: 山东建筑大学
IPC分类号: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本发明涉及图像分类技术领域,特别是涉及基于特征交互融合的多模态图像分类方法及系统,其中所述方法包括:获取待分类的第一模态图像和第二模态图像;将第一模态图像和第二模态图像,输入到训练后的多模态图像分类模型中,输出多模态图像的分类结果;其中,训练后的多模态图像分类模型用于对不同模态的图像采用不同的网络结构进行特征提取,分别得到特有特征和共享特征;采用注意力机制对特有特征和共享特征进行融合,采用分类器对融合特征进行分类,本发明利用共享特征与特有特征之间的相互作用,捕获和强化特征之间的关联性,有助于提升分类性能。
-
公开(公告)号:CN116958712A
公开(公告)日:2023-10-27
申请号:CN202311210822.8
申请日:2023-09-20
申请人: 山东建筑大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/774 , G06N3/0464 , G06V10/30
摘要: 本发明提供了一种基于先验概率分布的图像生成方法、系统、介质及设备,其属于图像生成技术领域,所述方案为了避免人为分布假设对模型的影响,构建了一个用于采样数据分布的学习器,即一种将分类神经网络和高斯混合模型结合的混合密度网络,通过所述学习器对输入数据进行分类,并把输出的信息送入高斯混合模型中,通过计算高斯混合模型中子模型的隐变量确定高斯混合分布的参数,并将所述参数作为VAE模型(即变分自编码器)的解码器重参数化步骤中随机向量采样分布的参数,来指导VAE模型的训练,有效保证模型训练的准确性,进而有效保证了图像生成的准确性。
-
公开(公告)号:CN117649528B
公开(公告)日:2024-05-31
申请号:CN202410114897.4
申请日:2024-01-29
申请人: 山东建筑大学
IPC分类号: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0895
摘要: 本发明公开了一种半监督图像分割方法、系统、电子设备及存储介质,属于图像分割技术领域。包括获取待分割图像,将待分割图像输入训练好的图像分割模型进行处理,获取图像分割结果;其中,训练所述图像分割模型具体包括:构建标注数据集,基于标注数据集,通过标注驱动的样本自适应加权方法对所述图像分割模型进行监督训练;构建无标注数据集,基于无标注数据集,通过稳定性驱动的样本自适应加权方法对图像分割模型进行无监督训练。能够在抑制确认偏差出现的同时提高了对标记数据中难样本中包含的有价值信息的利用效率,提高对未标记数据集中难样本的利用效率;解决受难样本干扰导致图像分割精度低的问题。
-
公开(公告)号:CN117710385B
公开(公告)日:2024-05-10
申请号:CN202410162042.9
申请日:2024-02-05
申请人: 山东建筑大学
IPC分类号: G06T7/10 , G06V10/762
摘要: 本发明涉及图像处理技术领域,提出了基于层次化多轮驱动模糊聚类的图像分割方法及系统,包括如下步骤:对获取的图像,采用带空间约束信息的模糊聚类分割算法进行第一轮第一层次分割,得到多个原子区域;计算原子区域的熵值信息,对熵值超过预设阈值的原子区域进行第二层次分割;对经过第二层次分割后的原子区域,进行第二轮模糊聚类,得到每个原子区域的隶属矩阵;第二轮模糊聚类后,对于不能明确隶属关系的原子区域,使用逻辑回归模型方法确定归属类别;将相同归属类别的原子区域进行合并,得到最终的分割结果。本发明通过合理地利用概率信息、空间信息和邻域信息,能够更精准地分割目标医学图像,得到清晰准确的分割结果。
-
公开(公告)号:CN117636074B
公开(公告)日:2024-04-26
申请号:CN202410100735.5
申请日:2024-01-25
申请人: 山东建筑大学
IPC分类号: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/08
摘要: 本发明涉及图像分类技术领域,特别是涉及基于特征交互融合的多模态图像分类方法及系统,其中所述方法包括:获取待分类的第一模态图像和第二模态图像;将第一模态图像和第二模态图像,输入到训练后的多模态图像分类模型中,输出多模态图像的分类结果;其中,训练后的多模态图像分类模型用于对不同模态的图像采用不同的网络结构进行特征提取,分别得到特有特征和共享特征;采用注意力机制对特有特征和共享特征进行融合,采用分类器对融合特征进行分类,本发明利用共享特征与特有特征之间的相互作用,捕获和强化特征之间的关联性,有助于提升分类性能。
-
公开(公告)号:CN117710385A
公开(公告)日:2024-03-15
申请号:CN202410162042.9
申请日:2024-02-05
申请人: 山东建筑大学
IPC分类号: G06T7/10 , G06V10/762
摘要: 本发明涉及图像处理技术领域,提出了基于层次化多轮驱动模糊聚类的图像分割方法及系统,包括如下步骤:对获取的图像,采用带空间约束信息的模糊聚类分割算法进行第一轮第一层次分割,得到多个原子区域;计算原子区域的熵值信息,对熵值超过预设阈值的原子区域进行第二层次分割;对经过第二层次分割后的原子区域,进行第二轮模糊聚类,得到每个原子区域的隶属矩阵;第二轮模糊聚类后,对于不能明确隶属关系的原子区域,使用逻辑回归模型方法确定归属类别;将相同归属类别的原子区域进行合并,得到最终的分割结果。本发明通过合理地利用概率信息、空间信息和邻域信息,能够更精准地分割目标医学图像,得到清晰准确的分割结果。
-
公开(公告)号:CN116958712B
公开(公告)日:2023-12-15
申请号:CN202311210822.8
申请日:2023-09-20
申请人: 山东建筑大学
IPC分类号: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/774 , G06N3/0464 , G06V10/30
-
-
-
-
-
-
-