-
公开(公告)号：CN115965602A
公开(公告)日：2023-04-14
申请号：CN202211726362.X
申请日：2022-12-29
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06T7/00 , G06V10/82 , G06V20/70 , G06V20/69 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于改进的YOLOv7和Swin‑Unet的异常细胞检测方法，包括：收集病理细胞涂片图像，制作异常细胞检测数据集和分割数据集；搭建改进的YOLOv7模型并进行训练；搭建检测结果筛选模块，对检测网络输出图像中的细胞进行分类；搭建Swin‑Unet模型并进行训练，用于重叠细胞团图像的分割：以Unet模型为基础，针对多尺度下的细胞图像的局部关系与全局关系，引用Swin‑Transformer模块进行采样；使用改进的YOLOv7和Swin‑Unet模型进行异常细胞检测。本发明充分利用细胞检测时的上下文信息，有效处理难检的细胞团，可在保证检测速率的前提下大大提高准确率和召回率。
-
公开(公告)号：CN117746518B
公开(公告)日：2024-05-31
申请号：CN202410181868.X
申请日：2024-02-19
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06V40/70 , G06V10/764 , G06V10/80 , G06V10/774
摘要： 本发明公开了一种多模态特征融合和分类的方法，涉及计算机视觉技术领域，首先，采用中心边界平衡投影来平衡特征类空间的中心和边界信息，减轻噪声数据的负面影响，提高特征融合和分类阶段的兼容性。然后，采用两种方案将每个特定于情态的特征投射到一个语义空间中。根据多模态动作语义特征对样本的标签进行赋值。最后，设计出一种多模态特征融合和分类方法，用于深度视频序列中的行为识别。从而提高特征融合和分类的兼容性，同时也大大提搞了识别准确率。
-
公开(公告)号：CN117746518A
公开(公告)日：2024-03-22
申请号：CN202410181868.X
申请日：2024-02-19
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06V40/70 , G06V10/764 , G06V10/80 , G06V10/774
摘要： 本发明公开了一种多模态特征融合和分类的方法，涉及计算机视觉技术领域，首先，采用中心边界平衡投影来平衡特征类空间的中心和边界信息，减轻噪声数据的负面影响，提高特征融合和分类阶段的兼容性。然后，采用两种方案将每个特定于情态的特征投射到一个语义空间中。根据多模态动作语义特征对样本的标签进行赋值。最后，设计出一种多模态特征融合和分类方法，用于深度视频序列中的行为识别。从而提高特征融合和分类的兼容性，同时也大大提搞了识别准确率。
-
公开(公告)号：CN116128890A
公开(公告)日：2023-05-16
申请号：CN202211711702.1
申请日：2022-12-29
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06T7/11 , G06V10/778 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/082 , G06N3/084
摘要： 本发明公开了一种基于自适应融合模块和跨阶段AU‑Net网络的病理细胞图像分割方法及其系统，其AU‑Net网络包含跨阶段模块、自适应融合模块和密集空洞卷积块。其谅包括：搭建基础的U‑Net网络结构，其编码、解码路径包括卷积操作和采样操作；将跨阶段模块分别应用到U‑Net模型的编码路径和解码路径当中，增强信息的表述能力；在添加跨阶段模块后的U‑Net的编码路径中引入自适应融合模块，以增加关键区域的权重，进而提高病理细胞图像的分割精度；使用密集空洞卷积块来替换加入了跨阶段模块和自适应融合模块后的U‑Net中连接编码路径和解码路径所用的卷积块。本发明可有效增强网络的学习能力，提升图像分割精度。
-
公开(公告)号：CN115937188A
公开(公告)日：2023-04-07
申请号：CN202211710730.1
申请日：2022-12-29
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06T7/00 , G06V10/82 , G06V10/26 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于改进的YOLOv5和EfficientNet的细胞病理图像异常检测方法，包括：获取细胞涂片的数字扫描图像作为原始输入图像；带有重叠的裁剪原始输入图像作为裁剪后图像；使用改进的YOLOv5模型检测裁剪后图像中所有异常细胞和异常细胞簇并得到其位置与大小信息；使用此位置与大小信息，从裁剪后图像中裁剪出异常细胞和异常细胞簇目标图像，并对目标图像进行裁剪和填充；使用改进的EfficientNet模型对目标图像分类，得到其分类结果；汇总目标图像分类结果和其位置与大小信息作为异常检测最终结果显示在原始输入图像上。本发明将检测划分为定位与分类任务，可有效提高异常查全率和检测精度。
-
公开(公告)号：CN115937190A
公开(公告)日：2023-04-07
申请号：CN202211711731.8
申请日：2022-12-29
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/048 , G06N3/0464 , G06N3/094 , G06N3/0895
摘要： 本发明公开了一种基于虚拟对抗训练网络的半监督宫颈癌图像分类方法，包括：收集宫颈癌图像数据集，得到用于半监督网络的训练数据集和测试数据集；对训练数据集中标注和未标注的宫颈癌图像进行数据增强，包括对宫颈癌图像进行平移变换、旋转变换、缩放变换；搭建主干网络，包括AlexNet和混合注意力机制；搭建虚拟对抗训练网络，采用给定的输入并且增加扰动，模型给出不同的输出；模型因扰动对灵敏度进行处罚；宫颈癌图像通过虚拟对抗训练网络得到相关的特征并送入分类器进行分类，最终对测试的宫颈癌图像输出所属类别。本发明可充分利用已标注数据以及未标注数据，通过模型进行分类，从而辅助医生更好的诊断和治疗。
-
公开(公告)号：CN115810191A
公开(公告)日：2023-03-17
申请号：CN202211710618.8
申请日：2022-12-29
申请人： 河海大学 , 玖壹叁陆零医学科技南京有限公司
IPC分类号： G06V20/69 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/045 , G06N3/082
摘要： 本发明公开了一种基于多注意力融合机制和高精度分割网络的病理细胞分类方法，包括：病理细胞图像的收集与预处理；构建多注意力融合模块，包括构造压缩激励模块和空间注意力模块；构建高精度分割网络，通过高精度分割网络在病理细胞图像上生成感兴趣区域；搭建基于多注意力融合和高精度分割网络的深度网络模型，利用预处理过的病理细胞图像对模型进行训练，得到病理细胞分类在正确率最高的网络模型；将需检测的病理细胞图像送入优化的网络模型中，获得对病理细胞样本的分类结果。本发明使模型能够学习到细胞图像中的通道权重和空间权重，可利用高精度分割网络提取图像中病理细胞区域的特征进行分类，从而有效减小计算量及噪声影响。
-
公开(公告)号：CN117812265A
公开(公告)日：2024-04-02
申请号：CN202311846204.2
申请日：2023-12-28
申请人： 河海大学 , 南京荟英电子科技有限公司
IPC分类号： H04N19/167 , G06T9/00 , H04N19/61 , H04N19/91 , H04N19/50 , H04N19/184
摘要： 本发明公开了一种基于双分辨率上下文网络的可变比特率图像压缩方法和系统，所述方法将特征图通过双分辨率网络分为高、低分辨率两个部分，分别结合空间上下文和通道上下文后进行熵编码，得到压缩后的比特流，实现压缩。在重建阶段，将比特流通过熵解码和上下文网络，得到高/低分辨率部分的特征图，再通过双分辨率网络对两部分进行融合，融合后经过解码器得到重建后的图像。本发明解决了压缩图像时空间冗余导致比特浪费的问题，通过空间和通道上下文的利用，实现并行解码，加快解码速度；利用双分辨率网络，实现对高分辨率部分进行精细编码，提高了图像压缩的细节保留程度；引入ROI网络生成权重图，指导比特分配，可以根据下游任务实现压缩。
-
公开(公告)号：CN117392760A
公开(公告)日：2024-01-12
申请号：CN202311698698.4
申请日：2023-12-12
申请人： 河海大学 , 南京荟英电子科技有限公司
IPC分类号： G06V40/20 , G06V20/40 , G06V10/44 , G06V10/62 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G16H20/30 , A61B5/11 , A61B5/00
摘要： 本发明公开一种基于折半交叉网络的健康指导方法和系统，包括如下步骤：构建物理层和数据处理层，通过摄像头采集动作视频并进行处理得到去噪深度图和时间梯度图；构建行为识别层：构建特征提取网络，通过特征提取得到深度特征图和时间梯度特征图；构建折半交叉注意力模型，计算得到特征向量；输入全连接层，并通过激活函数进行激活，通过分类器得到输出结果；构建控制层：根据输出结果建立行为与控制的匹配关系，确定每个动作对应的语音指令以及实现对用户的建议提示。采用本发明的健康指导方法，解决了数据维度过高和无关特征信息对模型性能产生影响的问题，增强了对人体行为时空特征的表述能力，提高了行为识别精度和颈椎康复指导系统的可靠性。
-
公开(公告)号：CN112215060B
公开(公告)日：2022-08-09
申请号：CN202010878057.7
申请日：2020-08-27
申请人： 河海大学
摘要： 本发明公开了一种基于霍夫变换的高精度机械式仪表示数识别方法，属于图像处理领域，具体包含如下步骤；对图像进行图像预处理：将图像二值化为灰度图，进而对图像进行滤波来去除噪声点，再进行边缘检测在去除不必要的信息的同时保留图像边缘信息；通过霍夫变换检测出仪表中心；通过霍夫变换的直线检测技术检测出指针的边缘特征直线，通过计算检测出指针边缘特征直线的交点来获得指针的顶点，从而结合仪表的圆心获得精准的指针射线；根据指针的顶点和仪表的圆心为顶点的直线的角度根据相应的公式来计算出具体的示数。本发明提高了识别高精度机械式仪表示数的精准性，并且提高了识别的稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
84 条记录 (耗时 0.067 秒)
