-
公开(公告)号：CN111292324B
公开(公告)日：2022-03-01
申请号：CN202010202046.7
申请日：2020-03-20
申请人： 电子科技大学 , 电子科技大学广东电子信息工程研究院
IPC分类号： G06T7/00 , G06T7/12 , G06V10/25 , G06V10/764 , G06K9/62
摘要： 本发明公开了一种针对臂丛神经超声图像的多目标识别方法及系统，方法包括：获取特征图；获取多尺度特征图；生成具有不同接受域的特征图；获取具有不同尺度对比特征的特征图矩阵；获取得到赋予权重后的特征图矩阵；对赋予权重后的特征图矩阵中的每个像素点作为中心点生成感兴趣区域，并对感兴趣区域进行二值分类和检测包围框回归后，将选取的区域对齐为固定尺寸的特征图；将对齐为固定尺寸的特征图中的感兴趣区域进行分类、分割掩模和边界框检测后输出，完成臂丛神经超声图像的多目标识别。本方法可以帮助麻醉医师快速、准确地从臂丛超声图像中识别所需的多目标组织。
-
公开(公告)号：CN111292324A
公开(公告)日：2020-06-16
申请号：CN202010202046.7
申请日：2020-03-20
申请人： 电子科技大学 , 电子科技大学广东电子信息工程研究院
摘要： 本发明公开了一种针对臂丛神经超声图像的多目标识别方法及系统，方法包括：获取特征图；获取多尺度特征图；生成具有不同接受域的特征图；获取具有不同尺度对比特征的特征图矩阵；获取得到赋予权重后的特征图矩阵；对赋予权重后的特征图矩阵中的每个像素点作为中心点生成感兴趣区域，并对感兴趣区域进行二值分类和检测包围框回归后，将选取的区域对齐为固定尺寸的特征图；将对齐为固定尺寸的特征图中的感兴趣区域进行分类、分割掩模和边界框检测后输出，完成臂丛神经超声图像的多目标识别。本方法可以帮助麻醉医师快速、准确地从臂丛超声图像中识别所需的多目标组织。
-
公开(公告)号：CN116015922B
公开(公告)日：2024-01-30
申请号：CN202211715876.5
申请日：2022-12-29
申请人： 电子科技大学
摘要： 本发明涉及人工智能技术，揭露了一种电力物联网的网络安全态势分析方法，包括：根据设备运行特征、设备控制特征及报警信号特征确定所述电力物联网终端设备的设备安全系数；根据所述网络传输特征及所述传输流程特征计算所述电力物联网终端设备的传输安全指数，以及根据所述业务指纹基线特征和所述业务流量基线特征计算所述电力物联网的网络威胁危险指数；利用预设的风险评估模型根据所述设备安全系数、所述传输安全指数及所述网络威胁危险指数确定所述电力物联网终端设备的网络安全风险。本发明还提出一种电力物联网的网络安全态势分析装置及电子设备。本发明可以提高电力物联网的网络安全性。
-
公开(公告)号：CN116452617A
公开(公告)日：2023-07-18
申请号：CN202310319882.7
申请日：2023-03-29
申请人： 电子科技大学
摘要： 本发明公开了一种基于跨模态域迁移学习的全心脏分割方法，包括以下步骤：S1，对初始的全心脏MRI图像和CT图像进行数据预处理；S2，将预处理后的图像输入模态迁移网络MTN进行数据训练，生成新的CT图像；S3，将模态迁移网络MTN生成的新的CT图像和带全心标签的CT心脏图像输入U形多注意网络MAUNet，输出中间心脏图像分割结果；S4，将中间心脏图像分割结果输入至空间配置网络SCN进行数据训练，输出最终心脏图像分割结果。本发明使用多模态数据对心脏进行分割，多模态数据因成像机理的不同而具有多层面信息，使用多模态数据对同一组织进行分割一方面可以扩充训练数据集，使更容易训练一个健壮的网络，一方面可以更好的利用多层面信息，提升分割准确率。
-
公开(公告)号：CN116403548A
公开(公告)日：2023-07-07
申请号：CN202310319854.5
申请日：2023-03-29
申请人： 电子科技大学
摘要： 本发明公开了一种基于心音特征的音乐生成算法，包括提取心音的MFCC文件特征、提取音乐文件中的音符相关特征、通过深度学习网络对两种特征之间的关联性进行学习，训练模型、通过训练好的模型用心音特征生成音乐，并根据音乐类型对心音类别进行判断。与现有技术相比，本发明基于人工智能的以心音特征为基础的音乐生成算法，可以根据心音的特征生成对应的音乐，并且生成的音乐因其根据的心音不同具有显著的正常/异常区分度，不具备音乐知识、医学知识的人可以根据音乐的差异性区分心音的正常/异常。
-
公开(公告)号：CN112837215B
公开(公告)日：2022-10-18
申请号：CN202110347463.5
申请日：2021-03-31
申请人： 电子科技大学
摘要： 本发明公开了一种基于生成对抗网络的图像形状变换方法，包括以下步骤：生成待变换图像的分割掩码；构建生成器和判别器，并通过生成器和判别器构建生成对抗网络；构建损失函数，根据损失函数并以梯度下降法训练生成对抗网络；将待变换图像的分割掩码输入至训练后的生成对抗网络，得到图形形状变换结果。本发明的复杂程度低，图像转换的效率高，可以高效地处理图片中的特定图像进行形状差异大的图形变换，可以运用在动画制作、海报设计等领域，既可以增强图形变换的真实度，也可以降低人工成本，减少工作量。
-
公开(公告)号：CN108764286B
公开(公告)日：2022-04-19
申请号：CN201810372015.9
申请日：2018-04-24
申请人： 电子科技大学
IPC分类号： G06V10/764 , G06V10/774 , G06K9/62
摘要： 本发明公开了一种基于迁移学习的血管图像中特征点的分类识别方法，包括血管图像模拟训练和血管图像类型识别两部分；在血管图像模拟训练中通过制作特征点数据集，并利用特征点数据集对深度学习模型进行训练，获得基于迁移学习的血管图像中特征点的分类模型，在血管图像类型识别中提取血管图像的特征点，将提取的特征点输入到血管图像模拟训练中得到的基于迁移学习的血管图像中特征点的分类模型，获得血管图像中特征点的的类型。本发明利用分类模型能准确快速的识别血管图像中特征点是分叉点还是交叉点，解决了现有方法存在的步骤繁杂、准确性和效率低的问题，对临床医学有莫大的帮助作用。
-
公开(公告)号：CN112330662A
公开(公告)日：2021-02-05
申请号：CN202011337099.6
申请日：2020-11-25
申请人： 电子科技大学
摘要： 本发明提供了一种基于多层级神经网络的医学图像分割系统及方法，属于医学图像处理技术领域，本发明将待分割的原始医学图像输入图像初始化模型进行初始特征的提取，然后将初始特征输入到多层级深度特征提取模型中，提取出图像的多层级深层特征，然后将深层特征输入到多层级分割模型中，同时将多层级深度特征提取模块中的深层特征，通过金字塔池化长连接模型，输入到多层级分割模型中，由多层级分割模型根据图像中逐个像素的分类情况，输出高精度分割后的医学图像，本发明提供的分割方法提升了医学图像深度特征提取效率，并能够提高医学影像分割的精度。
-
公开(公告)号：CN110503070A
公开(公告)日：2019-11-26
申请号：CN201910805856.9
申请日：2019-08-29
申请人： 电子科技大学
摘要： 本发明公开了一种基于航拍图像目标检测处理技术的交通自动化监测方法，其中改进的Yolo利用了one-stage的模式，并对小目标、大背景等航拍图像目标检测难点做出改进，无需分别设计分类器或定位器，直接将候选框作为分类问题处理，比传统的FastRCNN等目标检测方法快速，可以实现30fps以上的实时性操作，同时保证分类识别结果的准确率。能够实现对于交通状况的实时自动监测，对于位于偏远地区、设备稀少、人工数量难以覆盖的整段高速公路、铁路轨道的困难提供了一种便利的解决方式，并大大降低了人工巡视的开销。
-
公开(公告)号：CN110222665A
公开(公告)日：2019-09-10
申请号：CN201910513337.5
申请日：2019-06-14
申请人： 电子科技大学
摘要： 本发明公开了一种基于深度学习和姿态估计的监控中人体动作识别方法，包括构建基于相对部位关节特征表示的多流动作识别模型；对人体骨骼动作数据进行预处理和相对部位关节特征表示的转换；将转换后的相对部位关节特征表示输入多流动作识别模型中进行模型的训练和评估，选取多轮迭代后收敛识别率最高的最优模型；获取监控视频实时场景下的监控片段，采用姿态估计算法得到监控片段中人体的骨骼动作序列，并其进行预处理；对预处理后的骨骼动作序列进行特征表示转换；使用所述最优模型识别预处理和特征表示转换后的骨骼动作序列中的人体动作，得到动作分类结果；将识别的分类结果与预设危险动作类别进行对比，并返回对比结果给监控工作人员。
-
-
-
-
-
-
-
-
-
搜索结果
79 条记录 (耗时 0.056 秒)
