-
公开(公告)号：CN117765110A
公开(公告)日：2024-03-26
申请号：CN202311717912.6
申请日：2023-12-14
Applicant: 西安交通大学
IPC: G06T11/00 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种适用于CT深度学习重建的等变近端算子方法及装置，包括：在所构建的总网络模型前对CT图像进行预处理步骤；通过预处理步骤获取处理后的CT图像数据；建立受金属伪影破坏图像所对应的金属伪影校正模型，对其进行重建模型构建，获得总重建优化过程；使用近端梯度下降方法对总重建优化过程进行迭代求解步骤；构建初始CT重建神经网络，将预处理步骤获得的无金属伪影图像和受金属伪影破坏图像输入初始CT重建神经网络，计算损失函数；在测试阶段将待测试的受金属伪影破坏的图像传入最终CT重建神经网络进行前向推断步骤，输出重建后的无金属伪影图像，解决了现有的基于卷积神经网络的近端算子网络并不能有效地刻画旋转对称性先验的问题。
-
公开(公告)号：CN117522740A
公开(公告)日：2024-02-06
申请号：CN202311432003.8
申请日：2023-10-31
Applicant: 西安交通大学
Abstract: 本发明公开一种非配对图像复原方法、系统、设备和介质，方法包括获取待恢复的退化图像；获取基于带噪图像的条件分数模型的反向随机微分方程；将待恢复的退化图像输入到基于带噪图像的条件分数模型的反向随机微分方程进行去噪，获得复原的清晰图像；其中，所述带噪图像的条件分数模型通过利用最优传输构建的耦合关系，基于正向随机微分方程对清晰图像加噪声，对条件分数模型进行训练得到。本发明构建的耦合关系是允许一对多，关系紧密则耦合关系值大，反正则耦合关系值小，不要求配对的图像，更符合现实应用场景。
-
公开(公告)号：CN117274080A
公开(公告)日：2023-12-22
申请号：CN202311179193.7
申请日：2023-09-13
Applicant: 西安交通大学
IPC: G06T5/00 , G06T11/00 , G06N3/0464 , G06N3/08 , A61B6/03
Abstract: 本发明公开了一种低剂量CT弦图恢复方法，基于低剂量CT弦图恢复模型，求解低剂量CT弦图恢复模型，将弦图恢复模型分解为关于待估计探测器接收到的量子数T和弦图数据Y的两个子问题；迭代求解更新探测器接收到的量子数T，根据更新后的量子数T求解弦图数据Y，即得到恢复后的弦图数据。本发明还公开了一种低剂量CT弦图恢复方法的相关装置，本发明提供了CT噪声生成机制中整数规划问题的新求解方案，可以实现更快速、更准确的求解结果，适用于大规模数据处理。
-
公开(公告)号：CN113707339B
公开(公告)日：2022-12-09
申请号：CN202110882106.9
申请日：2021-08-02
Applicant: 西安交通大学
Abstract: 本发明公开一种多源异质数据库间概念对齐与内容互译方法及系统，方法为对于数据字典未知的数据库，采用基于数据驱动概念对齐与内容互译方法，采用不确定性函数映射关系挖掘实现数据库间的概念对齐与内容互译；对于字典不完全、不可靠或相互矛盾的异构数据库间，采用基于本体驱动的概念对齐与内容互译的方法；在图同构的判定问题求解的视角下，采用基于无监督的图表征学习方法实现图同构判定；对于字典与数据同时存在且各有缺陷的数据库之间，采用基于数据与本体双驱动的概念对齐与内容互译的方法，借助跨视图领域知识图谱实现概念对齐和内容互译；通过协同挖掘多系统内数据与本体间的映射关系，实现精准、高效、鲁棒、低数据依赖性的对齐互译。
-
公开(公告)号：CN114913262A
公开(公告)日：2022-08-16
申请号：CN202210621149.6
申请日：2022-06-02
Applicant: 西安交通大学
Abstract: 本发明公开了一种采样模式与重建算法联合优化的核磁共振成像方法及系统，分别构建混合拉普拉斯概率生成网络模型，可微二值化模型和MRI重建网络ADMM‑CSNET+；将混合拉普拉斯概率生成网络模型，可微二值化模型和MRI重建网络ADMM‑CSNET+进行端到端训练，得到可微训练框架；向训练好的可微训练框架输入k空间的欠采样数据，输出重建后的核磁共振图像。本发明方法重建的图像能够提供完整的细节信息，并没有明显的噪声伪影。
-
Patent Agency Ranking
公开(公告)号：CN113746663B
公开(公告)日：2022-08-16
申请号：CN202110632420.1
申请日：2021-06-07
IPC: H04L41/0631 , H04L41/0677 , G06N3/04 , G06N3/08 , G06N5/04 , G06N20/20
Abstract: 本发明公开了一种机理数据双驱动结合的性能劣化定位方法，解决了不同场景下通信路测性能劣化的根因定位问题。该方法包含两个模块，因果关系学习模块设计了因果关系学习模型，考虑结点关系的异构性，明确了因果关系图中结点关系的方程表示；因果推理模块基于介入指标和分布指标进行因果推断，综合介入偏差以及分布异常情况进行最终故障根本原因的推理。本发明采用具有可解释性的高效算法，在现网测试环境数据集测试下大幅提高了传统方法的根因定位准确率，同时具备高召回率，并且具备可推广性。此外，本发明有利于企业维护工程师的实际应用，方案分析与结论可下放至运维基层，提升运维效率，降低运维成本。
-
公开(公告)号：CN112055263A
公开(公告)日：2020-12-08
申请号：CN202010936123.1
申请日：2020-09-08
IPC: H04N21/647 , H04N21/2343 , H04N21/845 , H04N17/00
Abstract: 本发明公开了一种基于显著性检测的360°视频流传输系统，包括：服务器端，在该系统的离线阶段，根据眼动数据获取显著性矩阵并计算每个视频的方差，即显著性矩阵的平均方差，从而将视频分为显著性视频和非显著性视频两类；在完成显著性矩阵的获取与分析之后，视频通过在时间维度和空间维度的分片以不同的质量和相应的形式存在；客户端，当用户观看显著性视频时，根据实际网络状况从服务器下载相对应的显著性矩阵到客户端播放器，基于显著性的码率控制算法在播放过程中控制视频流的下载传输，对于非显著视频，则通过MPC算法来调整视频流的质量。本发明有效缓解了由于用户观看行为的非线性性、预测窗口限制使得缓存长度过小等弊端。
-
公开(公告)号：CN111342867A
公开(公告)日：2020-06-26
申请号：CN202010126894.4
申请日：2020-02-28
Applicant: 西安交通大学
IPC: H04B7/0413 , H04B7/08 , H04L1/00 , G06N3/04
Abstract: 一种基于深度神经网络的MIMO迭代检测方法，利用存储设备保存一段时间内接收端接收到的发射端发射的经过信道传输和噪声干扰的接收信号以及对应的信道状态信息；基于QL分解对信道模型进行等价转换得到等价的信号观测和信道状态信息；基于RNN的特性对发射信号向量进行迭代求解；在每次迭代中将MIMO检测问题看作机器学习中的分类问题，基于转换后的信道模型，使用LSTM依次求解发射信号向量中每一个分量取所有星座点的概率；使用混合信噪比下等价的信号观测和信道状态信息训练网络，利用训练好的网络模型恢复任意信道以及不同信噪比下的发射信号。本发明基于深度神经网络，通过迭代求解发射信号向量的概率，降低MIMO信号检测复杂度，提高检测准确性。
-
公开(公告)号：CN109446519B
公开(公告)日：2020-05-22
申请号：CN201811178279.7
申请日：2018-10-10
Applicant: 西安交通大学
IPC: G06F40/289 , G06K9/62
Abstract: 本发明公开了一种融合数据类别信息的文本特征提取方法，该方法通过对数据进行清洗并训练词向量，将Seq2Seq自编码模型融入到LSTM分类模型，Seq2Seq和LSTM共用同一个Encoder，使得模型完成训练后，Encoder不仅可以利用到样本的类别信息，而且可以利用到文本自身的结构信息和语义信息，显著提高了Encoder面对未知类别文本的特征提取能力。
-
公开(公告)号：CN117252970A
公开(公告)日：2023-12-19
申请号：CN202311251010.8
申请日：2023-09-26
Applicant: 西安交通大学
IPC: G06T15/00 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种具有可解释性和可控性的雨生成方法，利用需要添加雨的背景图像和参考的带雨图像，组成训练数据集；根据雨生成机制，构建一个雨生成模型，其中雨的构成要素由雨核刻画，雨的稀疏程度由雨的map刻画；构建一个可变换卷积框架；将所述雨生成模型作为主干，结合所述可变换卷积框架，构建一个可变换的雨生成网络；利用所述训练数据集训练所述雨生成网络；将需要加雨的背景图像输入到训练好的雨生成网络中，通过网络的前向过程，输出得到生成的带雨图像。本发明首次能够在不成对雨数据学习雨的分布。发明的雨生成方法具有很好的可解释性、可控性以及较强的实际应用意义。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.031 seconds)
