公开(公告)号：CN118887395A

公开(公告)日：2024-11-01

申请号：CN202410724277.2

申请日：2024-06-05

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 高飞 ,  马振东 ,  何振东 ,  何立火 ,  王楠楠

IPC: G06V10/26 ,  G06V10/82 ,  G06N3/048 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明公开了一种基于统计自适应激活的乳腺病灶区域图像分割方法，包括以下步骤；步骤1：构建超声乳腺癌病灶分割数据集；步骤2：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于局部统计特性的空间自适应激活模块；步骤3：利用步骤1得到的超声乳腺癌病灶分割数据集构建基于通道统计特性的通道自适应激活模块：步骤4：通过基于局部统计特性的空间自适应激活模块和基于通道统计特性的通道自适应激活模块构建基于统计自适应激活的图像分割方法，完成对超声影像的乳腺病灶区域分割。本发明使现有分割模型具备全局特性和局部特性的自适应能力，最终提升了分割模型的分割精度。

公开(公告)号：CN119251484A

公开(公告)日：2025-01-03

申请号：CN202410734349.1

申请日：2024-06-07

Applicant: 西安电子科技大学杭州研究院 ,  西安电子科技大学

Inventor： 高飞 ,  韩文旺 ,  张德瑞 ,  何立火 ,  王楠楠

IPC: G06V10/26 ,  G06T7/11 ,  G06V40/16 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/0455

Abstract: 基于表象一致对比学习的图像精细化分割方法，包括以下步骤；步骤1：构建基础分割模块，将图片经过基础分割模块后得到特征图；步骤2：构建超像素引导的表象一致对比学习模块，将所述特征图作为超像素引导的表象一致对比学习模块的输入；步骤3：构建局部风格引导的表象一致对比学习模块；将所述特征图作为局部风格引导的表象一致对比学习模块的输入；在两个模块中进行块间相似度损失计算和像素级对比损失计算；步骤4：将像素级对比学习损失和块间相似度损失联合起来进行联合训练，最小化损失。本发明有效降低错误标签对分割模型的影响，实现了精细化的分割结果，能够对图像进行更加精细的分割。

公开(公告)号：CN118822992A

公开(公告)日：2024-10-22

申请号：CN202410927851.4

申请日：2024-07-11

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 高飞 ,  史嘉琦 ,  何立火 ,  王楠楠

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/40 ,  G06F40/284 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06F18/25 ,  G06F18/241 ,  G06F18/27 ,  G06N3/045 ,  G06N3/048 ,  G06N3/047 ,  G06N3/096

Abstract: 本发明公开了一种基于状态空间模型的通用图像美学评价方法，包括以下步骤；步骤1，根据数据集和任务类型，获取训练样本集Strain和测试集Stest；步骤2，构建通用图像美学评价框架的子模块：步骤3：从步骤2中不同的子模块进行构建，结合具体任务构建具体通用性或者个性化美学评价模型M；步骤4，对网络模型M进行迭代训练：步骤5，通过步骤4迭代训练后的模型。获取美学质量评价分数预测结果。本发明有效的解决了现有图像美学评价模型难以结合局部和全局图像特征、模型多任务训练的不平衡性、模型难以高效灵活设计的问题。

公开(公告)号：CN118735942A

公开(公告)日：2024-10-01

申请号：CN202410767592.3

申请日：2024-06-14

Applicant: 西安电子科技大学 ,  西安电子科技大学杭州研究院

Inventor： 高飞 ,  施斯 ,  蒋依凡 ,  何立火 ,  王楠楠

IPC: G06T7/11 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了基于广义类平衡损失的图像分割方法，包括以下步骤；步骤1：将图像输入到分割网络中；通过分割网络中的编码器提取图像特征，并通过解码器将所述图像特征恢复到原始分辨率，生成预测的分割图像；步骤2：将真实的分割图像作为真实标签，计算所述预测的分割图像和真实的分割图像之间的广义类平衡损失；步骤3：利用所述广义类平衡损失进行反向传播，并更新网络参数。本发明利用不同的调节因子，有效平衡了不同类别间的损失贡献。通过精确地分割小样本区域，进一步提升了整体的图像分割精度，实现了在保证总体性能的同时，特别增强了模型对不均衡数据分布的处理能力。

公开(公告)号：CN114677271B

公开(公告)日：2025-04-29

申请号：CN202210147859.X

申请日：2022-02-17

Applicant: 西安电子科技大学

Inventor： 王楠楠 ,  宫朝日 ,  辛经纬 ,  程德 ,  姜馨蕊

IPC: G06T3/4053 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供的一种基于深度图像先验的高光谱图像超分辨率重建方法，通过在现有的主体学习网络中加入不基于训练的自动处理网络，通过设计输入处理模块来充分根据网络主体结构调整网络输入，使输入与网络结构产生共鸣，从而充分利用图像先验信息，利用DCNN的内在特征先捕获图像，然后再恢复图像。本发明所提出的网络结构充分利用了高光谱图像的空间信息和光谱波段之间的相关性学习图像特征，并且此本发明的自动处理网络中的输入处理模块可以自动调整输入结构，可以大大扩展DIP算法的应用，使DIP方法更适合于高光谱超分任务，可以进一步提高了构图像的质量。

公开(公告)号：CN118015346B

公开(公告)日：2025-03-21

申请号：CN202410100761.8

申请日：2024-01-24

Applicant: 西安电子科技大学

Inventor： 程德 ,  胡雨松 ,  王楠楠 ,  朱明瑞 ,  高新波

IPC: G06V10/764 ,  G06N3/082 ,  G06V10/82 ,  G06N3/084 ,  G06V10/774 ,  G06N3/0985

Abstract: 本发明提出了一种基于正交网络的图像分类方法及装置，从电子设备获取当前时刻的当前环境下监测到的图像作为待分类图像，并生成该待分类图像的当前分类任务；执行所述当前分类任务，以将所述待分类图像输入至训练完成的分类模型中，以使所述分类模型输出所述待分类图像的类别。本发明训练完成的分类模型具有保存旧知识的固定参数、共享旧知识和新知识的共享参数、学习新知识的自由参数。本发明通过剪枝后的分类模型中的共享参数来解决图像分类模型中的灾难性遗忘问题，以对当前监测到的图像分类可以提高分类的准确性和效率，这是促进图像分类技术的现实应用的关键。

公开(公告)号：CN119131855A

公开(公告)日：2024-12-13

申请号：CN202411051791.0

申请日：2024-08-01

Applicant: 西安电子科技大学

Inventor： 陈茵茵 ,  彭春蕾 ,  郑昱 ,  刘德成 ,  鲁瑞颖 ,  李腾 ,  张鼎文 ,  王楠楠 ,  高新波

IPC: G06V40/16 ,  G06V40/40 ,  G06V20/40 ,  G06T7/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/084 ,  G06N3/0464 ,  G06T7/11

Abstract: 本发明公开了一种缩小属性偏见的人脸伪造检测方法及系统，该方法包括：获取待检测视频；对待检测视频进行预处理，得到待检测图像序列；获取预训练的伪造检测模型；将待检测图像序列输入预训练的伪造检测模型，利用属性分析模型提取面部属性特征，利用纹理分析模型提取面部纹理特征；通过时空特征聚合器对面部属性特征和面部纹理特征进行融合处理，得到检测结果；检测结果表征待检测视频中人脸是否为伪造。通过属性分析模型和纹理分析模型提取出面部属性特征和面部纹理特征，更加具有分辨性和鲁棒性；利用时空特征聚合器对面部属性特征和面部纹理特征进行融合，从而降低了属性之间的标准差的同时，减少了偏见，提高了准确率、公正性和普适性。

公开(公告)号：CN118537890A

公开(公告)日：2024-08-23

申请号：CN202410535381.7

申请日：2024-04-30

Applicant: 西安电子科技大学

Inventor： 王楠楠 ,  台海春 ,  程德 ,  李洁 ,  高新波

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/40 ,  G06V10/25 ,  G06F16/583 ,  G06N3/045 ,  G06N3/088 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0895 ,  G06N3/084

Abstract: 本发明提供了一种基于多粒度图卷积的弱监督人物搜索方法、装置及介质。其中，方法包括：获取待识别场景图像以及查询人物；将查询人物输入预训练搜索网络，获取查询特征；将待识别场景图像输入预训练搜索网络，根据查询特征对待识别场景图像进行人物搜索，并根据人物搜索的结果在待识别场景图像中得到对应的人物位置信息；预训练搜索网络基于实例任务分支和搜索任务分支进行无监督训练得到；预训练搜索网络的网络参数基于第一特征和第二特征的多粒度对齐结果进行迭代更新；第一特征基于实例任务分支得到，第二特征基于搜索任务分支得到。在本发明中，通过实例任务分支和搜索任务分支同时进行网络的训练，提高了预训练搜索网络的搜索效率和效果。

公开(公告)号：CN118506047A

公开(公告)日：2024-08-16

申请号：CN202410103821.1

申请日：2024-01-24

Applicant: 西安电子科技大学

Inventor： 程德 ,  许志鹏 ,  王楠楠 ,  方超伟 ,  高新波

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/08 ,  G06V10/74

Abstract: 本发明公开了一种基于特征解耦和类中心匹配的领域泛化的图像类别预测处理方法，包括：针对一张待处理图像获取该待处理图像对应的领域泛化数据集；对领域泛化数据集中的文本进行文本解耦；对领域泛化数据集中的图像进行图像解耦；构建类中心存储器，利用类中心存储器得到领域相关的预测概率，通过计算得到领域无关的预测概率，对领域相关的预测概率和领域无关的预测概率进行加权求和得到待处理图像的总体类别的预测概率并输出。本发明构建了类中心存储器，得到领域相关的预测概率，将领域相关的预测概率与领域无关的预测概率相结合，得到总体的预测概率，极大地提高了待处理图像的总体类别的预测概率。

公开(公告)号：CN113095128B

公开(公告)日：2023-09-19

申请号：CN202110225417.8

申请日：2021-03-01

Applicant: 西安电子科技大学

Inventor： 王楠楠 ,  丁鑫棚 ,  高新波 ,  李洁 ,  朱明瑞 ,  李国璋

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明公开了一种基于K最远交叉一致性正则化的半监督时序行为定位方法，包括：获取包括多个有标签视频和多个无标签视频的训练数据集；利用时序片段网络分别获得有标签视频和无标签视频的特征；利用染色体交叉互换法对无标签视频的特征进行干扰，获得无标签视频的干扰后特征；将有标签视频的特征、无标签视频的特征、及无标签视频的干扰后特征输入预测网络，分别得到对应的预测值；重复上述步骤，利用训练数据集和损失函数对预测网络进行训练，获得经训练的预测网络；利用经训练的预测网络对待定位视频进行预测，获得待定位视频的行为类别和时序边界。该方法采用K最远交叉的干扰方式，直接在特征上进行干扰，过程更加的高效和简单。