-
Patent Agency Ranking
公开(公告)号：CN117115180A
公开(公告)日：2023-11-24
申请号：CN202310817491.8
申请日：2023-07-05
Applicant: 西安电子科技大学
IPC: G06T7/11 , G06T7/00 , G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/0895
Abstract: 本发明提出了一种基于自适应的半监督医学图像分割方法，实现步骤为：获取源域和目标域3D医学图像，并对其进行预处理；获取源域训练样本集；获取有标签目标域训练样本集、无标签目标域测试样本集以及目标域训练样本集；构建半监督医学图像分割模型O并定义其损失函数Loss；对半监督医学图像分割模型O进行迭代训练；获取半监督医学图像的分割结果。本发明源域训练样本集中包含有所有源域图像切片对应的域自适应图像，在对半监督医学图像分割模型进行训练的过程中，通过域自适应教师模型、目标域教师模型的不确定性指导学生模型学习更可靠的目标域预测概率图和域自适应预测概率图，充分利用源域数据，有效提高了医学图像的分割精度。
-
公开(公告)号：CN114494015A
公开(公告)日：2022-05-13
申请号：CN202210083251.5
申请日：2022-01-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于盲超分辨率网络的图像重建方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建基于盲超分辨率网络的图像重建模型O；(3)对盲超分率图像重建网络模型O进行迭代训练；(4)获取图像重建结果。本发明所构建的盲超分辨率图像重建模型，能够根据不同退化图像自适应进行模糊核估计并修正模糊核，使的估计的模糊核更加准确，解决了现有技术中存在的因模糊核估计不准确导致重建图像纹理模糊和结构失真的技术问题，在保证重建图像分辨率前提下，有效提高了重建图像的质量。
-
公开(公告)号：CN114598833B
公开(公告)日：2023-02-10
申请号：CN202210305381.9
申请日：2022-03-25
Applicant: 西安电子科技大学
IPC: H04N7/01 , G06T7/269 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于时空联合注意力的视频插帧方法，实现步骤为：(1)获取训练数据集和数据集；(2)构建基于时空联合注意力的视频插帧网络；(3)对视频插帧网络模型迭代训练；(4)获取视频插帧结果。本发明所构建的基于时空联合注意力的视频插帧模型，利用时空注意力机制去捕获输入帧之间的时空关系，并对复杂运动进行建模，完成了高质量的视频插帧。与现有的大多数网络相比，本算法不使用额外的光流输入，避免了光流估计带来的额外误差，同时使得网络参数量低，有实际应用价值。
-
公开(公告)号：CN114598833A
公开(公告)日：2022-06-07
申请号：CN202210305381.9
申请日：2022-03-25
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于时空联合注意力的视频插帧方法，实现步骤为：(1)获取训练数据集和数据集；(2)构建基于时空联合注意力的视频插帧网络；(3)对视频插帧网络模型迭代训练；(4)获取视频插帧结果。本发明所构建的基于时空联合注意力的视频插帧模型，利用时空注意力机制去捕获输入帧之间的时空关系，并对复杂运动进行建模，完成了高质量的视频插帧。与现有的大多数网络相比，本算法不使用额外的光流输入，避免了光流估计带来的额外误差，同时使得网络参数量低，有实际应用价值。
-
公开(公告)号：CN114494015B
公开(公告)日：2024-07-02
申请号：CN202210083251.5
申请日：2022-01-25
Applicant: 西安电子科技大学
IPC: G06T3/4053 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于盲超分辨率网络的图像重建方法，实现步骤为：(1)获取训练样本集和测试样本集；(2)构建基于盲超分辨率网络的图像重建模型O；(3)对盲超分率图像重建网络模型O进行迭代训练；(4)获取图像重建结果。本发明所构建的盲超分辨率图像重建模型，能够根据不同退化图像自适应进行模糊核估计并修正模糊核，使的估计的模糊核更加准确，解决了现有技术中存在的因模糊核估计不准确导致重建图像纹理模糊和结构失真的技术问题，在保证重建图像分辨率前提下，有效提高了重建图像的质量。
-
-
-
-
Search Results
5
records
(took 0.062 seconds)
