-
公开(公告)号：CN114240748A
公开(公告)日：2022-03-25
申请号：CN202111475883.8
申请日：2021-12-06
Abstract: 本发明提供一种基于局部自回归模型和离散词典的超分辨率方法，包括：获取高清图片和低清图片的数据对，基于粗超分模型和高频离散可学习字典，对所述数据对进行处理，获得能够获取离散编码的局部自回归模型；待恢复的低清图片，经过所述粗超分模型和局部自回归模型，获得超分辨率图片。本发明通过粗超分模块实现初步超分，从而实现低频恢复，同时针对于高频进行离散编码，并通过局部自回归方法生成，实现对于低清图片的增强。
-
公开(公告)号：CN118644422A
公开(公告)日：2024-09-13
申请号：CN202310231366.9
申请日：2023-03-10
Abstract: 本发明提供一种人脸图像盲修复方法、系统、终端和介质，包括：获取待修复人脸图像，所述待修复人脸图像为遭受未知退化的低质量图像；使用预训练的扩散模型，将所述低质量图像转化为平滑的、干净的中间结果，实现对于所述低质量图像中退化的去除，其中，所述预训练的扩散模型具有由随机噪声生成人脸图像的功能；将所述中间结果映射为高质量图像，完成人脸图像修复。本发明是一种鲁棒的人脸图像盲修复方法，能够应对输入图像的各种退化，无需构造数据集来模拟现实场景中的退化，能够适用于真实图像中的未知退化，改善了现有技术需要构造模拟退化训练集，不贴合实际使用场景的问题。
-
公开(公告)号：CN114219728A
公开(公告)日：2022-03-22
申请号：CN202111496917.1
申请日：2021-12-09
Abstract: 本发明提供一种人脸图像修复方法，包括：对输入的高质量人脸图像利用高质量特征提取网络获取其在特征空间中的高质量表达；对输入的低质量人脸图像利用低质量特征提取网络获取其在特征空间中的低质量表达；使用跨质量转移估计网络估计特征空间中的高质量表达与低质量表达之间的转移向量，并使用所述转移向量编辑表达；使用预训练的图像恢复网络将编辑后的表达映射输出图像；在整个网络的联合损失约束下进行训练；使用训练好的网络进行人类图像修复。本发明无需成对的训练图像对，能够适用于真实图像中的未知退化，改善了现有技术需要成对的训练图像对，不贴合实际使用场景的问题。
-
公开(公告)号：CN114202786B
公开(公告)日：2025-04-18
申请号：CN202111340693.5
申请日：2021-11-12
Applicant: 中央广播电视总台
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本申请提供了一种人脸检测识别方法及装置、电子设备、存储介质，其中，所述人脸检测识别方法包括：使用人脸检测网络检测目标图片中的人脸，得到第一人脸集合；使用文本检测识别网络识别目标图片中的人名，得到第一人名集合；基于所述第一人脸集合中各个人脸的位置和所述第一人名集合中各个人名的位置，将人脸与人名进行配对。
-
公开(公告)号：CN114049533A
公开(公告)日：2022-02-15
申请号：CN202111318781.5
申请日：2021-11-09
Applicant: 中央广播电视总台
IPC: G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本申请提供了一种旗帜检测识别方法及系统，其中，所述旗帜检测识别方法包括：使用第一旗帜检测网络检测目标图片中的旗帜，得到第一旗帜集合；使用第一旗帜质量分类网络判断所述第一旗帜集合中的每个旗帜是否有效；针对所述第一旗帜集合中的有效的旗帜，使用第一旗帜检索网络从所述有效的旗帜中提取特征，并将提取的特征与检索库中的特征进行比对，基于比对结果确定所述有效的旗帜的类别。
-
Patent Agency Ranking
公开(公告)号：CN114202786A
公开(公告)日：2022-03-18
申请号：CN202111340693.5
申请日：2021-11-12
Applicant: 中央广播电视总台
Abstract: 本申请提供了一种人脸检测识别方法及装置、电子设备、存储介质，其中，所述人脸检测识别方法包括：使用人脸检测网络检测目标图片中的人脸，得到第一人脸集合；使用文本检测识别网络识别目标图片中的人名，得到第一人名集合；基于所述第一人脸集合中各个人脸的位置和所述第一人名集合中各个人名的位置，将人脸与人名进行配对。
-
公开(公告)号：CN116541791A
公开(公告)日：2023-08-04
申请号：CN202310540311.6
申请日：2023-05-12
Applicant: 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC: G06F18/2433 , A61B5/346 , A61B5/349 , A61B5/352 , A61B5/00 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于多尺度信号恢复的心电图异常检测方法和系统，包括：使用滤波消除心电图原始信号的信号噪声得到全局信号；检测全局信号R峰并使用自适应动态阈值得到局部信号；对全局信号和局部信号实现多尺度信号特征编码；对多尺度编码特征使用自注意力机制以及基于残差的方法得到全局和局部特征；对全局信号使用时间尺度平滑得到平滑信号趋势；对平滑信号趋势实现信号趋势编码；对全局特征和局部特征实现多尺度信号解码；对全局特征和信号趋势特征实现信号趋势解码；使用异常评定函数实现心电图异常评定。本发明提高了心电图异常检测算法对不同异常类型的探测能力，提高了心电图异常检测算法的可解释性。
-
公开(公告)号：CN118873148A
公开(公告)日：2024-11-01
申请号：CN202410919093.1
申请日：2024-07-10
Applicant: 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC: A61B5/318 , A61B5/346 , A61B5/00 , A61B5/36 , A61B5/352 , A61B5/366 , G06F18/24 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/098
Abstract: 本发明涉及一种基于异常检测预训练的心电图长尾分类方法、装置及介质，其中方法包括以下步骤：获取多尺度心电图信号；获取心电报告信息，提取报告属性信息和分类结果；基于多尺度心电图信号和报告属性信息预训练异常检测模型；以信号趋势辅助恢复中得到的信号趋势特征和多尺度交叉恢复中得到的全局心电特征的串联组合作为长尾分类网络的输入，从心电报告中提取的分类结果作为输出，训练长尾分类网络；将待检测心电图信号输入预训练完成的异常检测模型，对得到的信号趋势特征和全局心电特征进行串联组合，并将组合得到的特征输入到下游的长尾分类网络进行异常类型多分类，得到分类预测结果概率。与现有技术相比，本发明具有提高了分类结果的全面性和可靠性等优点。
-
公开(公告)号：CN118734903A
公开(公告)日：2024-10-01
申请号：CN202410722391.1
申请日：2024-06-05
Applicant: 上海人工智能创新中心 , 上海交通大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于混合低秩适配器的异构数据训练方法和系统，方法包括以下步骤：获取异构数据集，并输入预先构建的神经网络模型中进行模型训练，以通过训练好的神经网络模型进行数据预测；所述神经网络模型包括配置有混合低秩适配器的卷积层，对配置有混合低秩适配器的卷积层，通过设置两个低秩因子描述低秩适配器的贡献权重，并配置一个共享的初始权重；并分别针对已知目标与未知目标的场景，提出基于梯度的混合低秩适配器与基于路由的混合低秩适配器。与现有技术相比，本发明算法所需计算开销更少，有着更好的鲁棒性与泛用性，且适用于大规模多任务学习场景。
-
公开(公告)号：CN117893768A
公开(公告)日：2024-04-16
申请号：CN202311720346.4
申请日：2023-12-14
Applicant: 上海人工智能创新中心 , 上海交通大学
IPC: G06V10/44 , G06V10/82 , G06F18/213 , G06N3/0895 , G06N3/09 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/0985
Abstract: 本发明涉及一种多域胸片数据处理方法、设备及介质，该方法基于统一与分治两阶段预训练框架来实现；在所述统一阶段，引入图文对比学习和有监督学习，使数据处理模型捕捉多域数据的共有特征；在所述分治阶段，引入多专家架构并利用域对比学习，使来源相似的数据被分入到相似专家控制的疾病查询网络中。与现有技术相比，本发明具有充分挖掘多域胸片数据的共有特征及特有属性，在多种医疗场景下取得了显著的性能提升等优点。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.036 seconds)
