一种基于虚拟3D的Biunet脑部图像分割方法

    公开(公告)号:CN116433683A

    公开(公告)日:2023-07-14

    申请号:CN202211574287.X

    申请日:2022-12-08

    Abstract: 本发明请求保护一种基于虚拟3D的Biunet脑部图像分割方法,属于模式识别技术领域。所提方法主要包括以下步骤:(1)构建预处理模块,对输入的MR脑图像进行归一化、裁剪、切片处理,得到三个轴面的MR脑图像切片;(2)构建双支路模型Biunet对MR脑图像切片进行分割,在模型中将边缘信息投影到更高维度,更好的捕获组织间的边缘信息,解决边缘模糊影响分割精度问题;(3)针对Biunet模型中两条支路融合时特征不对齐问题影响分割精度问题,构建特征对齐融合(Feature Alignment Fusion,FAF)模块,利用可变形卷积进行偏移量的恢复,进一步提升分割精度;(4)为了更好的获得MR脑图像的空间信息,综合利用三个轴面信息,将获得的三个轴面分割结果进行集成,得到最后的分割结果。

    基于知识图谱补全的问答方法

    公开(公告)号:CN112015868A

    公开(公告)日:2020-12-01

    申请号:CN202010937656.1

    申请日:2020-09-07

    Abstract: 本发明涉及一种基于知识图谱补全的问答方法,属于自然语言处理领域,包括以下步骤:S1:将输入的Q划分为词或短语;S2:利用字向量模型BERT将词表征为向量,得到矩阵作为模型输入;S3:利用实体识别技术识别Q中的实体,获取候选实体集;S4:查询eKGs的类别,用c替换Q中的实体;S5:构建声明式查询cyher,获取候选三元组集,从而获取到候选关系集;S6:基于Qc和rij的关系链接;S7:在KGs中,如果eKGs和rij之间缺少关系;S8:学习实体eKGs和eKGs邻域内实体的新的向量表示;S9:估计中心实体邻域内实体的重要性;S10:基于现存的相关的三元组执行关系预测;S11:基于实体和关系的知识图推理,获得答案A。

    一种多级和分维矢量量化的遥感信号压缩编码方法

    公开(公告)号:CN103442236B

    公开(公告)日:2016-11-02

    申请号:CN201310420156.0

    申请日:2013-09-16

    Abstract: 本发明提出了一种基于多级分维矢量量化的高光谱信号编码方法。对第一级矢量量化的输入矢量首先进行去均值操作,构造第一级矢量量化的初始码书,并生成第一级矢量量化的最终码书和编码;由第一级矢量量化的重构图像和原去均值图像,构成矢量进行分维处理,分维后每一个部分的数据作为第二级矢量量化的输入矢量,构造第二级矢量量化的初始码书,同时利用快速搜索算法,实施快速聚类,生成每一个部分数据的第二级矢量量化的最终码书和索引。本发明结合去均值、矢量分维和多级矢量量化达到减小量化误差的目标,不仅能够提高压缩比和图像恢复质量,而且可以大幅降低算法的计算复杂度,达到对高光谱遥感信号快速压缩编码的目的。

    一种多路视频超分辨率服务器处理方法及处理系统

    公开(公告)号:CN119052533A

    公开(公告)日:2024-11-29

    申请号:CN202411136745.0

    申请日:2024-08-19

    Abstract: 本发明公开了一种多路视频超分辨率服务器处理方法及处理系统,涉及视频处理和人工智能领域,解决现有服务器无法根据时变的网络带宽和计算资源,调整超分辨率处理的参数和策略的问题;获取客户端发送的多路低分辨率视频并缓存至下载缓冲区;实时获取客户端网络带宽信息和服务器计算资源信息,以最大化用户体验质量为目标构建优化问题,基于多智能体强化学习求解优化问题得到决策信息;根据决策信息配置TPU硬件中的可伸缩超分辨率模型,从下载缓冲区按顺序加载低分辨率视频进行超分辨率处理,得到高分辨率视频;将高分辨率视频导入分发缓冲区,并根据客户端请求分发高分辨率视频;实现高效的实时多路视频处理和超分辨率处理。

    基于超分辨率的图像去雾方法、装置、设备及程序产品

    公开(公告)号:CN119006336A

    公开(公告)日:2024-11-22

    申请号:CN202411151038.9

    申请日:2024-08-21

    Abstract: 本申请公开了基于超分辨率的图像去雾方法、装置、设备及程序产品,涉及图像处理领域,其技术方案要点是:获取雾天场景下拍摄的第一图像;根据预先配置的超分辨率增强网络对第一图像进行增强,获得第二图像;所述超分辨率增强网络包括依次连接的上下文特征聚合网络、特征提取网络、图像重建网络和边缘增强网络;基于门控上下文聚合网络对第二图像进行去雾,获得无雾图像;其中引入由图像重构损失函数和图像结构相似损失函数加权求和所得的复合损失函数作为门控上下文聚合网络的损失函数。解决了超分辨率重建时忽略了图像中高频特征分量导致的无法有效保留图像细节,以及去雾方式未考虑图像的整体结构信息和图像细节保留的问题。

    一种基于傅里叶光场显微图像的多视图深度估计方法

    公开(公告)号:CN118429409A

    公开(公告)日:2024-08-02

    申请号:CN202410510868.X

    申请日:2024-04-26

    Abstract: 本发明请求保护一种基于傅里叶光场显微图像的多视图深度估计方法,属于傅里叶光场显微图像深度领域,针对深度重建,目前学术界采用光场重聚焦生成的焦点堆栈图像的散焦线索方法进行深度估计,在不同深度位置的焦栈图像存在伪影,会导致深度图出现伪结构。本文基于傅里叶光场图像,采用多视角立体匹配的方法,以中间视图与周围视图创建对应的代价值,选取绝对值排列较小的一半代价数值之和作为最终代价值,经过代价聚合、视差计算得到视差图,最终转换为深度图。本文提出的多视角立体匹配方法与散焦和对应关系的方法相比,外形结构恢复的精度更高。

    一种自适应的重叠图像旋转方法

    公开(公告)号:CN113298720B

    公开(公告)日:2022-08-19

    申请号:CN202110430956.5

    申请日:2021-04-21

    Abstract: 本发明公开了一种自适应的重叠图像旋转方法,在使用A‑KAZE特征提取算法和双向KNN特征匹配算法作为图像配准的基础上,通过检测两幅图像的特征匹配对之间是否存在交叉来判断两幅图像的重叠区域是否存在相对旋转;再通过限定图像的配准区域来实现图像的旋转,同时减少不必要区域的配准时间;调整图像的旋转角度,得到重叠区域平行的有序图像。本发明选取右图作为待旋转图像,左图作为参考图像,能够将待旋转图像旋转到其重叠区域与参考图像平行的位置,实现任意拍摄角度下的图像自适应的旋转。

    基于关系预测的知识图谱智能问答方法

    公开(公告)号:CN111782769B

    公开(公告)日:2022-07-08

    申请号:CN202010628423.3

    申请日:2020-07-01

    Abstract: 本发明涉及一种基于关系预测的知识图谱智能问答方法,属于自然语言处理领域。该方法包括步骤:S1:输入问题Q,对问题进行预处理;S2:利用实体识别技术识别问题中的实体equestion,并将实体equestion映射到KGs中对应的实体eKGs;S3:查询KGs中实体eKGs的类别c,用类别c替换问题Q中的实体equestion,标记为Qc;S4:从Qc中映射出关系r;S5:在KGs中,如果实体eKGs和关系r之间缺少联系;S6:学习中心实体eKGs的新的向量表示;S7:基于已有的相关三元组推断KGs中隐藏的关系;S8:基于实体和关系的知识图推理,获得答案A。本发明能找到“问句实体‑‑知识图实体”的对应关系,以及“问句自然语言描述——知识图语义关系”的对应关系。

    一种基于多模态知识选择的对话生成方法

    公开(公告)号:CN111984760A

    公开(公告)日:2020-11-24

    申请号:CN202010681826.4

    申请日:2020-07-15

    Abstract: 本发明涉及一种基于多模态知识选择的对话生成方法,属于自然语言处理领域。该方法将双方的对话内容通过BERT模型嵌入,把回复内容的知识选择认为是序列决策过程,根据前面几轮对话的选择知识,联合推断出要选择的对话内容。本发明不仅能减少知识提取的多样性造成的歧义,还能够使回复过程选择更合适的知识,从而提高了回复的内容的合理性和准确性。

Patent Agency Ranking