-
公开(公告)号：CN107451008A
公开(公告)日：2017-12-08
申请号：CN201710512493.0
申请日：2017-06-29
Applicant: 北京邮电大学
IPC: G06F11/10
Abstract: 本发明实施例提供了一种CRC计算方法及装置，所述方法包括：获取目标输入数据；将所述目标输入数据依次划分成n个序列长度相同的目标数据序列；利用n个处理器对n个目标数据序列进行并行循环冗余校验CRC计算，得到对应的n个第一CRC值；获取各第一CRC值对应的目标序列影响系数；分别将各第一CRC值与对应的目标序列影响系数进行迦罗瓦域乘法运算，得到n个第二CRC值；对n个第二CRC值进行异或运算，得到目标CRC值，以实现对所述目标输入数据的CRC计算。本发明实施例能够减少在CRC计算过程中的异或运算的次数，提高了计算速率；另外，本发明实施例减少了线程同步的次数，进一步提高了计算速率。
-
公开(公告)号：CN106991080A
公开(公告)日：2017-07-28
申请号：CN201710235860.7
申请日：2017-04-12
Applicant: 北京邮电大学
Abstract: 本发明实施例公开了一种数据的分位数确定方法及装置，所述方法包括：对从目标数据中选取的训练数据进行拟合，得到训练数据对应的概率密度函数p(x)；利用所述概率密度函数p(x)，计算训练数据对应的拟合分布函数F(x)及其逆函数F‑1(x)，其中，所述拟合分布函数F(x)为非线性函数；针对预设分位点序列P包含的每一个分位点，利用所述逆函数F‑1(x)，计算该分位点对应的拟合分位数，并将所述拟合分位数存储到拟合分位数序列B中；获得待计算分位数的目标数据序列D；针对所述目标数据序列D，利用所述拟合分布函数F(x)、所述逆函数F‑1(x)以及所述拟合分位数序列B，确定每一个分位点分别对应的当前分位数。利用本发明实施例，减小了确定出的分位数的误差。
-
公开(公告)号：CN112560957B
公开(公告)日：2023-04-07
申请号：CN202011496525.0
申请日：2020-12-17
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了一种神经网络训练、检测方法、装置及设备，该方法包括：获取待处理全切片数字图像及其对应的标签；分割待处理全切片数字图像，得到多张分割图像；通过神经网络的特征提取层和全连接层得到示例特征图以及多张分割图像对应的权重；将权重与示例特征图相乘后，输入至分类器，得到分类结果；基于分类结果与标签的对比结果，判断神经网络是否收敛；若否，则调整神经网络的参数，直至神经网络收敛，得到训练完成的神经网络模型。可见，本方案中，只需获取整张WSI的标签，并通过全连接层计算得到由WSI分割出的多张分割图像的权重，引导神经网络的训练，不需要在训练的过程中对分割得到的多张分割图像进行标注，减少了人力耗费。
-
公开(公告)号：CN115496180A
公开(公告)日：2022-12-20
申请号：CN202211043347.5
申请日：2022-08-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种网络流量特征序列生成模型的训练方法、生成方法及装置，针对网络流量的包含基础特征、数据包特征、时间特征和恶意流量特征的特征序列进行仿真，能够关注到应用层数据的特征。基于生成对抗网络进行无监督学习，简化了配置工作，提高了对网络流量特征序列进行仿真的效率。其中，基于强化学习构建生成器，能够提高对网络特征仿真的泛化能力，以适应更复杂的网络环境。采用蒙特卡洛学习构建生成器能够提高生成器的泛化能力。采用Wasserstein Loss作为生成器的损失函数，能够免生成对抗网络中常见的过拟合和模式崩溃问题。
-
公开(公告)号：CN113990521A
公开(公告)日：2022-01-28
申请号：CN202111231382.5
申请日：2021-10-22
IPC: G16H70/60 , G16H50/70 , G16H30/40 , G06N3/08 , G06N3/04 , G06V10/766 , G06V10/82 , G06V10/774 , G06V10/44 , G06K9/62
Abstract: 本发明涉及一种IgA肾病病理分析、预后预测及病理指标挖掘系统，包括：扫描标注模块，用于对病理切片图像进行扫描和标注；图像预处理模块，用于对经过扫描和标注后的病理切片进行预处理，并将经过预处理的图像分为训练集和验证集；模型训练模块，用于将训练集中的图像输入初始模型，对初始模型进行训练获得最优模型；验证模块，用于将验证集中的图像输入最优模型，并对其进行验证；分析模块，用于对最优模型的输出结果进行分析，获得每个病例病变特征和程度的指标量化值。其在输入图像后可迅速得出多项病理指标的分析结果，分析效率远高于人工评估，且评估结果不受主观因素影响，结果稳定性也远高于人工评估结果。
-
Patent Agency Ranking
公开(公告)号：CN113393454A
公开(公告)日：2021-09-14
申请号：CN202110753406.7
申请日：2021-07-02
Abstract: 本发明提供一种活检组织中病理目标实例分割方法与装置，所述方法包括以下步骤：在数据收集阶段，对同一组织上相邻的多个切片使用多种不同染色方法进行染色获得多个染色图像，并对获得的染色图像进行标注，获取不同染色对应的多种染色全切片图像放入数据集中；基于训练数据对Cascade Mask R‑CNN模型进行训练，其中，Cascade Mask R‑CNN模型的输出结构的维度与染色全切片图像的病理目标种类一致；将数据集中多种染色的切片图像作为训练后的Cascade Mask R‑CNN模型的输入，得到初始的实例分割输出结果，初始的实例分割输出结果包括病理目标检测结果、分类结果和分割结果；利用非极大值抑制算法抑制分类结果中的所有分类对应的实例分割输出结果，得到病理目标最终的实例分割输出结果。
-
公开(公告)号：CN109859218B
公开(公告)日：2020-12-04
申请号：CN201910138631.2
申请日：2019-02-25
Abstract: 本发明实施例提供了一种病理图关键区域确定方法、装置、电子设备及存储介质，其中方法包括：获取待处理病理图；将所述待处理病理图分割为多个待处理病理子图；将各所述待处理病理子图输入到预先确定的分类器中进行分析，确定各所述待处理病理子图中包含目标信息的目标待处理病理子图，以及所述目标待处理病理子图的目标特征；针对各所述目标待处理病理子图，将该目标待处理病理子图的目标特征输入到预先确定的分割模型中，得到划分出目标信息区域的该目标待处理病理子图对应的目标图片；组合各所述目标图片，得到针对于所述待处理病理图的病理图关键区域。本发明实现了减少病理图中目标信息的丢失，得到所有目标信息的病理图关键区域。
-
公开(公告)号：CN111858999A
公开(公告)日：2020-10-30
申请号：CN202010586972.9
申请日：2020-06-24
Applicant: 北京邮电大学
IPC: G06F16/583 , G06F16/538 , G06F16/55 , G06K9/62 , G06N3/04
Abstract: 本发明实施例提供了一种基于分段困难样本生成的检索方法及装置，其中，方法包括：使用原始三元图像组的样本集中的所有样本，通过对原始三元图像组的样本集中每一组原始三元图像组增加困难程度；并且在THSG的第一阶段中，增加正样本对的困难程度，得到困难正样本对的同时，保证困难正样本对的标签与原始正样本对的标签一致，以及在第二阶段增加原始负样本的困难程度，得到最终困难负样本和最终困难正样本对，提高样本集的有效使用性。进一步的，使用最终困难三元样本组，能够为较少的训练集补充有效的困难样本，从而使得模型能够更好的被训练。同时，通过使用困难样本对训练，得到更加强健、鲁棒的特征提取的检索模型。
-
公开(公告)号：CN106599195B
公开(公告)日：2020-07-31
申请号：CN201611155171.7
申请日：2016-12-14
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种海量网络数据环境下的元数据同步方法及系统，所述方法包括：中心节点服务器中的元数据库表内的元数据由第一稳定版本号更新为第二稳定版本号后，向子节点管理设备发送通知消息；其中，所述第二稳定版本号高于所述第一稳定版本号；所述子节点管理设备接收到所述通知消息后，从所述中心节点服务器中获取所述元数据库表，所述元数据库表内的元数据的版本号为所述第二稳定版本号；子节点管理设备将所获取的元数据库表发送给子节点服务器，以使所述中心节点服务器及所述子节点服务器的元数据库表内的元数据同步。本发明实施例，使得元数据同步系统中的元数据库表内的元数据及时同步。
-
公开(公告)号：CN109583369A
公开(公告)日：2019-04-05
申请号：CN201811439484.4
申请日：2018-11-29
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于目标区域分割网络的目标识别方法及装置，方法包括：获取待处理的遥感图像，并对遥感图像进行图像切分，得到多个子图像；将各子图像输入预先训练得到的特征提取网络中，得到各子图像对应的各特征图；将各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到各特征图对应的候选框和目标区域分割结果，并根据目标区域分割结果，将各特征图中属于非目标区域的部分置为0；将各特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将各目标特征图进行融合和格式恢复，得到遥感图像对应的识别结果图像。本实施例能够准确的对遥感图像进行目标识别。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.123 seconds)
