公开(公告)号：CN115496955A

公开(公告)日：2022-12-20

申请号：CN202211459133.6

申请日：2022-11-18

Applicant: 之江实验室

Inventor： 胡季宏 ,  许莹莹 ,  刘婧 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本申请涉及一种图像分类模型训练方法、图像分类方法、设备和介质，通过将有标签样本输入至图像分类模型，得到监督损失；将无标签样本输入至图像分类模型，得到伪标签和半监督损失，无标签样本由无标签数据集进行不同程度的图像增强处理得到；根据无标签样本的伪标签的属性和对应的图像增强处理的程度，筛选相应无标签样本作为图像分类模型中预设分类的正样本、负样本和锚点，将正样本、负样本和锚点输入至损失函数进行计算，得到对比学习损失，负样本携带有不可靠伪标签；根据监督损失、半监督损失和对比学习损失，确定总损失，将总损失输入至图像分类模型进行反向传播以更新图像分类模型的参数，提升了模型的预测精度，加快了模型收敛速度。

公开(公告)号：CN114723842B

公开(公告)日：2022-08-23

申请号：CN202210569044.0

申请日：2022-05-24

Applicant: 之江实验室

Inventor： 徐阳迪 ,  林宏翔 ,  许莹莹 ,  李劲松

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度融合神经网络的稀疏视角CT成像方法和设备。该方法通过获取稀疏视角的投影测量数据来降低单次CT扫描照射剂量，并使用滤波反投影法得到初始CT图像；构建由初始CT图像编码器、投影测量数据编码器、深层特征融合模块、融合特征解码器和全局信息补充模块构成的深度融合神经网络，训练深度融合神经网络，在训练过程中使用模拟退火进行人工衰减，损失函数由平均绝对误差和结构相似性误差组合而成，最终获得高质量CT重建图像。本发明与其他计算量相当的CT重建方法如滤波反投影法相比，能够更有效地去除稀疏视角CT图像中的重建伪影，并能够显著提升经典的图像度量指标如均方根误差、峰值信噪比、结构相似性指标等。

公开(公告)号：CN119988915A

公开(公告)日：2025-05-13

申请号：CN202510481339.6

申请日：2025-04-17

Applicant: 之江实验室

Inventor： 许莹莹 ,  基隆若沙库·提提郎 ,  任意 ,  姚柯璐 ,  李超

IPC: G06F18/21 ,  G06V10/776 ,  G06N5/04

Abstract: 本说明书提供一视觉语言模型的评测方法和公开评测平台，所述方法包括：接收待评测的目标模型和用户从所述公开评测平台提供的任务集合中选择的至少一个目标任务；所述任务集合中各个任务对应有指令跟随数据集，所述指令跟随数据集中的任一样本包括图像、指令和回答。从所述任务集合对应的指令跟随数据集获取与所述目标任务对应的目标数据集，所述目标模型在所述目标数据集上进行推理，以得到推理结果。根据所述推理结果和各个目标任务的目标评测指标，确定所述目标模型在各个目标任务上的第一评估分数。

公开(公告)号：CN119599094A

公开(公告)日：2025-03-11

申请号：CN202510151576.6

申请日：2025-02-11

Applicant: 之江实验室

Inventor： 基隆若沙库·提提郎 ,  许莹莹 ,  姚柯璐 ,  李超

IPC: G06N3/096 ,  G06N3/0464

Abstract: 本说明书提供一种模型训练方法、装置、电子设备和存储介质，所述方法包括：将训练数据分别输入至教师模型、辅助模型和学生模型，所述教师模型是已训练的。教师模型对训练数据进行特征提取，并将提取的教师中间特征传递至所述辅助模型。所述辅助模型对所述训练数据进行特征提取，并将提取的辅助中间特征传递至所述学生模型；以及，基于第一损失函数训练所述辅助模型，所述第一损失函数包括所述辅助中间特征与所述教师中间特征之间的第一特征蒸馏损失。所述学生模型对所述训练数据进行特征提取，得到学生中间特征；以及，基于第二损失函数训练所述学生模型，所述第二损失函数包括所述学生中间特征与所述辅助中间特征之间的第二特征蒸馏损失。

公开(公告)号：CN118570199B

公开(公告)日：2024-11-29

申请号：CN202411038491.9

申请日：2024-07-31

Applicant: 之江实验室

Inventor： 许莹莹 ,  赵嘉玥 ,  胡季宏 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种基于多任务协作学习的肝细胞癌早期复发预测系统，包括：预处理模块、模型训练模块和复发预测模块，使用多期相三通道图像集合对多任务协作学习的肝细胞癌早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务协作学习的肝细胞癌早期复发预测模型并进行早期复发预测。提出基于多层级信息指导的特征融合，通过多层级分割信息的位置指导对早期复发预测网络特征进行优化，提升网络的预测能力；提出基于类激活图的分割结果修正模块，通过该模块可以结合分类相关的类激活注意力特征图对分割特征进行改进，提高病灶分割网络的分割结果性能。

公开(公告)号：CN118570199A

公开(公告)日：2024-08-30

申请号：CN202411038491.9

申请日：2024-07-31

Applicant: 之江实验室

Inventor： 许莹莹 ,  赵嘉玥 ,  胡季宏 ,  陈延伟 ,  童若锋 ,  林兰芬 ,  李劲松

IPC: G06T7/00 ,  G06T7/10

Abstract: 本发明公开了一种基于多任务协作学习的肝细胞癌早期复发预测系统，包括：预处理模块、模型训练模块和复发预测模块，使用多期相三通道图像集合对多任务协作学习的肝细胞癌早期复发预测模型进行训练，训练过程中，使用随机梯度下降算法更新模型参数，得到训练好的多任务协作学习的肝细胞癌早期复发预测模型并进行早期复发预测。提出基于多层级信息指导的特征融合，通过多层级分割信息的位置指导对早期复发预测网络特征进行优化，提升网络的预测能力；提出基于类激活图的分割结果修正模块，通过该模块可以结合分类相关的类激活注意力特征图对分割特征进行改进，提高病灶分割网络的分割结果性能。