公开(公告)号：CN114724043B

公开(公告)日：2022-09-02

申请号：CN202210649810.4

申请日：2022-06-08

Applicant: 南京理工大学

Inventor： 练智超 ,  李竞择 ,  李敏

IPC: G06V20/10 ,  G06V10/30 ,  G06V10/74 ,  G06V10/77 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于对比学习的自编码器异常检测方法，首先对输入的正常样本进行编码特征提取；构建并更新特征存储模块；通过多尺度噪声和纹理数据集添加异常扰动，生成异常样本；对异常样本数据进行多组增强操作，并与正常样本结合，制作出对比学习框架所需的负样本对；通过自编码器对异常样本重构，根据对比损失计算图像重构前后误差；在检测阶段，获得与训练数据相似的重构；通过评估系统确定输入数据是否含有异常并定位，得到最终的异常检测结果。本发明利用对比学习的特点，通过异常嵌入模块和自编码器来构建合理的正负样本对，同时，特征存储模块使得检测过程中更好地重构正常样本并抑制异常数据重构，有效提高了异常检测的效果。

公开(公告)号：CN115082293B

公开(公告)日：2024-09-06

申请号：CN202210650873.1

申请日：2022-06-10

Applicant: 南京理工大学

Inventor： 李敏 ,  范盼 ,  王梦文

IPC: G06T3/147 ,  G06T3/4007 ,  G06T3/4038 ,  G06T7/33 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/088 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种基于Swin Transformer和CNN双分支耦合的图像配准方法。该方法包括以下步骤：1、对原始数据中所有图像进行执行灰度值归一化、中心裁剪和重采样等标准的预处理步骤；2、将浮动图像和固定图像拼接后送入配准网络，并行经过Swin Transformer和CNN两个编码器分支；3、在Swin Transformer的每一个阶段，通过双分支特征耦合模块将Swin Transformer特征映射与对应分辨率的CNN特征映射进行特征交互与融合；4、解码器自适应调整来自编码器的深层特征与来自上层的特征，最后输出浮动图像和固定图像之间的形变场；5、将浮动图像和形变场输入空间变换网络，得到配准图像。6、计算配准图像与固定图像之间的相似性损失以及形变场的正则化损失，经反向传播训练网络。本发明使用Swin Transformer与CNN双分支进行特征提取，充分利用两种分支的优点，实现了特征互补。

公开(公告)号：CN116152268A

公开(公告)日：2023-05-23

申请号：CN202111358244.3

申请日：2021-11-16

Applicant: 南京理工大学

Inventor： 李敏 ,  单芳湄 ,  王梦文

IPC: G06T7/11 ,  G06T7/00 ,  G06V10/80 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种融合注意力机制的多尺度肠道息肉分割方法。本发明方法的基本特征为：1、构建多尺度有效语义融合模块，提取更加丰富且有效的多尺度语义信息；2、构建一种全新的编码‑解码深度网络分割模型，提高息肉分割准确度；该方法通过提取足够的上下文信息以及不同感受野下的全局信息，并尽可能将那些对分割任务无用的特征筛选掉，克服了传统编码‑解码结构中语义信息受限且大量冗余的缺陷，对具有不同形态、不同大小息肉区域的二维肠镜图像均具有优良的分割及泛化性能。

公开(公告)号：CN113052850A

公开(公告)日：2021-06-29

申请号：CN201911369694.5

申请日：2019-12-26

Applicant: 南京理工大学

Inventor： 朱贤斌 ,  李敏

IPC: G06T7/11 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种距离正则水平集与卷积神经网络的左心室MRI图像分割方法。该方法将水平集算法融入到卷积神经网络的训练过程，生成一个端到端的模型架构。该分割模型在卷积神经网络的向前传递中，学习心室的轮廓结构特征，自动形成水平集的初始化并指导其轮廓曲线演化趋近于目标的边界；在反向传播中，以水平集的迭代结果计算卷积神经网络的目标损失函数，并通过反向梯度传播更新卷积神经网络中的各层参数进行网络参数的快速收敛。通过上述两种方法互相结合、相互作用，实现卷积神经网络和水平集的联合分割。本发明有效解决了传统水平集算法中需要手工初始化和大量迭代的问题。

公开(公告)号：CN107175096A

公开(公告)日：2017-09-19

申请号：CN201710356693.1

申请日：2017-05-19

Applicant: 南京理工大学

Inventor： 杨毅 ,  王亚淼 ,  李敏 ,  张潇月 ,  夏光志 ,  徐萌川 ,  刘颖 ,  颜学武

IPC: B01J23/10 ,  B01J23/06 ,  B01J37/08 ,  C02F1/30 ,  C02F101/38

CPC classification number: Y02W10/37 ,  B01J23/10 ,  B01J23/06 ,  B01J35/004 ,  B01J37/088 ,  C02F1/30 ,  C02F2101/38 ,  C02F2305/10

Abstract: 本发明公开一种Pr3+:Y2SiO5/ZnO强化可见光催性能的复合光催化剂及其制备方法，所述复合光催化剂是利用超声‑水热法将纳米氧化锌包覆在纳米上转换发光材料Pr3+:Y2SiO5表面得到。该结构能够有效传递Pr3+:Y2SiO5发射出的紫外光到达ZnO表面，同时能够在ZnO内腔产生更多的能级缺陷，减少空穴‑电子对的复合，使ZnO的光催化活性大大提高。