-
公开(公告)号：CN113033696A
公开(公告)日：2021-06-25
申请号：CN202110393261.4
申请日：2021-04-13
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于对比对抗网络的小样本商品图像分类算法，包括下列步骤：1)同类别与不同类别样本对组成；2)样本对相似性分类网络构建；3)相似性全局网络卷积；4)同类别样本对判别网络；5)分类网络与判别网络对抗优化。本发明还提供一种基于对比对抗网络的小样本商品图像分类系统。本发明利用大量标注的非目标类别商品样本，可以实现在标注少量目标类别商品图像时，通过对抗的方式实现相似性比对知识的转化，实现小样本商品图像的精准分类。
-
公开(公告)号：CN110418030B
公开(公告)日：2020-07-10
申请号：CN201910548714.9
申请日：2019-06-24
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括下列步骤：1)印染机CMYK墨水样本选取；2)光箱相机颜色采集标定与色差补偿；3)图片色块颜色样本的采集与提取；4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换。通过上述步骤建立的转换关系，可以将任何一张RGB图片精确地转换为对应CMYK颜色值图片，用于纺织品花型稿的喷墨印染。
-
公开(公告)号：CN110418030A
公开(公告)日：2019-11-05
申请号：CN201910548714.9
申请日：2019-06-24
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 一种基于图像色块用于纺织品喷墨印染的颜色一致性映射方法，包括下列步骤：1)印染机CMYK墨水样本选取；2)光箱相机颜色采集标定与色差补偿；3)图片色块颜色样本的采集与提取；4)利用RBF神经网络建立RGB颜色空间与CMYK颜色空间之间的转换。通过上述步骤建立的转换关系，可以将任何一张RGB图片精确地转换为对应CMYK颜色值图片，用于纺织品花型稿的喷墨印染。
-
公开(公告)号：CN112381168B
公开(公告)日：2022-04-01
申请号：CN202011318081.1
申请日：2020-11-23
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06V10/82 , G06N3/04 , G06T11/00
Abstract: 基于单样例引导物体表征拆分的图像编辑算法，包括下列步骤：1)基于单样例的监督模块构建；2)单样例引导下的自监督模块中的对偶策略构建；3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法，只需要为每一类别图像标注一个样本形成单样例样本，利用单样例样本引导大量无标注数据训练的方式，通过单样例的监督模块和单样例引导无标注数据的自监督模块，实现复杂场景的前景物体和背景表征拆分，使得在图像表征空间即可直接操作图像，轻松实现相关图像编辑任务。
-
公开(公告)号：CN112381168A
公开(公告)日：2021-02-19
申请号：CN202011318081.1
申请日：2020-11-23
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于单样例引导物体表征拆分的图像编辑算法，包括下列步骤：1)基于单样例的监督模块构建；2)单样例引导下的自监督模块中的对偶策略构建；3)单样例引导下的自监督模块中的模糊分类策略构建4)基于单样例标注图像引导物体表征拆分的图像编辑。通过上述步骤建立的基于单样例引导物体表征拆分的图像编辑算法，只需要为每一类别图像标注一个样本形成单样例样本，利用单样例样本引导大量无标注数据训练的方式，通过单样例的监督模块和单样例引导无标注数据的自监督模块，实现复杂场景的前景物体和背景表征拆分，使得在图像表征空间即可直接操作图像，轻松实现相关图像编辑任务。
-
Patent Agency Ranking
公开(公告)号：CN113033696B
公开(公告)日：2022-06-17
申请号：CN202110393261.4
申请日：2021-04-13
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 基于对比对抗网络的小样本商品图像分类算法，包括下列步骤：1)同类别与不同类别样本对组成；2)样本对相似性分类网络构建；3)相似性全局网络卷积；4)同类别样本对判别网络；5)分类网络与判别网络对抗优化。本发明还提供一种基于对比对抗网络的小样本商品图像分类系统。本发明利用大量标注的非目标类别商品样本，可以实现在标注少量目标类别商品图像时，通过对抗的方式实现相似性比对知识的转化，实现小样本商品图像的精准分类。
-
公开(公告)号：CN108875777B
公开(公告)日：2022-03-15
申请号：CN201810413037.5
申请日：2018-05-03
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法，首先利用手机装上专业光学放大摄像头采集纺织面料样本数据；其次，构建双路深度神经网络，以采集到纺织面料样本中部分图像块为输入，输出为纺织面料中纤维种类及混纺比例，对采集到的样本数据集预处理后，对构建的双路深度网络进行训练；实际使用中，利用手机配备的专业光学放大摄像头拍摄任意一种纺织面料，获得的图片远程传入训练好的深度网络，输出对应纺织面料中纤维种类以及对应混纺比例。通过上述3个步骤，可以识别出任意一种纺织面料中纤维种类以及对应混纺比例。
-
公开(公告)号：CN108875777A
公开(公告)日：2018-11-23
申请号：CN201810413037.5
申请日：2018-05-03
Applicant: 浙江大学 , 浙江大学滨海产业技术研究院
Abstract: 基于双路神经网络的纺织面料中纤维种类及混纺比例识别方法，首先利用手机装上专业光学放大摄像头采集纺织面料样本数据；其次，构建双路深度神经网络，以采集到纺织面料样本中部分图像块为输入，输出为纺织面料中纤维种类及混纺比例，对采集到的样本数据集预处理后，对构建的双路深度网络进行训练；实际使用中，利用手机配备的专业光学放大摄像头拍摄任意一种纺织面料，获得的图片远程传入训练好的深度网络，输出对应纺织面料中纤维种类以及对应混纺比例。通过上述3个步骤，可以识别出任意一种纺织面料中纤维种类以及对应混纺比例。
-
公开(公告)号：CN119295841B
公开(公告)日：2025-05-02
申请号：CN202411818625.9
申请日：2024-12-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/74 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 基于时空分布变化的伪造图片鉴别方法和装置，其方法包括：步骤1:获取任务训练数据，将其划分为训练集和验证集；采用所述训练数据，使用去噪扩散隐式模型去噪采样过程获得相邻噪声图的时序变化数据；获得每个候选判别因子DFactor和时间序列数据#imgabs0#之间的距离，基于KL散度的损失函数从候选DFactor的集合#imgabs1#中获得固定长度为#imgabs2#的最佳DFactor判别因子；采用最佳DFactor判别因子将时序变化数据构建成有向加权的演化图#imgabs3#；采用有向加权的演化图，学习所述时间序列的特征表示；将特征表示与对应的真假标签作为输入，训练分类器，实现伪造图片鉴别。本发明在图片伪造鉴别领域引入时序信息，不依赖于预训练加噪模型，在实际应用场景中有很好的泛化能力。
-
公开(公告)号：CN119445194A
公开(公告)日：2025-02-14
申请号：CN202411356507.0
申请日：2024-09-27
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/764 , G06N3/084 , G06N3/0464 , G06N3/0895 , G06T7/00 , G06T7/73
Abstract: 本发明公开了一种位置自监督的结直肠CT图像病变识别与定位方法，其通过自动化图像级分类和Patch级定位，显著减少医生工作量，并通过自监督学习减少对标注数据的依赖，具体包括构建多模态CT扫描序列数据集，关键帧选取与标注，图像预处理，以及结直肠CT图像识别与定位网络的构建和训练；网络包含图像级分类分支和Patch级定位分支，后者通过病变位置自监督模块增强病变区域识别；方法还包括时序和模态一致性约束，以提高病变区域位置定位的准确性；此外，方法通过掩码校正回路策略，增强类别标签与病变位置的一致性；本发明方法作为辅助工具，能够有效辅助医生进行手术规划和治疗选择，具有重要的临床应用价值。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.052 seconds)
