公开(公告)号：CN120072213A

公开(公告)日：2025-05-30

申请号：CN202510108472.7

申请日：2025-01-23

Applicant: 燕山大学

Inventor： 尤殿龙 ,  陶存国 ,  陈真

IPC: G16H30/40 ,  G06T7/11 ,  G06N3/0895

Abstract: 本发明公开基于跨图像学习和形状融合的半监督医学图像分割方法，涉及计算机视觉与数字图像处理技术领域。所述方法包括：对原始医学图像进行预处理，并将预处理数据输入第一分支网络中进行分割预测，并通过形状融合模块得到形状先验数据。将得到的形状先验数据与预处理数据进行拼接，并输入第二分支网络中进行分割预测，得到特征图；对特征图进行基于图像原型的跨图像预测计算，进而计算跨图像一致性损失；基于跨图像一致性损失、交叉熵损失和DICE损失计算全过程损失，利用全过程损失对各分支网络进行训练，并利用训练好的网络模型对待测图像进行分割。本发明通过强调图像间的信息交互和特征之间的关联，有助于增强和突出相关特征，提高对新、未见图像的泛化能力，进而提高分割准确率。

公开(公告)号：CN120047983A

公开(公告)日：2025-05-27

申请号：CN202510112695.0

申请日：2025-01-24

Applicant: 燕山大学

Inventor： 尤殿龙 ,  李泽轩 ,  陈真

IPC: G06V40/16 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N5/025 ,  G06N5/04 ,  G06N3/048

Abstract: 本发明公开一种具有因果效应传递的人脸特征解耦表示方法、装置及介质，涉及因果发现、图像生成与解耦表示学习技术领域。该方法包括：建立变分自编码器，响应于输入的人脸数据，基于所述变分自编码器从潜在空间中学习得到潜在特征分布；将结构因果模型集成至所述变分自编码器中，对因果效应进行建模，以从所述潜在特征分布中提取因果特征；建立图注意力网络，将所述因果特征输入至所述图注意力网络中解耦时传递因果效应；设计损失函数，利用判别器对所述图注意力网络进行训练。该方法能够有效地挖掘并传递人脸特征间的因果关系，提升特征表示的解释性和可迁移性，具有较强的应用潜力，尤其适用于人脸识别、表情分析等任务。

公开(公告)号：CN115809721A

公开(公告)日：2023-03-17

申请号：CN202211403877.6

申请日：2022-11-10

Applicant: 燕山大学

Inventor： 陈真 ,  马信宏 ,  曾叶鸿

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q50/10 ,  G06F18/241 ,  G06F17/18 ,  G06N3/045 ,  G06N3/08 ,  G06F16/29

Abstract: 本发明公开了基于三维张量高阶特征交互的云API服务质量预测方法，属于服务质量预测领域，所述预测方法包括以下步骤：步骤1，获取云API服务质量数据集；步骤2，设计异常点检测模块，检测筛除云API服务质量数据集离群点；步骤3，设计空间位置信息优化模块，充分提取经纬坐标产生的信息；步骤4，构建可自适应的三维张量网络模型，将处理后的用户特征和云API特征输入三维张量网络模型中，得到高阶特征交互后产生的新特征信息；步骤5，将新特征信息输入深度神经网络层中充分学习，最后通过全连接层得到云API服务质量预测值。本发明设计的方法在多种数据密度场景下都具有更精确的预测效果和较高的鲁棒性。