-
公开(公告)号：CN111402268B
公开(公告)日：2023-05-23
申请号：CN202010180378.X
申请日：2020-03-16
Applicant: 苏州科技大学 , 苏州金比特信息科技有限公司
IPC: G06T7/11 , G06T5/30 , G06T5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种医学图像中肝脏及其病灶分割的方法，先将腹部CT图像数据进行筛选及整合预处理，并划分成多个不同用处的数据集，然后搭建新的神经网络，使用小图数据进行初始训练；之后，保存训练好的模型，使用原图和新的数据增强方式进行二次训练，对预测的图片进行膨胀和腐蚀处理，用医学评价指标进行评测；分别用DL、GDL、TL损失函数训练的模型预测结果，将上述三个损失模型的预测结果相加取平均值形成融合特征，最后修改网络，把这三个损失模型融合在单个网络进行训练预测。能进行端到端的训练测试，以高精度和高速度来同时识别肝脏和病灶，有效帮助医生识别CT图像，大大减少医生所消耗的时间和精力，减少误诊的概率。
-
公开(公告)号：CN108960338B
公开(公告)日：2021-10-08
申请号：CN201810792426.3
申请日：2018-07-18
Applicant: 苏州科技大学
IPC: G06K9/62 , G06N3/04 , G06F40/289 , G06F40/205
Abstract: 本发明涉及一种基于注意力反馈机制的图像自动语句标注方法，包括：构建输入数据，给定一系列的图像χ＝{x1，x2，...，xN}作为训练集，其中N是样本数量；图像xi对应的语句表述为si＝{si，1，si，2，...，si，T}，T代表句子Si的长度；构建CNN‑RNN模型，进行正向文本成：从生成的文本中提取关键词注意力反向矫正图像注意力：利用上述从文本中提取出的关注特征，对原本的图像关注特征进行注意力矫正。能够解决注意力机制在图像自动语句标注过程中的注意力分散问题及生成语句错乱的问题，采用反馈式CNN‑RNN结构，利用反馈机制将生文本中的关键信息反向传给图像，将有利于在提取图像特征的过程中，更加关注文本中的信息所对应的显著目标，从而有利于使得图像关键信息和文本关键信息更加匹配。
-
公开(公告)号：CN113158630A
公开(公告)日：2021-07-23
申请号：CN202110275765.6
申请日：2021-03-15
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
IPC: G06F40/166 , G06T11/60 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种文本编辑图像方法、存储介质、电子设备及系统，其方法包括以下步骤：S1、将原始图像和原始图像的第一文本描述信息送入通道注意力模块进行关联，然后送入生成器，生成与文本相关的第一图像，将所述第一图像和第一文本描述信息送入鉴别器进行鉴别；S2、将所述第一图像和原始图像的第二文本描述信息送入通道注意力模块进行关联，然后送入生成器，生成与文本相关的第二图像，将所述第二图像和第二文本描述信息送入鉴别器进行鉴别；S3、利用步骤S1和S2得到的鉴别信息构建循环一致性损失函数，并经过多次迭代对生成器进行训练，得到优化后的生成器。本发明的文本编辑图像方法生成的图像更准确、更自然、更多样。
-
公开(公告)号：CN112785624A
公开(公告)日：2021-05-11
申请号：CN202110064596.1
申请日：2021-01-18
Applicant: 苏州科技大学 , 苏州佳图智绘信息技术有限公司
Abstract: 本发明公开了一种基于孪生网络的RGB‑D特征目标跟踪方法，包括以下步骤：构建基于RGB‑D特征的孪生网络模型；模板图像经共享网络处理，获得模板图像的语义特征，将高层语义特征输入至深度卷积网络模块，获得深度图；对深度图进行深度特征提取，获得深度特征信息，通过级联方式将深度特征信息与语义特征进行融合，获得融合后的图像特征；搜索图像经共享网络处理，获得搜索图像的特征，搜索图像的特征经卷积和池化操作，获得搜索图像的上下文信息，通过搜索图像的上下文信息指导融合后的图像特征，生成用于目标定位的自适应特征；将自适应特征与搜索图像通过共享网络处理获得的特征进行互相关操作，对分数图进行插值计算，获得跟踪的结果。其引入深度图，能够实现在复杂场景中高精度跟踪，效果好。
-
公开(公告)号：CN107274673B
公开(公告)日：2021-01-19
申请号：CN201710697079.1
申请日：2017-08-15
Applicant: 苏州科技大学
Abstract: 本发明公开了基于修正局部方差的车辆排队长度测量方法，包括以下步骤：S 1获取视频帧作为待检图像；S 2采用基于修正局部方差的方法对获取的待检图像进行检测，所述待检图像为车队，先完成车队斑块的初步检测，然后对车队边缘进行有效检测，最后去除相邻车道中车辆阴影对待检车道车队斑块的影响，丰富车队斑块的有效检测；S 3将图像中车队斑块长度转化为现实车队的长度，完成车辆排队长度测量。本发明方法性能稳定、检测结果饱满，能够实现车队的有效检测和长度测量。
-
Patent Agency Ranking
公开(公告)号：CN107330444A
公开(公告)日：2017-11-07
申请号：CN201710396148.5
申请日：2017-05-27
Applicant: 苏州科技大学
CPC classification number: G06F17/30247 , G06K9/6256
Abstract: 本发明公开了一种基于生成对抗网络的图像自动文本标注方法，包括以下步骤：由生成器产生假的语句，同时重新构建一个判别器，将生成的语句和真实语句输入进行训练，直至判别器无法判别出真实语句和生成语句。本发明改变了CNN-RNN图像自动语句标注中产生句子生硬、死板的问题，并且使得生成的句子更为准确、自然、多样性，生成的语句可以面对现实中更为复杂的景象，更加符合人类的语言表达方式标注图像，在实际中有着更为广泛的应用。
-
公开(公告)号：CN118506005A
公开(公告)日：2024-08-16
申请号：CN202410689981.9
申请日：2024-05-30
Applicant: 苏州科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/098 , G06N3/084 , G06N3/0895
Abstract: 本发明提供了一种图像的半监督语义分割方法，包括将有标签数据输入到学生模型获得第一预测标签数据集；根据第一预测数据的分割结果得到混淆矩阵，进而获得增强数据集并输入学生模型中得到第二预测标签数据集；根据两个预测标签数据集和标签真实值获得第一和第二损失函数；将无标签数据集输入至学生模型和教师模型分别得到第一和第二伪标签预测值，通过两个预测值获得第三损失函数；根据三个损失函数获得总损失函数并对模型参数优化；通过优化后的教师模型实现图像的语义分割。本方案解决了现有技术中由于有标签数据数量有限及其分布不均匀，存在容易识别的类数量多，难识别的类反而数量少的问题，经过训练，难识别的类精度得不到太大提升的问题。
-
公开(公告)号：CN117060372A
公开(公告)日：2023-11-14
申请号：CN202310462415.X
申请日：2023-04-26
Applicant: 苏州科技大学
Abstract: 本发明公开了一种基于一致性的综合能源系统低碳经济调度方法，包括以下步骤：步骤1、建立通信关系拓扑图；步骤2、基于通信关系拓扑图，采用一致性算法建立每个智能体节点的状态信息方程；步骤3、建立每个智能体的目标函数，并建立供需平衡约束方程；步骤4、利用拉格朗日乘子法结合步骤3得到供需平衡约束方程，对步骤3建立的目标函数进行求解，得到每个智能体供电、供热、供气的最优输出功率；步骤5、基于步骤4计算结果控制调节每个智能体供电、供热、供气的当前输出功率。本发明将碳交易机制应用于综合能源系统的分布式调度问题中，达到在经济最优时碳排放量最少的效果，使经济性和环保性提升到最好。
-
公开(公告)号：CN116074934A
公开(公告)日：2023-05-05
申请号：CN202310052228.4
申请日：2023-02-02
Applicant: 苏州科技大学
Abstract: 本发明公开了一致随机网络平均一致性数据聚合能耗优化方法，包括以下步骤：步骤1、建立预布置的理想网络和随机网络之间的通信连接关系；步骤2、基于平均一致性理论结合通信连接关系进行感知聚合，得到随机网络的一致性聚合算法方程；步骤3、建立一致性聚合算法方程实现收敛时的一致性聚合能耗、一致性聚合增益和收敛速率；步骤4、以一致性聚合能耗最小为目标进行求解，得到随机网络的通信链路连接概率优化解；步骤5、将随机网络中所有通信链路概率均调节为通信链路连接概率优化解。
-
公开(公告)号：CN116030278A
公开(公告)日：2023-04-28
申请号：CN202310035275.8
申请日：2023-01-10
Applicant: 苏州科技大学 , 苏州中星拟景信息技术有限公司
IPC: G06V10/74 , G06V10/774
Abstract: 本发明涉及一种基于图结构的目标检测方法及电子设备，包括：步骤S1：获取待检测图像；步骤S2：通过改进的知识蒸馏方法来构建基于图结构的目标检测网络，其中，所述改进的知识蒸馏方法为：通过图结构法对所述教师模型进行蒸馏得到学生模型，所述教师模型通过预设图像数据集训练得到，所述学生模型为基于图结构的目标检测网络；步骤S3：通过所述基于图结构的目标检测网络检测所述待检测图像中的目标。本发明解决了现有知识蒸馏方法中提炼特征知识的信息不丰富的问题，本发明的知识蒸馏方法能够有效提高学生模型在目标检测中的性能。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.039 seconds)
