-
公开(公告)号：CN118333035A
公开(公告)日：2024-07-12
申请号：CN202410544732.0
申请日：2024-05-06
Applicant: 上海交通大学
Abstract: 本发明提供语言驱动的交通交互场景生成系统和方法，包括：文本编码模块：利用大语言模型将文本语言指令转化为整数型离散化的地图编码、交互事件编码和车辆编码；融合模块：利用多层神经网络将所述地图编码、交互事件编码和车辆编码投影到高维特征空间，并利用基于注意力机制的神经网络进行信息聚合，获得车辆特征信息；解码模块：利用多层线性神经网络将所述车辆特征信息解码为车辆轨迹、车辆属性和初始位置，获得生成结果。本发明通过对车辆间交互行为的建模，利用大语言模型对自然语言进行处理，将文字命令转化为对应的车辆轨迹，提升了生成场景的真实性以及和文字输入的符合程度。
-
公开(公告)号：CN113643302B
公开(公告)日：2023-10-27
申请号：CN202110826817.4
申请日：2021-07-21
Applicant: 上海交通大学
Abstract: 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。
-
公开(公告)号：CN113643302A
公开(公告)日：2021-11-12
申请号：CN202110826817.4
申请日：2021-07-21
Applicant: 上海交通大学
Abstract: 本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。
-
公开(公告)号：CN113239924A
公开(公告)日：2021-08-10
申请号：CN202110556712.1
申请日：2021-05-21
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于迁移学习的弱监督目标检测方法及系统，该方法包括：对输入的强监督及弱监督的图像，使用深度卷积神经网络提取图像的特征，利用区域建议网络提取图像中的候选框，得到不同候选区域的视觉特征；对强监督及弱监督数据集中的类别文本进行特征提取，建立语义图，并利用图卷积网络进行优化，得到所有类别文本的语义特征；使用双监督的平均教师网络结构，包括：强监督分类及边界回归学生网络、弱监督多示例学习学生网络以及分类及边界回归教师网络，利用视觉特征以及优化后的语义特征，聚合强监督及弱监督数据集中的边界框信息和分类信息，从而对候选框进行边界框的回归和分类。通过本发明，提升了弱监督目标检测的效果。
-
-
-
Search Results
24
records
(took 0.017 seconds)
