-
公开(公告)号：CN118781298B
公开(公告)日：2025-01-03
申请号：CN202411282621.3
申请日：2024-09-13
IPC: G06T17/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/74
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于多视图采样和渐进式生成的深度智能3D重建方法，包括：构建数据集；构建网格生成器，所述网格生成器为编码器‑解码器架构；利用数据集训练所述网格生成器；利用经过训练的网格生成器对残缺手绘图和噪声手绘图进行3D建模，得到目标网格3D模型。本发明利用2D卷积形状鉴别器训练网格生成器，并通过逐步增加2D卷积形状鉴别器的复杂度和多尺度轮廓图对的分辨率，逐步细化2D卷积形状鉴别器的判别能力，从而更有效地引导网格生成器生成高质量的预测网格3D模型，提高了预测网格3D模型的质量。
-
公开(公告)号：CN118918445A
公开(公告)日：2024-11-08
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
公开(公告)号：CN118797448A
公开(公告)日：2024-10-18
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
公开(公告)号：CN117078996A
公开(公告)日：2023-11-17
申请号：CN202310756498.3
申请日：2023-06-26
Applicant: 江南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G16H50/20 , G16H50/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像识别领域，公开一种基于渐进式混合特征图识别直肠癌的系统、介质、设备，包括：数据获取模块获取直肠图像，预处理后作为训练集；网络构建模块构建卷积神经网络模型，模型包括：对特征图通道之间的相互依赖关系进行建模的残差压缩和提取模块，逐层整合分类结果的渐进式输出模块，减少直肠图像中低纬度特征信息损失的感受野辅助模块；训练模块使用训练集训练卷积神经网络模型，预测模块将待测直肠图像输入训练完成的卷积神经网络模型得到对直肠癌分期的判断结果。本发明可以降低对数据集的依赖性、提高对直肠癌分期预测的准确性和客观性、辅助医生提高诊断效率。
-
公开(公告)号：CN108596228B
公开(公告)日：2022-08-23
申请号：CN201810330707.7
申请日：2018-04-13
Applicant: 江南大学
IPC: G06V10/774 , G06V10/764 , G06V10/771 , G06K9/62
Abstract: 本发明公开了一种基于无监督模糊系统的脑功能磁共振图像分类方法，它涉及自闭症计算机辅助诊断技术领域。其步骤为：采集静息状态下的功能磁共振成像数据并进行预处理，选择AAL模板将大脑皮层分区，提取每个脑区的平均时间序列信号，使用皮尔逊相关系数计算得到低阶功能连接矩阵；基于低阶功能连接矩阵计算皮尔逊相关系数得到高阶功能连接矩阵，将每个对象的低阶和高阶脑功能连接矩阵分别拉直，使用基于流形正则化约束的无监督模糊系统进行降维，对降维后的低阶和高阶功能连接矩阵进行线性组合，使用SVM进行分类。本发明对静息态脑功能磁共振图像进行分类，将其应用于自闭症的计算机辅助诊断中，分类准确率高、泛化性能好、可解释性强。
-
Patent Agency Ranking
公开(公告)号：CN113066562A
公开(公告)日：2021-07-02
申请号：CN202110441339.5
申请日：2021-04-23
Applicant: 江南大学
Abstract: 本发明公开了一种基于5g的医疗图像传输方法及系统，包括患者应用模块、医生应用模块、医疗图像存储模块、医疗图像分类模块、病变位置确认模块、病变位置对比模块、复诊阶段分析模块、患者就诊阶段匹配模块、患者就诊经验交流模块、医疗图像传输模块、专家信息整合模块、医患信息匹配模块，本发明的有益效果在于：通过对医疗图像进行分类和患者复诊次数以及下一次复诊时间的统计，并判断医疗图像中不同患者的病变位置以及病变位置处的病变程度，分析患者所处就诊阶段，智能调整处于患者的复诊时间，并为患者之间提供交流渠道，以提高复诊率，进一步对医生的综合能力进行分析，将医生与患者进行匹配，为患者提供咨询渠道。
-
公开(公告)号：CN110136823A
公开(公告)日：2019-08-16
申请号：CN201910371703.8
申请日：2019-05-06
Applicant: 江南大学
IPC: G16H40/67
Abstract: 本发明公开了一种用于对糖尿病肾病进行无线智能诊断的装置，包括：用于由无线终端收集患者的糖尿病肾病相关参数的单元；用于由无线终端接收由第一糖尿病肾病数据接收装置发送的第一系统消息，并接收由第二糖尿病肾病数据接收装置发送的第二系统消息的单元；用于由无线终端判断第一系统消息和第二系统消息中是否包括最低接收功率门限的单元；用于由无线终端接收由第一糖尿病肾病数据接收装置发送的第一参考信号，并接收由第二糖尿病肾病数据接收装置发送的第二参考信号的单元；用于由无线终端基于第一参考信号，得到第一参考信号接收功率数值的单元；用于由无线终端基于第二参考信号，得到第二参考信号接收功率数值的单元。
-
公开(公告)号：CN104282022A
公开(公告)日：2015-01-14
申请号：CN201410525629.8
申请日：2014-09-29
Applicant: 江南大学
IPC: G06T7/00
CPC classification number: G06K9/6223 , G06T2207/20081
Abstract: 本发明公开了一种具备多视角学习能力的模糊聚类图像分割方法。该方法以经典的模糊C均值算法作为基础方法，针对经典模糊C均值算法对一个具体事物在多个视角下获取的图像进行分割最终获取最终分割结果时无法全面的利用图像信息而造成分割效果不佳的问题，提出了一种具备多视角学习能力的模糊聚类图像分割方法。该图像分割方法在处理某一事物的多视角图像分割任务时，能够有效地保有各视角图像的独立信息，同时挖掘出各视角下图像的共性信息。此外，还将引入一种视角加权技术增强分割效果。在上述机制的共同作用下首先可获取各个视角下的聚类结果，然后依靠上述获取的各视角下的聚类结果通过一个集成决策方法最终获取更为可靠的图像分割结果。
-
公开(公告)号：CN102903112A
公开(公告)日：2013-01-30
申请号：CN201210376033.7
申请日：2012-09-29
Applicant: 江南大学
IPC: G06T7/00
Abstract: 本发明涉及一种面向小目标检测的快速核密度估计图像阈值分割方法，该方法包括：读入图像，在计算机中得到该图像的灰度矩阵，并设置参数gate值；将图像中相同灰度级的像素点作为一个集合，如果该集合中的像素点数目Ni>gate，则使用FRSDE进行压缩；否则使用RSDE进行压缩；构建关系矩阵M来表示图像上不同灰度级之间的相互关系。将目标函数的求极值问题转化为基于矩阵区域的元素最小化求和问题，从而得到最佳阈值。本发明与已有技术相比，具有过程简单、易于实现、具有鲁棒性好与求解效率高等优点。因此，本发明为高分辨率图像的小目标检测问题提供了一种可行的方案；同时，为复杂背景下小目标图像的检测提供了一种行之有效的技术基础。
-
公开(公告)号：CN118468346B
公开(公告)日：2024-11-05
申请号：CN202410935056.X
申请日：2024-07-12
Applicant: 江南大学 , 苏州大学 , 吉林大学 , 昆山微电子技术研究院
IPC: G06F21/62 , G06F18/214 , G06F18/21 , G06F18/2433 , G06F21/64
Abstract: 本发明属于区块链数据检测技术领域，涉及一种区块链多模态数据异常检测方法；包括：获取包括不同模态数据集的训练集；利用L21范数对各个模态数据集的投影矩阵进行稀疏，构建目标稀疏投影矩阵项；基于同一模态数据集的数据样本映射后近邻相似图矩阵不变性，构建第一多模态图正则项；基于不同模态数据集的数据样本映射后语义相似矩阵不变性，构建第二多模态图正则项；基于第一多模态图正则项和第二多模态图正则项得到目标多模态图正则项；构建超球目标函数和超球约束函数，并对超球目标函数和超球约束函数求解，得到超球半径、超球中心和各个模态数据集的投影矩阵，从而对区块链中的多模态数据进行检测，提高区块链数据的准确性和系统安全性。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.054 seconds)
