-
公开(公告)号：CN109493308B
公开(公告)日：2021-10-26
申请号：CN201811350964.3
申请日：2018-11-14
Applicant: 吉林大学
Abstract: 本发明公开一种基于条件多判别生成对抗网络的医疗图像合成与分类方法，该方法包括以下步骤：一、对计算机断层扫描(Computed Tomography,简称CT)图像中病变区域进行分割，提取病变感兴趣区域(Region of Interest,简称ROIs)；二、对一中提取的病变ROIs进行数据预处理；三、设计基于条件多判别生成对抗网络(Conditional Multi‑Discriminate Generative Adversarial Network,简称CMDGAN)模型架构，使用二中的图像对其进行训练，得到生成模型；四、使用三中得到的生成模型对提取的病变ROIs进行合成数据增强；五、设计多尺度残差网络(Multiscale ResNet Network,简称MRNet)并训练。本发明提出的方法，可以生成具有高质量的合成医疗图像数据集，分类网络对测试图像的分类准确率较高，从而更好的能够为医疗工作者提供辅助诊断。
-
公开(公告)号：CN107357899B
公开(公告)日：2020-05-22
申请号：CN201710573654.7
申请日：2017-07-14
Applicant: 吉林大学
IPC: G06F16/35
Abstract: 本发明公开一种基于和积网络深度自动编码器的短文本情感分析方法，该方法包括以下步骤：一、预处理短文本数据；二、利用doc2vec模型训练句向量；三、利用和积网络深度编码器对句向量进行编码，得到句向量的分层抽象特征；四、利用最大积网络深度解码器对分层抽象特征解码，将解码后的特征与原始句向量特征对比，计算重构误差。调整和积网络深度自动编码器参数使得重构误差最小。得到最优的和积网络深度编码器，由它获得最优分层抽象特征；五、利用最优分层抽象特征进行在线结构学习生成一个和积网络结构，使用少量带标签的短文本数据微调和积网络，使用在线参数学习算法不断调整网络参数，输入测试集，由训练好的和积网络获得情感分类类别。
-
Patent Agency Ranking
公开(公告)号：CN105718947B
公开(公告)日：2018-12-21
申请号：CN201610038042.3
申请日：2016-01-21
Applicant: 吉林大学
IPC: G06K9/62
Abstract: 本发明公开一种基于LBP和小波矩融合特征的肺癌图像精细分类方法，该方法包括以下步骤：步骤一、对输入图像进行病灶定位。步骤二、病灶部位随机生成大量模板。步骤三、输入图像进行不同尺度缩放，分别对图像块与模板块进行纹理特征MB‑LBP与形状特征小波矩的提取，通过实验调整权重参数融合两种特征。步骤四、图像不同位置匹配，得到特征响应图。步骤五、使用改进的均值空间金字塔模型将响应图转化成特征向量。步骤六、利用支持向量机实现精细分类。本发明提出的算法，是精细分类思想在医学领域的尝试，减少冗余模板的产生；LBP纹理特征与小波矩特征的融合良好的表示肺癌图像信息；金字塔模型抽取特征保留了有力的特征，提高识别精度。
-
公开(公告)号：CN107766894A
公开(公告)日：2018-03-06
申请号：CN201711068875.5
申请日：2017-11-03
Applicant: 吉林大学
CPC classification number: G06K9/6255 , G06K9/0063 , G06K9/40 , G06N3/0454
Abstract: 本发明公开一种基于注意力机制和深度学习的遥感图像自然语言生成方法，该方法包括以下步骤：步骤一、预处理遥感图像和对应的自然语言描述。步骤二、将降噪后的遥感图像输入到密集定位卷积神经网络(Intensive Positioning Convolution Neural Network，简称IPCNN)中。步骤三、将步骤二获得的区域块输入到重分配长短期记忆网络(Reassignment Long-Short Term Memory，简称RLSTM)中。进入到RLSTM的权重分配层中，利用多层网络函数分别求得每个区域的权重，最后通过RLSTM的深度输出层实现自然语言描述的整体输出。步骤四、将步骤三中生成的自然语言描述输入遥感图像语言描述打分模型，得到句子的打分。步骤五、将目标位置、类别标签和自然语言描述得分输入到数据库中，等待调用。
-
公开(公告)号：CN107609525A
公开(公告)日：2018-01-19
申请号：CN201710852216.4
申请日：2017-09-19
Applicant: 吉林大学
Abstract: 本发明公开一种基于剪枝策略构建卷积神经网络的遥感图像目标检测方法，该方法包括以下步骤：步骤一、对目标检测训练数据集进行预处理；步骤二、对初始网络进行预训练，获得稠密网络；步骤三、对步骤二得到的稠密网络，采用基于网络剪枝技术的稠密-稀疏训练方式，获得训练后稀疏网络，对训练后稀疏网络采用稠密训练方式进行训练，获得精确目标分类网络；步骤四、对步骤三得到的训练后稀疏网络进行处理，并采用稀疏-稀疏的训练方式，获得快速区域提取网络；步骤五、从目标检测测试数据集生成多尺度图像金字塔，再先后使用快速区域提取网络和精确目标分类网络进行两阶段预测，获得目标的位置和类别标签。
-
公开(公告)号：CN107357899A
公开(公告)日：2017-11-17
申请号：CN201710573654.7
申请日：2017-07-14
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 本发明公开一种基于和积网络深度自动编码器的短文本情感分析方法，该方法包括以下步骤：一、预处理短文本数据；二、利用doc2vec模型训练句向量；三、利用和积网络深度编码器对句向量进行编码，得到句向量的分层抽象特征；四、利用最大积网络深度解码器对分层抽象特征解码，将解码后的特征与原始句向量特征对比，计算重构误差。调整和积网络深度自动编码器参数使得重构误差最小。得到最优的和积网络深度编码器，由它获得最优分层抽象特征；五、利用最优分层抽象特征进行在线结构学习生成一个和积网络结构，使用少量带标签的短文本数据微调和积网络，使用在线参数学习算法不断调整网络参数，输入测试集，由训练好的和积网络获得情感分类类别。
-
公开(公告)号：CN104331700A
公开(公告)日：2015-02-04
申请号：CN201410712945.6
申请日：2014-11-28
Applicant: 吉林大学
CPC classification number: G06K9/4642 , G06K9/4647 , G06K9/4676 , G06K9/66 , G06K2209/21
Abstract: 本发明公开一种基于轨迹能量扩散图的组行为识别方法，该方法包括以下步骤：一、对原始视频进行多目标检测，多目标跟踪，提取多目标轨迹；二、把多目标轨迹转换为轨迹能量块图；三、利用能量扩散过程由轨迹能量块图生成轨迹能量扩散图；四、由轨迹能量扩散图生成轨迹能量等势线图；五、对轨迹能量等势线图进行特征提取，利用基于典型相关分析的特征融合算法得到融合特征向量；六、对融合特征向量进行分类识别。本发明提出的轨迹能量块图可以很好的表现并保存组行为轨迹的时间信息；轨迹能量扩散图可以平滑因运动随机性产生的噪声；利用基于典型相关分析的特征融合算法实现多特征融合，从而提高识别精度。
-
-
-
-
-
-
Search Results
37
records
(took 0.023 seconds)
