公开(公告)号：CN119761728A

公开(公告)日：2025-04-04

申请号：CN202411832143.9

申请日：2024-12-12

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 朱金奇 ,  李琳 ,  刘洋 ,  龚海刚

IPC: G06Q10/0631 ,  G06N3/006

Abstract: 本发明公开了应用于灾后救援基于智能手机的无人机任务调度方法，属于无人机技术领域，本申请提出利用智能手机作为移动辅助计算设备，帮助无人机完成灾后救援中的大量密集型计算任务，本申请在任务卸载策略设计的同时考虑了无人机的开销和智能手机的效用，提出的优化算法能够最大程度的减小无人机的开销和提高智能手机的效用，并且本发明提出的任务卸载方法考虑了现实场景中任务的多样性，能够满足不同任务的服务质量需求，与传统蝙蝠算法相比，本申请所使用的多目标突变免疫蝙蝠算法具有更好的全局解和收敛性，本申请将权重向量和多目标突变免疫蝙蝠算法灵活使用，也可用于其他场景的任务卸载优化。

公开(公告)号：CN114972790B

公开(公告)日：2024-12-20

申请号：CN202210625461.2

申请日：2022-06-02

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 解天舒 ,  杨宇航 ,  刘明 ,  王晓敏 ,  龚海刚 ,  程旋 ,  刘明辉 ,  邓佳丽

IPC: G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明的实施例提供了一种图像分类模型训练方法、图像分类方法、电子设备及存储介质，涉及计算机视觉领域。获取已标注类型标签的多张图像样本。针对每一张图像样本，将图像样本输入至图像分类模型，在图像分类模型中的任意一层卷积层中，从图像样本中提取出多张具有不同通道的特征图像。其中，不同通道表征图像样本不同的图像特征。利用预测得到的图像样本的类型标签和特征图像的类型标签，以及该图像样本已标注的类型标签，计算得到图像分类模型的损失值，基于该损失值调整图像分类模型的参数。重复执行上述步骤，以使可以达到预期训练目标。如此，由于没有增加输入图像分类模型的图像样本的数量，使得每次模型训练耗费的时间更少。

公开(公告)号：CN118379208A

公开(公告)日：2024-07-23

申请号：CN202410816691.6

申请日：2024-06-24

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 刘明辉 ,  王晓敏 ,  刘念伯 ,  邓佳丽 ,  龚海刚 ,  刘明

IPC: G06T5/60 ,  G06T5/70 ,  G06N3/084

Abstract: 本发明公开了一种基于混合损失函数扩散模型的增强CT图像生成方法及装置，该方法包括：采集CT图像数据及其配对的造影剂增强CT图像数据，并采用数据增强方法和面向数据的正则化方法对其进行预处理，以按比例划分为训练集、测试集和验证集；构建用于生成造影剂增强CT图像的扩散模型；使用训练集对扩散模型进行迭代训练，基于混合损失函数调整扩散模型的参数，以获取训练好的扩散模型；将测试集中的CT图像数据输入至训练好的扩散模型中，得到对应的造影剂增强CT图像数据。本发明能够生成清晰可靠的造影剂增强CT图像，能够更好地捕捉数据分布的特征，提高了对不同特征的感知能力，增强了合成图像的质量，提高了模型的泛化性。

公开(公告)号：CN116741380A

公开(公告)日：2023-09-12

申请号：CN202310743593.X

申请日：2023-06-21

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 刘明辉 ,  王晓敏 ,  范世晓 ,  刘念伯 ,  龚海刚 ,  程旋 ,  刘明

IPC: G16H50/30 ,  G06V10/774 ,  G06V10/80 ,  G06V10/764 ,  G06T7/10

Abstract: 本发明公开了肝胆管细胞癌术后的复发情况预测方法，涉及计算机技术领域，包括S1构建复发情况预测模型，复发情况预测模型包括图像分割模块、指标数据分析模块和预测分析模块；S2获取训练数据集，训练数据包括CT图像和病例指标；S3训练数据集导入复发情况预测模型，并对其进行训练优化；S4获取待预测数据；S5利用优化后的复发情况预测模型对待预测数据进行分析得到，肝胆管细胞癌术后的复发情况；除了对CT图像进行充分利用外，本方法还将病例所对应的指标数据与其图像数据进行了融合使用，以补充CT图像无法表达的信息。通过不断地优化训练，最终得到了具有良好性能的术后复发情况预测模型。

公开(公告)号：CN116740108A

公开(公告)日：2023-09-12

申请号：CN202310682616.0

申请日：2023-06-09

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 吴磊 ,  成磊 ,  王晓敏 ,  龚海刚 ,  刘明

IPC: G06T7/13 ,  G06T7/12 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的单阶段实例分割方法，本申请通过传统的边缘检测算子提取到每个实例的边缘信息，从而让网络在训练学习的过程中显示的监督对实例轮廓的学习，边缘信息的融入不仅提升了实例掩码的分割精度，而且融入边缘信息后的算法在分割掩码边缘处的表现更精细，并且本申请通过原型掩码分组后再融合的方法，将原型掩码的融合过程从一次增加为两次，两次融合的方式不仅提升了实例掩码的分割效果而且增加了整个算法的泛化能力。

公开(公告)号：CN115937592A

公开(公告)日：2023-04-07

申请号：CN202211599181.5

申请日：2022-12-12

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 龚海刚 ,  孙怡忻 ,  吴磊 ,  刘明 ,  王晓敏 ,  刘明辉 ,  解天舒 ,  程旋

IPC: G06V10/764 ,  G06T7/00 ,  G06V10/40 ,  G06V10/82 ,  G06N3/088 ,  G06V10/774 ,  G16H30/20 ,  G06N3/0455

Abstract: 本发明涉及一种基于潜层表征的主动学习样本标注方法，述样本标注方法包括：S1、特征提取步骤：通过自动编码器模拟从病理图像中提取潜层的表征；S2、判别步骤：将病理图像作为判别器D的输入，训练一个二分类模型，通过判别器D区分有标签和无标签的样本数据集，得到概率值；S3、样本标注步骤：设置样本选择策略ALHS，根据判别器的输出概率值分布通过样本选择策略ALHS选择未标注的样本进行标注，实现病理数据集的自动标注。本发明能够极大减轻病理学家标注数据集的沉重负担，能够缓解样本冗余问题，提高样本选择的质量；能够极大地节省样本标注成本；通用性强，能适用于类不平衡和噪声样本的场合。

公开(公告)号：CN114972568A

公开(公告)日：2022-08-30

申请号：CN202210623258.1

申请日：2022-06-01

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 龚海刚 ,  刘明 ,  邓攀 ,  王晓敏 ,  刘明辉

IPC: G06T11/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及一种基于生成对抗网络的两阶段图像生成方法，包括：图像特征生成步骤：通过残差网络捕获输入图像的特征，训练一个特征生成网络，使用GAN拟合图像经过捕获网络后的特征进而得到特征生成器，并通过判别器区分图像经过捕获网络的特征和特征生成器生成的特征；图像生成步骤：固定图像特征生成步骤训练得到的特征生成器的参数，加入到新的图像生成网络，让随机噪声先经过特征生成器，然后将输出传入到图像生成器中得到最终生成的图像。本发明在阶段一先通过一个生成网络学习图像的特征，然后在阶段二通过对抗网络生成图像。相比于传统的GAN优化方法，能够降低GAN的训练难度、提高生成模式的多样性、提升图像生成质量。