-
公开(公告)号:CN114529900A
公开(公告)日:2022-05-24
申请号:CN202210131997.9
申请日:2022-02-14
Applicant: 上海交通大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/772 , G06V10/74 , G06V10/40 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开基于特征原型的半监督域适应语义分割方法,包括:获取带标注源域图像、带标注目标域图像和无标注目标域图像;构建模型,模型包括编码器、解码器、分类器和风格转换网络;利用带标注源域图像和带标注目标域图像,进行有监督训练分割模型,利用分类器中间层的特征计算特征原型;利用目标域图像和源域图像,进行无监督训练风格转换网络;对解码器和风格转换网络各自的转换图像,进行图像级对齐;利用特征原型改善特征级对齐;将特征原型按照获取来源分别进行处理。本发明通过特征原型对比学习,对提取特征的过程进行了约束,增强了网络提取语义特征的能力,改善了模型的泛化性能,使能在目标域数据分布上取得较好的分割效果。
-
公开(公告)号:CN114529455A
公开(公告)日:2022-05-24
申请号:CN202210148649.2
申请日:2022-02-18
Applicant: 上海交通大学
Abstract: 本发明提供基于任务解耦的有参图像超分辨率方法,包括:生成输入图像的超分辨率,将输入图像通过深度卷积网络提取特征,生成缺乏细节纹理的高分辨率图像;提取参考图像的纹理,将输入的参考图像通过深度卷积网络提取特征,与高分辨率图像进行特征对齐,提取参考图像中的细节纹理信息;迁移纹理到输出图像,计算输入图像和参考图像的相似程度,将细节纹理信息依照相似程度迁移到高分辨率图像,生成带有高频纹理细节的高分辨率图像。本发明将有参超分解耦为两个任务,分别为输入图像的超分辨率任务和针对参考图像的纹理迁移任务,对输入图像以及参考图像分别进行处理,在消除无关参考图像负面影响的同时,可以对内容相关的参考图像利用更加充分。
-
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:CN113628109A
公开(公告)日:2021-11-09
申请号:CN202110804781.X
申请日:2021-07-16
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于可学习字典的人脸五官超分辨率方法和系统、介质,所述方法包括:根据高清五官图片所对应的低清五官图片构建可学习的字典,字典词条对应高清五官图片中的低频部分;根据高清五官图片和其对应的低清五官图片字典编码构建可学习的字典,字典词条对应高清五官图片中的高频部分;根据低清五官图片对应的低频字典编码自回归出其对应的高频字典编码;使用输入低清五官图片的低频字典编码和据此回归出的高频字典编码生成其对应的高清五官图片。所述系统包括与所述各步骤相对应的模块。本发明能够利用公开人脸数据集进行现实低清人脸图片的五官定向增强,达到良好的超分辨效果。
-
公开(公告)号:CN113628108A
公开(公告)日:2021-11-09
申请号:CN202110755689.9
申请日:2021-07-05
Applicant: 上海交通大学
Abstract: 本发明提供一种基于离散表示学习的图像超分辨率方法和系统、终端,所述方法包括:分别创建低分辨率以及高分辨率的离散字典;将低分辨率图像输入卷积神经网络得到提取的图像特征,并参照低分辨率离散字典,将图像特征转换为离散表示;将基于低分辨率字典的离散表示通过自回归网络,映射成基于高分辨率字典的离散表示;将离散表示参照高分辨率字典,转换为高分辨率图像特征,再通过卷积神经网络,进行反卷积的操作,生成输入低分辨率图像对应的高分辨率图像。本发明能够利用低清高清数据对来分别建立低分辨率以及高分辨率离散字典,将输入的低分辨率图像通过这两个字典变为对应的高分辨率图像,提升图像的清晰度。
-
公开(公告)号:CN113628107A
公开(公告)日:2021-11-09
申请号:CN202110749972.0
申请日:2021-07-02
Applicant: 上海交通大学
Abstract: 本发明公开了一种人脸超分辨率方法及系统,包括:对输入的人脸属性标签信息,使用全连接网络与激活层进行特征优化,获得属性语义特征;对输入的低分辨率图像信息,使用卷积神经网络提取视觉特征;对属性语义特征与视觉特征使用特征融合网络进行特征融合,并在训练时与教师特征通过属性法向量约束,从而保持融合特征与教师特征属性一致;使用图像恢复网络将融合特征映射为输出图像,由于图像恢复网络经过预训练,它生成的图像具有逼真的细节。通过本发明,生成的人脸高清图像具有属性保持与细节。
-
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。
-
公开(公告)号:CN107577682B
公开(公告)日:2021-06-29
申请号:CN201610523079.5
申请日:2016-07-05
Applicant: 上海交通大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提供一种基于社交图片的用户兴趣挖掘和用户推荐方法及系统,该方法包括:从社交网站上获取用户的所有图片和图片标签;对每张从社交图片收集步骤收集的图片,用深度神经网络提取固定长度的视觉向量;对每张图片的标签用话题模型提取固定长度的文本向量;根据特征提取步骤提取的所有视觉向量和文本向量,采用用户兴趣分析模型,将视觉向量和文本向量按照相似度进行聚类,计算社交图片的兴趣‑类别分布,并计算用户的用户‑兴趣分布。进一步通过分析目标用户的用户‑兴趣分布与候选用户的用户‑兴趣分布的欧式距离,可以向目标用户推荐兴趣相似的候选用户。本发明提取出可靠的用户兴趣特征,实现用户的兴趣推荐。
-
公开(公告)号:CN112381098A
公开(公告)日:2021-02-19
申请号:CN202011297406.2
申请日:2020-11-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于目标分割领域自学习的半监督学习方法,利用训练数据集中具有标记的数据训练初始分割网络;通过训练后的初始分割网络,将训练数据集中未标记的数据生成伪标签;对生成的伪标签进行形状质量评估和语义质量评估;将形状质量和语义质量进行融合,得出伪标签质量;对真实标签和伪标签的分布进行估计,优化伪标签的分布;将伪标签质量较高的数据加入到训练数据集中扩大训练数据集;利用扩大后的训练数据集优化训练后的初始分割网络;迭代重复以上步骤,直至分割网络性能饱和。同时提供了一种相应的系统、终端及介质。本发明解决了目标分割领域在少量样本标注条件下的分割精度低的问题,实现了良好的性能。
-
公开(公告)号:CN110363201A
公开(公告)日:2019-10-22
申请号:CN201910619773.0
申请日:2019-07-10
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于协同学习的弱监督语义分割方法及系统,所述方法包括:特征图提取步骤:对输入的原始图像,使用深度神经网络提取图像的高层特征图;定位图提取步骤:使用定位子网络,在特征图上基于图像标签提取物体的定位图;分割图提取步骤:使用分割子网络和条件随机场,在特征图上提取物体分割图;伪标签生成步骤:在物体定位图和分割图上,利用阈值选取得到物体定位伪标签和物体分割伪标签;伪标签结合步骤:物体定位伪标签和物体分割伪标签使用一种自适应的混合策略进行混合。所述系统包括与所述各步骤相对应的模块,本发明能够仅通过提供图像级别的标签,训练对图像的像素级别预测的模型,从而完成对图像的语义分割。
-
-
-
-
-
-
-
-
-