公开(公告)号：CN118154551A

公开(公告)日：2024-06-07

申请号：CN202410298259.2

申请日：2024-03-15

Applicant: 上海交通大学

Inventor： 张维夏 ,  朱程广

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于任务特定归一化的图像质量评价方法，其特征在于，包括：将开源图像质量评价数据集中的图像输入骨干神经网络，并提取特征；在多个开源图像质量评价数据集上连续学习得到任务特定归一化参数和质量预测头参数；对所述多个开源图像质量评价数据集进行特征聚类得到每一个数据集的聚类中心；利用所述任务特定批归一化参数、质量预测头参数、不同数据集的聚类中心预测图像的输出质量分数。

公开(公告)号：CN119068018A

公开(公告)日：2024-12-03

申请号：CN202310639912.2

申请日：2023-05-31

Applicant: 上海交通大学

Inventor： 朱程广 ,  张维夏 ,  李旻哲 ,  孟凡 ,  刘传奇

IPC: G06T7/246 ,  G06T7/73 ,  G06V10/774 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明提供了一种非合作目标相对状态跟踪方法、系统、设备及介质，包括：初始位姿估计步骤：采集图像数据，对所述图像数据进行预处理，构建并训练初始位姿估计模型；相对状态估计步骤：构建滤波模型，滤波模型包括系统状态方程和量测方程，由滤波模型估计相对位姿反馈到初始位姿估计步骤中，通过训练的初始位姿估计模型预测相对位姿，送入滤波模型，最终实现相对状态跟踪。本发明能够实现与Bayes滤波算法深度耦合，达到高精度、高鲁棒性的空间非合作目标相对状态估计。

公开(公告)号：CN116805534A

公开(公告)日：2023-09-26

申请号：CN202310708568.8

申请日：2023-06-14

Applicant: 上海交通大学

Inventor： 朱程广 ,  张维夏

IPC: G16H50/70 ,  G06F18/25 ,  G06F18/214 ,  G06F18/241 ,  G06N3/0895

Abstract: 本发明提供了一种基于弱监督学习的疾病分型方法、系统、介质及设备，包括：步骤1：获取影像数据、临床数据和病理数据，并进行数据预处理；步骤2：搭建预测模型，包括多模态特征提取和和特征融合预测网络，并对预测模型进行训练；步骤3：通过AUC、准确率、正确率、召回率和F1‑score对预测模型的性能进行评估。本发明基于多模态数据，通过采用跨模态数据交叉融合的方法，捕获不同模态数据的相关性及多尺度特征，可适用于预测不同疾病的类型及风险分级等临床应用，在缺少像素级标注的条件下，依然能达到高准确率和召回率。