公开(公告)号：CN118378603A

公开(公告)日：2024-07-23

申请号：CN202410433990.1

申请日：2024-04-11

Applicant: 上海大学

Inventor： 马秀丽 ,  郑璇 ,  黄田田

IPC: G06F40/18 ,  G06N20/00

Abstract: 本发明涉及一种基于对比学习的网络流量表格数据增强方法、设备、介质，方法包括如下步骤：获取原始的网络数据表格并划分为N个子表格；在所述N个子表格中随机选取K1个子表格；在除K1个子表格外的N‑K1个子表格中随机选取K2个子表格；针对选取的K2个子表格，通过添加噪声形成K2个腐蚀子表格；针对K1个子表格和K2个腐蚀子表格，利用聚合模块分别生成聚合表征h1和h2，实现数据增强；基于聚合表征h1和h1，通过投影网络计算对比损失，更新所述聚合模块，实现自监督学习。与现有技术相比，本发明具有实现针对网络流量表格的数据增强、聚合效果好等优点。

公开(公告)号：CN118297976A

公开(公告)日：2024-07-05

申请号：CN202410420853.4

申请日：2024-04-09

Applicant: 上海大学

Inventor： 马秀丽 ,  黄田田 ,  金彦亮

IPC: G06T7/12 ,  G06T7/13 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06N3/0895

Abstract: 本发明涉及一种互伪监督边缘感知双CNN的半监督医学图像分割方法，通过将待分割的医学图像输入预训练好的基于互伪监督边缘感知的双CNN架构模型中，实现医学图像分割，模型的训练过程包括如下步骤：将训练集中的已标记样本和未标记样本输入分别作为双CNN架构模型中两个分支网络的输入，分别通过边缘感知注意模块得到预测的分割图，通过使其中一个分支网络预测的分割图作为伪标签监督另一个分支网络，计算半监督损失实现双CNN架构模型的迭代训练；在迭代训练过程中，利用Dice相似度系数对双CNN架构模型进行评估，并保存评估结果最好的模型作为预训练好的双CNN架构模型。本发明具有分割准确，对高精度样本的依赖低等优点。