-
公开(公告)号：CN110223281A
公开(公告)日：2019-09-10
申请号：CN201910489713.1
申请日：2019-06-06
Applicant: 东北大学
Abstract: 本发明涉及计算机视觉技术领域，提供一种数据集中含有不确定数据时的肺结节图像分类方法。首先，收集肺结节CT图像集并利用专家投票法通过多数投票原则确定图像的类别，经过预处理后得到肺结节CT图像数据集；然后，基于知识蒸馏法，构建包括教师模型、学生模型的肺结节图像分类模型；接着，获取确定标签数据集，在确定标签数据集上训练教师模型，并在肺结节CT图像数据集上计算软标签；然后，在联合硬标签和软标签的数据集上训练学生模型；最后，将预处理后的待分类肺结节CT图像输入训练后的肺结节图像分类模型中，获得其类别。本发明能够有效利用数据集中的不确定标签数据，提升肺结节诊断的准确性和效率，且易用性和鲁棒性高。
-
Patent Agency Ranking
公开(公告)号：CN112633209A
公开(公告)日：2021-04-09
申请号：CN202011600579.7
申请日：2020-12-29
Applicant: 东北大学
Abstract: 本发明公开了一种基于图卷积神经网络的人类动作识别方法，准备人类动作视频数据，并进行标注，并根据不同种类的动作对视频标签进行标注；使用openpose姿态估计算法对人类动作视频数据进行骨骼关键点特征的提取，然后通过骨骼点主流网络计算相邻帧骨骼关键点变化速度并进行特征拼接；对骨骼关键点进行筛选并通过角度分支网络计算筛选的骨骼关键点的夹角并进行特征拼接；将拼接好的数据传入图神经网络；将图卷积从空间域扩展到时间域；使用一个交叉注意力模型来增强网络的性能；人类动作识别。本发明能够将输入的视频中的人类所表现的动作识别出来并输出，并具有良好的易用性和鲁棒性，为人工智能技术在动作识别领域实际落地奠定一定的基础。
-
公开(公告)号：CN110298397A
公开(公告)日：2019-10-01
申请号：CN201910553736.4
申请日：2019-06-25
Applicant: 东北大学
Abstract: 本发明提出基于压缩卷积神经网络的加热金属图像的多标签分类方法，包括：获取加热金属图像，组成训练集和验证数据集；设计应用图像分类的压缩卷积神经网络模型框架；使用压缩卷积神经网络模型及训练集对应的文件进行模型训练，得到用于加热金属图像的自动分类模型；对验证数据集中的加热金属图像的进行预测，得到加热金属图像预测分类。与传统的方法比较，本发明有效利用深度学习特征的特征提取能力以及泛化能力，提高加热金属图像检测识别的准确度。而且压缩网络的深度学习模型占用存储空间小，对硬件的性能要求低，训练所需的时间更少。大大提高了训练模型的效率，图像识别率准确度降低相对较小，便于在于移动或嵌入式设备上实现场景。
-
公开(公告)号：CN109902736A
公开(公告)日：2019-06-18
申请号：CN201910136884.6
申请日：2019-02-25
Applicant: 东北大学
Abstract: 本发明提供一种基于自动编码器构建特征表示的肺结节图像分类方法，涉及计算机视觉技术领域。该方法首先将肺结节图像通过超像素分割为局部斑块；然后使用无监督深度自动编码器将这些斑块变换为固定长度的局部特征向量；并基于局部特征构建视觉词汇，通过视觉词袋描述肺结节图像的全局特征；用softmax算法对肺结节类型分类，完成用于肺结节图像特征表示的模型框架的设计；使用设计的模型框架及ELCAP数据集进行训练，得到用于肺结节图片自动分类模型；最后使用得到的肺结节图像分类模型，进行肺结节图像分类。本发明提供的基于自动编码器构建特征表示的肺结节图像分类方法，提升了肺结节分类模型的特征提取能力，提高了肺结节自动分类的准确率。
-
公开(公告)号：CN112633209B
公开(公告)日：2024-04-09
申请号：CN202011600579.7
申请日：2020-12-29
Applicant: 东北大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图卷积神经网络的人类动作识别方法，准备人类动作视频数据，并进行标注，并根据不同种类的动作对视频标签进行标注；使用openpose姿态估计算法对人类动作视频数据进行骨骼关键点特征的提取，然后通过骨骼点主流网络计算相邻帧骨骼关键点变化速度并进行特征拼接；对骨骼关键点进行筛选并通过角度分支网络计算筛选的骨骼关键点的夹角并进行特征拼接；将拼接好的数据传入图神经网络；将图卷积从空间域扩展到时间域；使用一个交叉注意力模型来增强网络的性能；人类动作识别。本发明能够将输入的视频中的人类所表现的动作识别出来并输出，并具有良好的易用性和鲁棒性，为人工智能技术在动作识别领域实际落地奠定一定的基础。
-
公开(公告)号：CN110223281B
公开(公告)日：2022-06-28
申请号：CN201910489713.1
申请日：2019-06-06
Applicant: 东北大学
IPC: G06T7/00 , G06V10/774 , G06K9/62
Abstract: 本发明涉及计算机视觉技术领域，提供一种数据集中含有不确定数据时的肺结节图像分类方法。首先，收集肺结节CT图像集并利用专家投票法通过多数投票原则确定图像的类别，经过预处理后得到肺结节CT图像数据集；然后，基于知识蒸馏法，构建包括教师模型、学生模型的肺结节图像分类模型；接着，获取确定标签数据集，在确定标签数据集上训练教师模型，并在肺结节CT图像数据集上计算软标签；然后，在联合硬标签和软标签的数据集上训练学生模型；最后，将预处理后的待分类肺结节CT图像输入训练后的肺结节图像分类模型中，获得其类别。本发明能够有效利用数据集中的不确定标签数据，提升肺结节诊断的准确性和效率，且易用性和鲁棒性高。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
