公开(公告)号：CN115018864B

公开(公告)日：2024-04-05

申请号：CN202210692381.9

申请日：2022-06-17

Applicant: 东南大学

Inventor： 李春国 ,  王妍 ,  张翅 ,  郑志刚 ,  谢国烜 ,  张彪 ,  杨绿溪

IPC: G06T7/11 ,  G06T11/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于自适应预处理的三阶段肝脏肿瘤图像分割方法，属于图像处理领域。本发明将CT图像的窗位窗宽预处理融合进深度学习网络作为整个网络的第一阶段，以针对不同场景机器环境下的CT成像差异，获取较好的预处理结果，提高最终的肝脏肿瘤分割精度。第二阶段为分割肝脏感兴趣区域的U型网络，第三阶段为最终的肝脏肿瘤精细分割网络。整个网络分为三个阶段，第一阶段负责预处理，第二阶段提取感兴趣区域，以排除不相关的干扰，第三阶段接收第二阶段的监督以实现精细分割。

公开(公告)号：CN116363484A

公开(公告)日：2023-06-30

申请号：CN202310359846.3

申请日：2023-04-06

Applicant: 东南大学

Inventor： 杨绿溪 ,  许诺 ,  刘周勇 ,  王潇祎 ,  谢国烜 ,  俞科栋 ,  徐琴珍 ,  俞非

IPC: G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开一种基于注意力机制的小样本目标检测系统及方法，系统包括：分组空间与通道注意力模块、注意力残差模块。分组空间与通道注意力模块用于完成基于空间信息嵌入的通道间的注意力机制，并将最终的空间与通道注意力的权重加载在原特征图上；注意力残差模块基于分组空间与通道注意力模块，通过卷积层、归一化层、激活函数等，以及残差连接，构成注意力残差模块，以避免注意力梯度消失与梯度爆炸。

公开(公告)号：CN115018864A

公开(公告)日：2022-09-06

申请号：CN202210692381.9

申请日：2022-06-17

Applicant: 东南大学

Inventor： 李春国 ,  王妍 ,  张翅 ,  郑志刚 ,  谢国烜 ,  张彪 ,  杨绿溪

IPC: G06T7/11 ,  G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于自适应预处理的三阶段肝脏肿瘤图像分割方法，属于图像处理领域。本发明将CT图像的窗位窗宽预处理融合进深度学习网络作为整个网络的第一阶段，以针对不同场景机器环境下的CT成像差异，获取较好的预处理结果，提高最终的肝脏肿瘤分割精度。第二阶段为分割肝脏感兴趣区域的U型网络，第三阶段为最终的肝脏肿瘤精细分割网络。整个网络分为三个阶段，第一阶段负责预处理，第二阶段提取感兴趣区域，以排除不相关的干扰，第三阶段接收第二阶段的监督以实现精细分割。

公开(公告)号：CN116452947A

公开(公告)日：2023-07-18

申请号：CN202310366161.1

申请日：2023-04-07

Applicant: 东南大学

Inventor： 俞菲 ,  俞科栋 ,  王潇祎 ,  许诺 ,  郑志刚 ,  谢国烜 ,  杨绿溪

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06V10/764 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明提供一种基于多尺度融合和可变形卷积的跨域故障检测方法，解决火车故障图像跨域目标检测中相应的问题。包括如下步骤：准备正常场景下的火车故障数据集作为源域数据集和雾天场景下的火车故障数据集作为目标域数据集；设计一个域自适应特征金字塔，加入到RetinaNet目标检测网络中，来实现源域和目标域的特征对齐；在目标检测网络中的backbone加入可变形卷积模块来实现对形态差异大的故障的适应能力；在原有检测网络中的FPN加入ASFF模块，解决FPN网络中不同尺度学习目标不一致的问题；将RetinaNet网络的回归子网络损失函数改为CIOU loss，优化模型的损失。该基于多尺度融合和可变形卷积的跨域故障检测方法是解决目标检测模型在有雾场景下对火车故障检测结果较差的问题。

公开(公告)号：CN116309508A

公开(公告)日：2023-06-23

申请号：CN202310324738.2

申请日：2023-03-30

Applicant: 东南大学

Inventor： 杨绿溪 ,  魏雯 ,  张亚中 ,  谢国烜 ,  李春国 ,  黄永明

IPC: G06T7/00 ,  G06V10/764 ,  G06N3/08 ,  G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06V10/77 ,  G06N3/0464

Abstract: 本发明提出一种基于图像增广和图像重构的异常检测方法，包括以下步骤：S1获取测试图像；S2将测试图像输入生成网络中实现输入样本的无异常重构；S3将测试样本和它经过生成网络得到的无异常重构样本在通道处级联送入判别网络中生成异常分数，实现实例级异常检测；S4基于梯度类加权激活映射方法，使用流向判别网络中最后卷积层的梯度信息生成异常区域的一个定位图，实现异常定位。本发明在基于生成式模型重构无异常样本的基础上，使用数据增广策略，在正常样本的基础上构造伪异常样本加入，转无监督学习为有监督学习，将原本的图像实例级异常检测问题转化为图像分类问题，并进一步提升了异常检测的准确率，且可以实现较为精确的异常定位。

公开(公告)号：CN116385834A

公开(公告)日：2023-07-04

申请号：CN202310374235.6

申请日：2023-04-10

Applicant: 东南大学

Inventor： 俞菲 ,  谢国烜 ,  张翅 ,  魏雯 ,  杨绿溪

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/762 ,  G06N20/20

Abstract: 本发明公开一种基于生成对抗网络的多样性主动学习方法，并结合分类任务模型ResNet‑18在铁路列车故障检测相关数据集中实现了落地应用。该策略包括如下步骤：准备铁路列车故障图像分类数据集，选定分类任务模型，利用数据集训练生成对抗网络并生成合成样本；利用任务模型特征图进行合成样本与原有样本额特征提取与匹配；依据基于网络参数梯度范数的自适应选取决策进行样本筛选；最后引入K‑means++聚类算法作为多样性策略进行样本筛选；重复迭代上述样本生成与筛选步骤实现主动学习样本选取。该策略通过上述多维度策略结合，提高了主动学习决策性能，为缩减项目标注成本提供了有效帮助。

公开(公告)号：CN116385833A

公开(公告)日：2023-07-04

申请号：CN202310374230.3

申请日：2023-04-10

Applicant: 东南大学

Inventor： 俞菲 ,  谢国烜 ,  俞科栋 ,  许诺 ,  杨绿溪 ,  徐琴珍

IPC: G06V10/774 ,  G06V10/764 ,  G06N3/091 ,  G06N20/20

Abstract: 本发明公开一种基于定位稳定性与注意力损失预测的主动学习方法，并结合目标检测模型YOLOv5在铁路列车故障检测相关数据集中实现了落地应用。该方法包括如下步骤：准备铁路列车故障图像作为目标检测数据集，选定图像目标检测模型作为任务模型；构建注意力模块以及损失预测模块；依据任务模型选定特征图作为损失预测模块输入；依据任务模型对噪声扰动前后样本的预测定位框变化，计算定位稳定性得分；最后综合考察预测损失与定位稳定性，实现主动学习样本选取。该方法利用基于注意力机制的损失预测模块进行损失预测，结合定位稳定性度量实现对样本的多维度考察，提高了主动学习决策性能，为缩减项目标注成本提供了帮助。

公开(公告)号：CN114596477A

公开(公告)日：2022-06-07

申请号：CN202210258835.1

申请日：2022-03-16

Applicant: 东南大学

Inventor： 俞菲 ,  俞科栋 ,  王潇祎 ,  谢国烜 ,  许诺 ,  杨绿溪

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/40 ,  G06K9/62

Abstract: 本发明公开一种基于领域自适应和注意力机制的雾天火车故障检测方法，包括如下步骤：准备正常场景下的火车故障数据集作为源域数据集和雾天场景下的火车故障数据集作为目标域数据集；对目标检测模型中的特征提取网络，加入通道注意力模块；在特征提取网络后加入图像级域自适应模块和实例级域自适应模块来实现源域和目标域的特征对齐；最后输入带标签的源域数据集和不带标签的目标域数据集完成域自适应的火车故障检测。该基于领域自适应和注意力机制的雾天火车故障检测方法是解决目标检测模型在有雾天气下对火车故障检测结果较差的问题。