-
公开(公告)号：CN116740706A
公开(公告)日：2023-09-12
申请号：CN202310535357.9
申请日：2023-05-12
Applicant: 中南大学
Abstract: 本公开实施例中提供了一种基于协同检测的显微图像生物体识别方法，属于图像处理技术领域，具体包括：提取显微图像对应的不同尺度的三层图像特征；修改图像特征尺度与第三层图像特征一致；将处理后的第一层图像特征、处理后第二次图像特征和第三层图像特征采用预设方法进行融合，得到融合特征；将融合特征输入边框检测模块得到边框检测图，得到中心点密度图，生成高斯密度图；根据高斯密度图中包含的中心点坐标信息结合边框检测图中包含的边框信息，将中心点坐标与边框检测图中的边框坐标逐个比对，筛选出重合的边框信息并保留，删除其余边框，优化识别结果，得到边框检测结果。通过本公开的方案，提高了识别适应性和精准度。
-
公开(公告)号：CN117195970A
公开(公告)日：2023-12-08
申请号：CN202311467452.6
申请日：2023-11-07
Applicant: 中南大学
IPC: G06N3/0475 , G06N3/042 , G06N3/094 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的超图神经网络对抗样本生成方法，包括获取目标超图神经网络的数据信息；为注入节点随机生成标签并得到注入节点的特征；选定注入节点可能连接的所有超边；将注入节点注入超边得到超图，计算损失并选取若干超边作为遗传进化的输入数据；采用遗传算法对超边进行遗传进化并计算个体得分；选取个体作为注入节点的连接关系，完成注入节点生成并保存注入节点；对注入节点进行排列组合并输出对抗样本，完成目标超图神经网络的对抗样本生成。本发明设计了一种基于遗传进化的注入节点生成方法，并保存高质量的注入节点，通过对注入节点进行变异操作得到高质量对抗样本；因此本发明方法的可靠性更高，效果更好。
-
公开(公告)号：CN115861275A
公开(公告)日：2023-03-28
申请号：CN202211674351.1
申请日：2022-12-26
Applicant: 中南大学
Abstract: 本申请适用于水质检测技术领域，提供了一种细胞计数方法、装置、终端设备及介质。其中该方法通过对原始图像数据进行分块，得到多个图像块；给每个图像块添加序列信息，提取其图像特征，得到图像特征集；由图像特征集构建第一图像特征关联矩阵；根据目标细胞的目标框位置信息和第一图像特征关联矩阵，构建图像特征遮掩矩阵；利用图像特征遮掩矩阵对不含目标细胞的图像块对应的超边进行处理，得到第二图像特征关联矩阵；根据第二图像特征关联矩阵构建图像特征超图；利用超图卷积神经网络对图像特征超图进行处理，得到原始图像中目标细胞的密度；根据目标细胞的密度，获取原始图像中目标细胞的数量。本申请能提高细胞计数的准确性。
-
公开(公告)号：CN115861275B
公开(公告)日：2024-02-06
申请号：CN202211674351.1
申请日：2022-12-26
Applicant: 中南大学
Abstract: 本申请适用于水质检测技术领域，提供了一种细胞计数方法、装置、终端设备及介质。其中该方法通过对原始图像数据进行分块，得到多个图像块；给每个图像块添加序列信息，提取其图像特征，得到图像特征集；由图像特征集构建第一图像特征关联矩阵；根据目标细胞的目标框位置信息和第一图像特征关联矩阵，构建图像特征遮掩矩阵；利用图像特征遮掩矩阵对不含目标细胞的图像块对应的超边进行处理，得到第二图像特征关联矩阵；根据第二图像特征关联矩阵构建图像特征超图；利用超图卷积神经网络对图像特征超图进行处理，得到原始图像中目标细胞的密度；根据目标细胞的密度，获取原始图像中目标细胞的数量。本申请能提高细胞计数的准确性。(56)对比文件Yao Xue,et al..Cell Counting byRegression Using Convolutional NeuralNetwork《.Computer Vision-ECCV 2016Workshops》.2016,第9913卷全文.
-
-
-
Search Results
4
records
(took 0.019 seconds)
