-
公开(公告)号：CN119810160A
公开(公告)日：2025-04-11
申请号：CN202510310265.X
申请日：2025-03-17
Applicant: 之江实验室
IPC: G06T7/30 , G06T3/02 , G06V10/46 , G06V10/75 , G06T5/70 , G06T5/90 , G06T7/194 , G06T7/11 , G06F17/16
Abstract: 本发明公开了一种全流程自动化超高分辨率图像配准方法和装置，该方法包括：超高分辨率图像的读取与对齐操作并生成低分辨率图像对，对低分辨率图像对进行增强和背景去除处理，进一步采用SIFT算法提取图像的特征点和描述符，通过FLANN算法进行特征匹配，估算低分辨率图像配准的仿射变换矩阵；结合超高分辨率与低分辨率图像的缩放因子，调整变换矩阵的平移部分参数，得到超高分辨率图像上的仿射变换矩阵；最后完成超高分辨率图像的配准。本发明的方法具有全自动化、处理效率高、精度高的特点，适用于超高分辨率图像处理领域，尤其在遥感图像、医学影像、天文图像等高分辨率图像的精确配准中具有广泛应用前景。
-
公开(公告)号：CN117036832B
公开(公告)日：2024-01-05
申请号：CN202311294085.4
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于随机多尺度分块的图像分类方法、装置及介质，包括：根据随机数对图像进行可变大小的切割，得到不同大小的图像块并记录其在图像中的位置坐标以及图像块的大小信息，从而获取图像块在图像中的位置编码以及对每个图像块大小进行编码；从图像中提取不同大小的图像块并进行像素编码；将相同大小图像块的编码向量分别组合成序列；将不同大小的序列添加图像块大小编码后分别先后输入第一Transformer编码器模块和第二Transformer编码器模块获得全局特征，再进行层归一化之后进行线性变换，得到最终的图像预测类别。本发明具有多尺度特征提取能力和数据的多样性，提
-
公开(公告)号：CN116152246B
公开(公告)日：2023-07-25
申请号：CN202310422220.2
申请日：2023-04-19
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像识别方法、装置、设备及存储介质，可以基于待识别CT图像中包含的每个体素对应的CT值，提取出待识别CT图像的统计数据，进而可以通过识别模型根据待识别CT图像的统计数据，确定出待识别CT图像的第一特征表示，以及根据待识别CT图像，确定出待识别CT图像的第二特征表示，进而可以根据待识别CT图像的统计数据以及待识别CT图像的图像信息，对待识别CT图像进行识别，进而可以提高识别的准确性。
-
公开(公告)号：CN114332287A
公开(公告)日：2022-04-12
申请号：CN202210235862.7
申请日：2022-03-11
Applicant: 之江实验室
Abstract: 本发明公开了一种基于transformer特征共享的PET图像重建方法、装置、设备及介质，本发明通过获取包含PET原始数据信息的反投影图像，再将包含PET原始数据信息的反投影图像输入至预先训练好的基于transformer特征共享的PET图像重建网络模型，得到PET图像。本发明的PET图像重建网络模型由两组编码‑解码器构成，其中一组建立PET反投影图像到PET重建图像之间的映射，另一组建立PET反投影图像到先验信息图像之间的映射，同时优化两组编码‑解码器实现利用先验信息图像中的先验知识减小目标PET图像中的噪声同时保留图像细节信息。在两组编码器之间，使用transformer单元代替基于卷积的注意力机制实现在重建网络训练过程中自主学习编码器参数共享，进一步减小重建误差，改善重建PET图像质量。
-
公开(公告)号：CN116167431A
公开(公告)日：2023-05-26
申请号：CN202310454434.8
申请日：2023-04-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于混合精度模型加速的业务处理方法及装置。首先，获取样本数据以及预先训练的业务模型。其次，将样本数据输入到业务模型中，得到标准结果。而后，对所述业务模型进行模型框架转换，得到待调整模型。然后，依次针对待调整模型的每个网络层，以调整该网络层对应的参数精度后得到的模型针对样本数据所输出的结果与标准结果之间的偏差满足预设条件为约束，对该网络层对应的参数精度进行调整。接着，得到目标模型，并部署。最后，在接收到业务数据后，将业务数据输入到目标模型，得到针对业务数据的输出结果，执行业务处理。本方法可以在保证深度学习模型的输出结果的准确性的情况下，提高深度学习模型的推理效率。
-
Patent Agency Ranking
-
公开(公告)号：CN116152246A
公开(公告)日：2023-05-23
申请号：CN202310422220.2
申请日：2023-04-19
Applicant: 之江实验室
Abstract: 本说明书公开了一种图像识别方法、装置、设备及存储介质，可以基于待识别CT图像中包含的每个体素对应的CT值，提取出待识别CT图像的统计数据，进而可以通过识别模型根据待识别CT图像的统计数据，确定出待识别CT图像的第一特征表示，以及根据待识别CT图像，确定出待识别CT图像的第一特征表示，进而可以根据待识别CT图像的统计数据以及待识别CT图像的图像信息，对待识别CT图像进行识别，进而可以提高识别的准确性。
-
公开(公告)号：CN113538422B
公开(公告)日：2022-01-18
申请号：CN202111068267.0
申请日：2021-09-13
Applicant: 之江实验室
Abstract: 本发明公开了一种基于染色强度矩阵的病理图像自动分类方法，该方法直接提取病理图像中与染色剂配比、染色平台、扫描平台以及一些人为因素无关的染色强度矩阵作为分类的特征信息，不需要恢复归一化后的染色图像，在保留与诊断相关的所有无杂质信息的同时，避免了现有的基于传统颜色归一化方法的病理图像计算机辅助诊断方法会出现的诊断效果随选取的标准病理切片的变化而变化的现象，且避免了因需要恢复染色后的图像所引入的误差，诊断精度更高且诊断效果更稳定，同时可以在更短的时间内实现对病理图像的诊断，易于实现，更具有实用性。
-
公开(公告)号：CN113538422A
公开(公告)日：2021-10-22
申请号：CN202111068267.0
申请日：2021-09-13
Applicant: 之江实验室
Abstract: 本发明公开了一种基于染色强度矩阵的病理图像自动分类方法，该方法直接提取病理图像中与染色剂配比、染色平台、扫描平台以及一些人为因素无关的染色强度矩阵作为分类的特征信息，不需要恢复归一化后的染色图像，在保留与诊断相关的所有无杂质信息的同时，避免了现有的基于传统颜色归一化方法的病理图像计算机辅助诊断方法会出现的诊断效果随选取的标准病理切片的变化而变化的现象，且避免了因需要恢复染色后的图像所引入的误差，诊断精度更高且诊断效果更稳定，同时可以在更短的时间内实现对病理图像的诊断，易于实现，更具有实用性。
-
公开(公告)号：CN117036832A
公开(公告)日：2023-11-10
申请号：CN202311294085.4
申请日：2023-10-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/26 , G06V10/82 , G06V10/10 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于随机多尺度分块的图像分类方法、装置及介质，包括：根据随机数对图像进行可变大小的切割，得到不同大小的图像块并记录其在图像中的位置坐标以及图像块的大小信息，从而获取图像块在图像中的位置编码以及对每个图像块大小进行编码；从图像中提取不同大小的图像块并进行像素编码；将相同大小图像块的编码向量分别组合成序列；将不同大小的序列添加图像块大小编码后分别先后输入第一Transformer编码器模块和第二Transformer编码器模块获得全局特征，再进行层归一化之后进行线性变换，得到最终的图像预测类别。本发明具有多尺度特征提取能力和数据的多样性，提高图像分类的准确性和泛化能力，减轻过拟合问题，更好地学习到数据的统计特性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.044 seconds)
