-
Patent Agency Ranking
公开(公告)号：CN109741347B
公开(公告)日：2021-03-16
申请号：CN201811645917.1
申请日：2018-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络的迭代学习的图像分割方法，基于U‑Net模型，针对病理图像语义分割模型训练过程，提出新的损失计算方式和迭代训练的方法。该方法通过改进模型中损失函数的计算方式，调整求解的目标函数。提出利用模型预测区域与标注区域相补的思想，通过迭代训练，进一步修补不完全、不确切监督区域，得到标注更加精细的样本，从而完成更高精度的语义分割。这种针对不完全、不确切监督问题提出的新的模型学习方法，具有较强的鲁棒性，因而能更好的分割病变区域。在相同训练模型、相同数据集的情况下，采用本方法，相比原始模型能提升0.4‑0.8左右的精度，在比赛、科研的领域中，具有显著的作用。
-
公开(公告)号：CN109741347A
公开(公告)日：2019-05-10
申请号：CN201811645917.1
申请日：2018-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络的迭代学习的图像分割方法，基于U-Net模型，针对病理图像语义分割模型训练过程，提出新的损失计算方式和迭代训练的方法。该方法通过改进模型中损失函数的计算方式，调整求解的目标函数。提出利用模型预测区域与标注区域相补的思想，通过迭代训练，进一步修补不完全、不确切监督区域，得到标注更加精细的样本，从而完成更高精度的语义分割。这种针对不完全、不确切监督问题提出的新的模型学习方法，具有较强的鲁棒性，因而能更好的分割病变区域。在相同训练模型、相同数据集的情况下，采用本方法，相比原始模型能提升0.4-0.8左右的精度，在比赛、科研的领域中，具有显著的作用。
-
公开(公告)号：CN109272048B
公开(公告)日：2022-04-12
申请号：CN201811157800.9
申请日：2018-09-30
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于深度卷积神经网络的模式识别方法，主要是一种基于深度卷积神经网络，引入attention机制及图像增强手段的模式识别方法。首先拿到样本数据集，由相关专业人员对数据集图像进行标注，对图像做灰度处理，这样可以凸显出主要目标的轮廓，有利于特征提取，然后利用随机旋转不同角度对数据集进行扩充，再对图像数据做增强以及数据预处理，最后构建出能够高效提取图像特征的深度卷积神经网络，用建立好的数据集进行五折交叉验证对模型进行训练并测试，完成视觉辅助检测模型的构建。本发明在样本识别时运算效率更高，而模型参数减少，降低了资源的占用，以及对软硬件的高需求，可以更好投入到实际使用。
-
公开(公告)号：CN109408812A
公开(公告)日：2019-03-01
申请号：CN201811157788.1
申请日：2018-09-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于注意力机制的序列标注联合抽取实体关系的方法，先将海量的中文语句语料进行去噪等预处理，然后进行分词，对单个的词语转换成向量表示，这样作为双向长短时记忆网络的输入对单字进行编码。使用双向长短时记忆网络不仅可以学习长期和短期依赖信息，还可以同时将输入层的数据经过向前和向后两个方向推算，从而学习过去的上下文信息和未来的上下文信息，这对语句的序列标注是非常有益的。然后在解码层引入注意力机制，使得解码生成标注序列时可以得到前面编码阶段每个字符隐藏层的信息向量，充分利用输入序列携带的信息。最后通过softmax计算每个词的实体标签化概率，可有效得出最终的标注序列并进行实体及其对应关系的组合。
-
公开(公告)号：CN109272048A
公开(公告)日：2019-01-25
申请号：CN201811157800.9
申请日：2018-09-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度卷积神经网络的模式识别方法，主要是一种基于深度卷积神经网络，引入attention机制及图像增强手段的模式识别方法。首先拿到样本数据集，由相关专业人员对数据集图像进行标注，对图像做灰度处理，这样可以凸显出主要目标的轮廓，有利于特征提取，然后利用随机旋转不同角度对数据集进行扩充，再对图像数据做增强以及数据预处理，最后构建出能够高效提取图像特征的深度卷积神经网络，用建立好的数据集进行五折交叉验证对模型进行训练并测试，完成视觉辅助检测模型的构建。本发明在样本识别时运算效率更高，而模型参数减少，降低了资源的占用，以及对软硬件的高需求，可以更好投入到实际使用。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
