-
公开(公告)号：CN113327221B
公开(公告)日：2024-07-16
申请号：CN202110735504.8
申请日：2021-06-30
Applicant: 北京工业大学
IPC: G06T5/50 , G06T3/147 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464 , G06T5/60 , G16H30/20
Abstract: 本发明涉及一种融合ROI区域的图像合成方法、装置、电子设备及介质，该方法包括获取具有对应类别信息的有病和无病原始图像；使用弱监督定位网络获取有病原始图像的感兴趣区域，得到有病掩膜图像；通过相似度计算获取与无病原始图像对应的相似有病图像，得到无病掩膜图像；分别使用有病和无病掩膜图像对有病和无病原始图像进行遮挡，得到被掩膜遮挡的图像；设计基于条件生成对抗性网络模型，并使用有病和无病掩膜图像、被掩膜遮挡的图像以及对应类别信息对该网络模型进行训练，从而得到合成医疗图像。本发明通过获取医疗图像中的感兴趣区域以及使用基于条件生成对抗性网络模型，能够高效合成指定种类的医疗图像，提高图像质量。
-
公开(公告)号：CN111832570B
公开(公告)日：2024-08-16
申请号：CN202010634052.X
申请日：2020-07-02
Applicant: 北京工业大学
IPC: G06V20/70 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/084 , G06N3/094
Abstract: 本发明实施例提供一种图像语义分割模型训练方法及系统。该方法包括：获取用于训练分割网络的训练数据；将所述训练数据输入至图像语义分割网络，进行目标域图像语义分割网络的训练；其中所述训练数据是由预先训练好的训练数据合成网络和合成的伪标签所得到。本发明实施例通过采用生成对抗网络合成目标任务上的语义分割标签，采用基于领域自适应机制的训练数据合成网络生成训练数据，采用基于注意力机制的图像分割网络，来优化目标语义区域的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN111783852A
公开(公告)日：2020-10-16
申请号：CN202010550939.0
申请日：2020-06-16
Applicant: 北京工业大学
Abstract: 一种基于深度强化学习自适应式生成图像描述的方法及图像描述技术领域，提供一种更好的决策机制使生成描述过程中自适应的决策是否利用视觉信息。如利用语义信息生成下一个词语时不必要使用视觉信息；如利用注意力机制生成下一个单词时视觉信息的占比应该尽可能的大，可进行自适应的比重修正。本发明使在图像描述问题中生成下一个单词时能够自适应的决策是否利用视觉信息；采用强化学习的奖励机制调整在利用注意力机制生成词语时视觉信息所占比重，使得算法具有很强的学习能力、自适应性、科学性和鲁棒性。
-
公开(公告)号：CN111783852B
公开(公告)日：2024-03-12
申请号：CN202010550939.0
申请日：2020-06-16
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/092
Abstract: 一种基于深度强化学习自适应式生成图像描述的方法及图像描述技术领域，提供一种更好的决策机制使生成描述过程中自适应的决策是否利用视觉信息。如利用语义信息生成下一个词语时不必要使用视觉信息；如利用注意力机制生成下一个单词时视觉信息的占比应该尽可能的大，可进行自适应的比重修正。本发明使在图像描述问题中生成下一个单词时能够自适应的决策是否利用视觉信息；采用强化学习的奖励机制调整在利用注意力机制生成词语时视觉信息所占比重，使得算法具有很强的学习能力、自适应性、科学性和鲁棒性。
-
公开(公告)号：CN113327221A
公开(公告)日：2021-08-31
申请号：CN202110735504.8
申请日：2021-06-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种融合ROI区域的图像合成方法、装置、电子设备及介质，该方法包括获取具有对应类别信息的有病和无病原始图像；使用弱监督定位网络获取有病原始图像的感兴趣区域，得到有病掩膜图像；通过相似度计算获取与无病原始图像对应的相似有病图像，得到无病掩膜图像；分别使用有病和无病掩膜图像对有病和无病原始图像进行遮挡，得到被掩膜遮挡的图像；设计基于条件生成对抗性网络模型，并使用有病和无病掩膜图像、被掩膜遮挡的图像以及对应类别信息对该网络模型进行训练，从而得到合成医疗图像。本发明通过获取医疗图像中的感兴趣区域以及使用基于条件生成对抗性网络模型，能够高效合成指定种类的医疗图像，提高图像质量。
-
公开(公告)号：CN111951220A
公开(公告)日：2020-11-17
申请号：CN202010659486.5
申请日：2020-07-10
Applicant: 北京工业大学
Abstract: 一种基于多层面领域自适应技术的无监督脑出血分割方法涉及计算机处理技术领域。本发明用基于语义保留机制的图像合成网络，通过多重语义保留机制，包括对合成目标域图像的语义保留，对循环生成源域图像的语义保留，以及对输入图像的适配机制，保留针对于具体分割任务的重点区域的语义特征；采用基于领域自适应机制的图像分割网络，来优化CT脑出血分割任务的语义分割效果。
-
公开(公告)号：CN111832570A
公开(公告)日：2020-10-27
申请号：CN202010634052.X
申请日：2020-07-02
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种图像语义分割模型训练方法及系统。该方法包括：获取用于训练分割网络的训练数据；将所述训练数据输入至图像语义分割网络，进行目标域图像语义分割网络的训练；其中所述训练数据是由预先训练好的训练数据合成网络和合成的伪标签所得到。本发明实施例通过采用生成对抗网络合成目标任务上的语义分割标签，采用基于领域自适应机制的训练数据合成网络生成训练数据，采用基于注意力机制的图像分割网络，来优化目标语义区域的分割效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
