公开(公告)号：CN115272167A

公开(公告)日：2022-11-01

申请号：CN202210545711.1

申请日：2022-05-19

Applicant: 北京科技大学 ,  北京科技大学顺德研究生院

Inventor： 马博渊 ,  赵基淮 ,  班晓娟 ,  王笑琨

IPC: G06T7/00 ,  G06T7/33 ,  G06T5/50

Abstract: 本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。

公开(公告)号：CN114972405A

公开(公告)日：2022-08-30

申请号：CN202210485822.8

申请日：2022-05-06

Applicant: 北京科技大学顺德研究生院

Inventor： 马博渊 ,  康文彬 ,  班晓娟 ,  张雅斓

IPC: G06T7/194

Abstract: 本发明公开了一种面向图像分割的损失函数加权方法及装置，所述方法包括：构建具有前景和背景标注的适用于图像分割任务的图像数据集；根据图像中前景和背景所占的像素比例计算类别损失项；根据图像中前景和背景的形态计算形态损失项；根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项；将类别损失项、形态损失项和目标距离损失项加权累加，得到权重图；将权重图与交叉熵损失函数结合，确定图像分割模型的预测结果的损失值；在训练过程中，采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征，从而提高图像分割任务中对于关键前景目标位置的定位准确率。

公开(公告)号：CN114972405B

公开(公告)日：2024-08-06

申请号：CN202210485822.8

申请日：2022-05-06

Applicant: 北京科技大学顺德研究生院

Inventor： 马博渊 ,  康文彬 ,  班晓娟 ,  张雅斓

IPC: G06T7/194

Abstract: 本发明公开了一种面向图像分割的损失函数加权方法及装置，所述方法包括：构建具有前景和背景标注的适用于图像分割任务的图像数据集；根据图像中前景和背景所占的像素比例计算类别损失项；根据图像中前景和背景的形态计算形态损失项；根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项；将类别损失项、形态损失项和目标距离损失项加权累加，得到权重图；将权重图与交叉熵损失函数结合，确定图像分割模型的预测结果的损失值；在训练过程中，采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征，从而提高图像分割任务中对于关键前景目标位置的定位准确率。