-
公开(公告)号：CN117409274A
公开(公告)日：2024-01-16
申请号：CN202311464707.3
申请日：2023-11-06
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/776 , G06V10/44 , G06V10/80 , G06V10/26 , G06V20/70
Abstract: 本申请提供了一种图像分割模型的训练方法、装置及图像分割方法，所述图像分割模型的训练方法包括以下步骤：构建训练集，获得样本图像的多个模态分别对应的第一特征提取结果，以及样本图像多个模态相同感受野下分别对应的多个第二特征提取结果；将多个第二特征提取结果进行融合得到特征融合结果；将第一特征提取结果和特征融合结果进行空间层面和通道层面的融合得到空间融合结果和通道融合结果；将空间融合结果和通道融合结果进行融合得到单模态融合结果；利用第一特征提取结果、单模态融合结果和分割标签得到将样本图像输入到所述待训练模型后待训练模型的对比损失。本申请提供的方法训练出的图像分割模型精度更高。
-
公开(公告)号：CN112070793A
公开(公告)日：2020-12-11
申请号：CN202010952509.1
申请日：2020-09-11
Applicant: 北京邮电大学
Abstract: 本申请提供了一种目标提取方法及装置，其中，方法包括：获取待提取目标的图像和位置信息；位置信息包括前景点的位置信息和背景点的位置信息；依据前景点的位置信息计算前景二值图像，以及依据背景点的位置信息计算背景二值图像；将图像、前景二值图像和背景二值图像进行通道组合；将通道组合后的图像输入训练后的目标语义分割模型，得到用于区分所述图像中的目标和非目标的掩膜；目标语义分割模型是至少将Deeplab v3+语义分割网络中的Xception‑65替换为残差网络ResNet‑101得到；依据掩膜和图像，提取图像中的目标。本申请提供的目标的提取方法，提取目标的速度和精度都得到提高。
-
公开(公告)号：CN117352121A
公开(公告)日：2024-01-05
申请号：CN202311451375.5
申请日：2023-11-02
Applicant: 北京邮电大学
IPC: G16H15/00 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0499 , G06V30/10 , G16H30/00
Abstract: 本申请实施例公开了一种医学影像报告的生成方法及装置。在该方法中，将医学影像视图输入视觉语言预训练模型提取视觉特征；基于视觉特征构建医学文本标签；将医学文本标签输入预训练语言模型进行编码，得到文本特征；将文本特征和视觉特征输入预设的多模态交叉融合模块进行融合，得到多模态特征：对多模态特征进行解码，得到医学影像报告。由此可见，利用本申请实施例提供的方案，采用多模态预训练模型提取视觉特征，实现高级语义信息的捕捉，从而提高医学影像报告的准度；采用预训练语言模型对医学文本标签进行编码，能够提供医学影像报告中医学术语的充实性和准确度；采用多模态交叉融合模块弥补特征间差异，从而提高生成的医学影像报告的质量。
-
公开(公告)号：CN112053287A
公开(公告)日：2020-12-08
申请号：CN202010952506.8
申请日：2020-09-11
Applicant: 北京邮电大学
Abstract: 本申请公开了一种图像超分辨率方法、装置及设备，获取待进行图像超分辨率的图像之后，利用图像超分辨率模型，基于所述图像的浅特征以及所述图像的深度特征，得到与所述图像对应的超分辨率图像，所述图像的深度特征中包括所述图像的自身纹理特征。上述方案中，图像超分辨率模型能够利用图像的自身纹理特征，使得超分辨率图像中的纹理特征更为清晰。
-
公开(公告)号：CN104182981B
公开(公告)日：2017-02-22
申请号：CN201410424372.7
申请日：2014-08-26
Applicant: 北京邮电大学
IPC: G06T7/10
Abstract: 本申请公开了一种图像检测方法及装置，方法包括：进行图像分割，获取训练对象集，构建多特征树，得到若干个在视觉特征上相互独立的范本对象，由于多特征树的建立过程是一种利用多种视觉特征按一定层次距离细分的过程，所以很好的表达出同类对象在多种视觉特征上的相似性，仅在少数视觉特征上不同，而异类对象只在少数特征上相似，在大多数视觉特征上不同。进一步，将获得的所有范本对象都用于对象表达中，通过计算图像对象与不同范本对象的相似程度，很好的将同类的多样性信息和异类的差异信息共同编码到对象表达中，因此使得最后的对象检测子同时具备良好的同类整合能力和异类区分能力。
-
Patent Agency Ranking
公开(公告)号：CN102902821B
公开(公告)日：2015-08-12
申请号：CN201210431912.5
申请日：2012-11-01
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于网络热点话题的图像高级语义标注方法、检索方法及装置。其中标注方法包括：利用待标注图像的实体语义词，基于文本关键词的搜索引擎，检索与待标注图像实体语义相似的图像以及伴随文本。接着从伴随文本中提取主题，并建立主题与主题、图像与图像、图像与主题之间的关联关系，并基于此，将具有相似主题且视觉特征相似的图像聚为一类，将具有相似视觉特征的图像对应的相似主题聚为一类。从中选择与待标注图像视觉特征最为相似的图像类，将其对应的主题作为热点话题。本发明通过上述过程，实现了对图像的高级语义标注，并且通过去噪使得到的高级语义能够准确的描述待标注图像。
-
公开(公告)号：CN102819836A
公开(公告)日：2012-12-12
申请号：CN201210224358.3
申请日：2012-06-28
Applicant: 北京邮电大学
Abstract: 本发明实施例提供一种图像分割方法及系统。该方法包括对给定图像进行预分割，获得多个子区域；按照至少两种特征分别对所述多个子区域进行合并，获得每种特征对应的子分割结果；将所述至少两种特征对应的子分割结果表示为超图；基于所述超图将所述至少两种特征的子分割结果进行聚类集成，获得所述给定图像的分割结果。该分割方法有效地结合了多种特征对图像的分割，克服了一般分割算法因为基于单一的图像特征而不具备通用性的缺点，同时，避免了因为视觉特征向量和Bag of words中各部分权值和维数的设置不当而使得特征对分割的性能无法起到应有作用的问题。
-
公开(公告)号：CN117437198A
公开(公告)日：2024-01-23
申请号：CN202311433730.6
申请日：2023-10-31
Applicant: 北京邮电大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06T5/70 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种医学图像生成模型的训练方法、问答方法及相关产品。待训练医学图像生成模型根据医学样本图像的图像类型对医学样本图像的噪声图像进行预测，获得医学预测图像；根据医学图像标签和医学预测图像的差异，调整待训练医学图像生成模型的参数，直至调整后的模型满足训练截止条件，训练结束获得医学图像生成模型。可见，本申请在对噪声图像进行预测时，引入了医学样本图像的图像类型，以将图像类型作为条件，引导待训练医学图像生成模型生成医学预测训练图像，如此，本申请提出结合条件对医学图像进行预测，其提高了预测噪声的准确性，也进一步提高了生成医学图像的准确性。
-
公开(公告)号：CN116071131A
公开(公告)日：2023-05-05
申请号：CN202310140991.2
申请日：2023-02-16
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06F16/9535
Abstract: 本申请提供了一种冷启动推荐方法和相关装置，方法包括：分别提取目标用户、第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征，并将提取的第一元路径集合、第二元路径集合、待评分物品和已评分物品的特征映射到同一嵌入空间；基于目标用户的特征和映射到嵌入空间的特征，确定待评分物品相对于已评分物品的评分偏移量；根据目标用户对已评分物品的评分值和评分偏移量，确定目标用户对待评分物品的评分预测值，以基于评分预测值确定是否为目标用户推荐待评分物品。本申请基于映射到嵌入空间的特征和目标用户的特征，可以确定出准确地评分偏移量，进而基于评分偏移量确定出的评分预测值与真实评分值更一致，推荐结果更准确。
-
公开(公告)号：CN112053287B
公开(公告)日：2023-04-18
申请号：CN202010952506.8
申请日：2020-09-11
Applicant: 北京邮电大学
IPC: G06T3/40 , G06V10/54 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种图像超分辨率方法、装置及设备，获取待进行图像超分辨率的图像之后，利用图像超分辨率模型，基于所述图像的浅特征以及所述图像的深度特征，得到与所述图像对应的超分辨率图像，所述图像的深度特征中包括所述图像的自身纹理特征。上述方案中，图像超分辨率模型能够利用图像的自身纹理特征，使得超分辨率图像中的纹理特征更为清晰。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.024 seconds)
