-
公开(公告)号：CN119992203A
公开(公告)日：2025-05-13
申请号：CN202510097300.4
申请日：2025-01-22
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/084 , G06N3/092 , G06V10/26 , G06V10/74 , G16H50/20 , G16H30/40 , G06T7/00
Abstract: 本发明涉及一种基于牙周照片的牙周炎识别系统，主要用于通过牙周照片自动化识别牙周炎。系统包括五个模块：图像采集与预处理模块、多实例学习模型训练模块、分类与诊断模块、系统普通用户端以及系统专家用户端。该系统通过图像处理和目标检测技术，首先对采集的牙周照片进行预处理，排除低质量图片并裁剪出牙齿区域；然后利用多实例学习框架，结合对比损失对图像进行分类，识别牙周炎的风险等级。用户端提供直观的诊断结果，专家端则为专家提供更详细的分析信息和建议。该发明能够有效提高牙周炎的诊断精度，减轻临床工作负担，实现牙周炎的早期自动化识别，为患者提供及时有效的治疗建议。
-
公开(公告)号：CN115908947B
公开(公告)日：2025-01-28
申请号：CN202211693971.X
申请日：2022-12-28
IPC: G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开一种基于反绎学习的多模态牙周图像识别方法和系统，首先，获取标注的牙周疾病图片，并以有监督的方式对于预训练模型进行更新；接着，对于牙周疾病严重程度的知识进行形式化，形成知识库；然后，基于预训练模型对无标注牙周疾病图片数据生成伪标记，并将伪标记与知识库进行对比，用逻辑推理的结果针对伪标记进行矫正与更新，并利用矫正数据重新训练模型；最后，利用训练好的模型生成图片对应的最终标记，并利用多模态融合的方法得到最终的识别结果。本发明利用反绎学习的框架，在仅有少量标注数据的场景下，通过形式化并利用专家知识，在加速训练过程的同时，更能使模型达到较高的识别准确率。
-
公开(公告)号：CN119993458A
公开(公告)日：2025-05-13
申请号：CN202510097299.5
申请日：2025-01-22
IPC: G16H50/20 , G16H30/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084 , G06N3/0895 , G06T7/00
Abstract: 本发明公开一种基于不完全监督信息的多维度牙周炎识别和检测方法，首先，获取标注的牙周疾病图像，排除掉无法识别的图像并将剩余图像中需要识别的部分裁剪出来，并根据牙龈是否发炎和牙周退缩程度两个维度对图像进行分类；接着，基于多维度分类模型估计全部样本的标签分布，并用于修改每个类别数据的训练损失；然后，基于多维度分类模型对无标注牙周炎图像数据生成伪标签，并将通过估计现有参数的类别偏差来获取更精准的伪标签，利用矫正标签重新训练模型；最后，利用训练好的模型生成图像对应的最终标签，得到最终的识别结果。本发明利用半监督学习的框架，在仅有少量标注数据且数据类别不均衡的场景下，通过估计标签分布得到无偏损失，并通过估计类别偏差来矫正伪标签，解决了类别不均衡和标注数据有限两个问题，能使模型达到较高的识别准确率。
-
公开(公告)号：CN118351367A
公开(公告)日：2024-07-16
申请号：CN202410462765.0
申请日：2024-04-17
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06N3/084 , G06N3/096
Abstract: 本发明公开一种基于迁移学习的牙周疾病图像分类方法和系统，包括患者牙周图像的识别与筛选、牙周图像的预处理和数据集制作、预训练模型的获取、基于迁移学习的深度模型训练和更新。首先，获取医院实际拍摄的患者照片序列，并从中识别出患者的牙周正面照片，对识别出的数据进行预处理；然后，基于迁移学习方法，利用牙周数据对预训练模型进行训练与微调，最终得到一个具有泛化性的预测模型。本发明利用迁移学习的方法，使得深度模型在少量数据上仍能达到很好的分类准确率，从而降低数据收集的难度，提升牙周疾病图像识别与分类的准确率。基于端到端的思想，面向原始图片序列自动进行目标图片的识别与预测，从而降低医生的工作量，具有良好的应用前景。
-
公开(公告)号：CN120031189A
公开(公告)日：2025-05-23
申请号：CN202510087483.1
申请日：2025-01-20
Applicant: 南京大学
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/26 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种用于行人流量实时预测的深度神经网络在线集成方法，首先利用离线数据初始化一个基于深度神经网络的行人流量预测模型，然后在线部署模型预测行人流量，同时收集在线数据更新模型，让模型快速适应实时变化的复杂场景。多分辨率更新策略把深度神经网络分为多个子模块，采用不同分辨率的历史数据训练不同的子模块，让子模块的行人流量预测能力具有多样性；在线集成策略根据实时数据分布的变化，动态选择与组合最能适应当前场景的子模块，生成实时预测结果。与现有方法相比，本发明在实时行人流量预测的精度和响应速度上显著提升，尤其适用于交通监控、公共安全管理等需要实时数据处理的场景。
-
Patent Agency Ranking
公开(公告)号：CN119131501A
公开(公告)日：2024-12-13
申请号：CN202411274275.4
申请日：2024-09-12
Applicant: 南京大学
IPC: G06V10/764 , G06V10/82
Abstract: 本发明公开一种针对图像分类任务实现安全反绎学习的方法和装置，旨在解决现有反绎学习方法在图像分类任务中处理不准确知识时面临性能不安全的问题。获取图像分类目标数据集以及带噪知识库；获取少量干净无偏的验证数据并构建多个验证数据集；根据安全反绎学习算法在目标任务上同时训练得到机器学习模型和知识库参数；根据知识库参数对知识库做规则筛选和精化；计算模型在验证数据集上的预测性能和安全性；最终训练得到的模型确定为目标任务的机器学习模型；最终筛选得到的知识库确定为目标任务的知识库。
-
公开(公告)号：CN113283426B
公开(公告)日：2024-07-26
申请号：CN202110478018.2
申请日：2021-04-30
Applicant: 南京大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于多目标神经网络搜索的嵌入式目标检测模型生成方法，选择嵌入式目标检测模型的基础检测结构并设定搜索空间；构建包含搜索空间中所有子网络的超网络；将训练好的超网络联合设定好的检测头在目标检测数据集上进行微调；在搜索前通过批量枚举搜索空间中的子网络，自动构建可推理的模型，并将模型部署到嵌入式设备上进行运行时间的测试，建立搜索空间中子网络结构编码与运行时延之间的速查表；使用强化学习的方法展开搜索；搜索过程使得网络结构朝着多个目标的方向优化；维护一个帕累托最优解集来获得符合多目标要求的目标检测模型；选择帕累托最优解集中的元素，将其对应的检测网络在嵌入式平台上进行编译部署。
-
公开(公告)号：CN117932682A
公开(公告)日：2024-04-26
申请号：CN202410149930.7
申请日：2024-02-01
Applicant: 南京大学
Abstract: 本发明公开一种保护用户隐私的样本信息提取方法，通过构造以MMD统计量为优化目标的优化问题，选择空间内最能代表原样本信息且分布尽可能相同的点集，并隐藏原有的真实用户的数据集，并用提取信息后的新数据集进行后续的训练和预测。注意到提取后的样本只要在样本空间中即可，并不一定是原样本中真实的点，因此可以有效地保护用户的隐私。因为采用MMD统计量，尽可能保证了新样本与原样本在分布上是相同的，因此在后续的训练与预测中仍能保持较好的效果。
-
公开(公告)号：CN117612163A
公开(公告)日：2024-02-27
申请号：CN202311730723.2
申请日：2023-12-15
Applicant: 南京大学 , 复旦大学附属中山医院
Abstract: 本发明公开一种结合反绎学习与深度学习的免疫固定电泳图像识别方法，首先，获取免疫固定电泳图像及相关联的标记信息；针对少量且类别不平衡现象较为严重的样例数据，结合反绎学习引入专家知识，依照人工识别规则对样例数据进行切分和重新组合，从而实现免疫固定电泳图像的自动生成和标注；结合专家知识库，利用多任务学习范式和注意力机制设计神经网络结构，构建深度学习模型，对经反绎学习增广后的数据进行训练，获得高效且准确的分类模型；将所得到的分类模型应用于免疫固定电泳图像的识别中，准确、高效地实现免疫固定电泳图像的自动识别。
-
公开(公告)号：CN117456728A
公开(公告)日：2024-01-26
申请号：CN202311387884.6
申请日：2023-10-24
Applicant: 南京大学
Abstract: 本发明公开一种面向交通流量在线预测方法，实现交通流量预测系统的快速检测与适应，进行在线学习与预测。设计一个包括学习器和检测器的智能预测设备。首先进行离线初始化，随后当收到在线交通流量数据后，检测器首先检测环境是否发生剧烈变化：如果是，发送重启信号使学习器重启；如果否，就让学习器继续学习与更新，从而快速检测并适应环境变化。在检测器上，设计了一种基于小波变换的环境变化检测方法，利用频域信息估计变化，有效快速地检测并适应环境变化。在学习器上，利用在线数据信息设计了权重调整机制，以此为基准对学习器模型进行动态更新。方法能够通过自适应重启机制，让学习器运行在相对平稳的区间内，应对快速变化的环境。
-
-
-
-
-
-
-
-
-
Search Results
238
records
(took 0.043 seconds)
