-
公开(公告)号：CN110276356A
公开(公告)日：2019-09-24
申请号：CN201910524945.6
申请日：2019-06-18
Applicant: 南京邮电大学
Abstract: 一种基于R-CNN架构的眼底微动脉瘤目标检测模型，实现对眼底微动脉瘤病灶的检测与识别，所述方法包括：对眼底图像进行预处理；对预处理图像进行血管分割；对预处理图像经局部自适应阈值分割、去除血管以及面积筛选三个步骤得到真正的微动脉瘤候选区域；采用数据增强扩充训练样本数量；采用迁移学习的方法，使用预训练的VGG16网络对样本进行特征提取，并在特征提取网络之后添加微动脉瘤分类器进行联合训练；上述的方案，为糖尿病视网膜图像眼底微动脉瘤目标检测提供了一种新的方法。
-
Patent Agency Ranking
公开(公告)号：CN112287764B
公开(公告)日：2022-10-14
申请号：CN202011050686.7
申请日：2020-09-29
Abstract: 本发明揭示了一种基于小样本学习的梅派手势识别方法，包括如下步骤：S1、收集梅派手势数据以及利用手势表示0~10的手势数据、形成数据集；S2、对数据集内的数据进行预处理并对数据进行划分；S3、构建网络模型，利用构建的网络模型对预处理后的数据进行特征提取；S4、利用损失函数对网络模型的参数进行训练优化、得到优化后的网络模型；S5、使用优化后的网络模型进行梅派手势识别。本发明首次将人工智能技术中的元学习技术应用到了我国京剧艺术表演的梅派手势识别中，使得手势识别的准确率得到了显著地、大幅度地提升，为梅派手势的传承和发展提供了强有力的技术支持。
-
公开(公告)号：CN110276356B
公开(公告)日：2022-09-06
申请号：CN201910524945.6
申请日：2019-06-18
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/136 , G06T7/62 , G06T7/90 , G06V20/70 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于R‑CNN架构的眼底微动脉瘤目标检测模型，实现对眼底微动脉瘤病灶的检测与识别，所述方法包括：对眼底图像进行预处理；对预处理图像进行血管分割；对预处理图像经局部自适应阈值分割、去除血管以及面积筛选三个步骤得到真正的微动脉瘤候选区域；采用数据增强扩充训练样本数量；采用迁移学习的方法，使用预训练的VGG16网络对样本进行特征提取，并在特征提取网络之后添加微动脉瘤分类器进行联合训练；上述的方案，为糖尿病视网膜图像眼底微动脉瘤目标检测提供了一种新的方法。
-
公开(公告)号：CN111222562B
公开(公告)日：2022-04-08
申请号：CN202010002235.X
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提供了一种空间自注意力机制及目标检测方法，对特征图F进行自适应平均池化得到特征图F′；对特征图F′进行两次降维映射，得到f(F′)与g(F′)并按行展开，得到矩阵M和矩阵N；将矩阵M和矩阵N进行相乘，得到矩阵Z；对矩阵Z通过行卷积得到特征图Y；再使用sigmoid激活并进行拓展，得到特征图Q；对特征图Q进行反自适应平均池化，得到最终空间每个像素的权重，将所述权重与特征图F进行点乘，以获得最终特征图R作为下一个卷积层的输入。本发明基于空间自注意力机制，能够更好地提高目标检测方法的精度，本发明简单高效，且计算量较低，可应用到任意卷积网络的前向过程中，为特征图提供全局信息指导，提高卷积网络的表达能力。
-
公开(公告)号：CN112287764A
公开(公告)日：2021-01-29
申请号：CN202011050686.7
申请日：2020-09-29
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于小样本学习的梅派手势识别方法，包括如下步骤：S1、收集梅派手势数据以及利用手势表示0~10的手势数据、形成数据集；S2、对数据集内的数据进行预处理并对数据进行划分；S3、构建网络模型，利用构建的网络模型对预处理后的数据进行特征提取；S4、利用损失函数对网络模型的参数进行训练优化、得到优化后的网络模型；S5、使用优化后的网络模型进行梅派手势识别。本发明首次将人工智能技术中的元学习技术应用到了我国京剧艺术表演的梅派手势识别中，使得手势识别的准确率得到了显著地、大幅度地提升，为梅派手势的传承和发展提供了强有力的技术支持。
-
公开(公告)号：CN111222562A
公开(公告)日：2020-06-02
申请号：CN202010002235.X
申请日：2020-01-02
Applicant: 南京邮电大学
Abstract: 本发明提供了一种空间自注意力机制及目标检测方法，对特征图F进行自适应平均池化得到特征图F′；对特征图F′进行两次降维映射，得到f(F′)与g(F′)并按行展开，得到矩阵M和矩阵N；将矩阵M和矩阵N进行相乘，得到矩阵Z；对矩阵Z通过行卷积得到特征图Y；再使用sigmoid激活并进行拓展，得到特征图Q；对特征图Q进行反自适应平均池化，得到最终空间每个像素的权重，将所述权重与特征图F进行点乘，以获得最终特征图R作为下一个卷积层的输入。本发明基于空间自注意力机制，能够更好地提高目标检测方法的精度，本发明简单高效，且计算量较低，可应用到任意卷积网络的前向过程中，为特征图提供全局信息指导，提高卷积网络的表达能力。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
