公开(公告)号：CN113011362A

公开(公告)日：2021-06-22

申请号：CN202110335654.X

申请日：2021-03-29

Applicant: 吉林大学

Inventor： 刘萍萍 ,  金百鑫 ,  杨晓康 ,  周求湛

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于双线性池化与注意力机制的细粒度眼底图像分级算法，所述细粒度眼底图像分级算法使用两组非同源的CNN提取眼底数据集络图片特征，将两组不同CNN模型的输出作为输入，通过补充交叉熵损失函数计算损失反向传播网络，最后得到的网络结构去进行测试。这种双线性池化结构结合注意力机制的神经网络模型，是一种新颖糖尿病视网膜病变眼底图像分级分类方法。本发明基于双线性池化模型与注意力机制模块相结合的糖尿病视网膜病变眼底图像分级检测算法是一种准确高效的自动检测和分类算法，对临床有着极其重要的价值，具有广阔的应用场景。

公开(公告)号：CN116503385B

公开(公告)日：2023-09-01

申请号：CN202310745450.2

申请日：2023-06-25

Applicant: 吉林大学

Inventor： 刘萍萍 ,  商文理 ,  杨晓康 ,  杜广新 ,  周求湛

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于虚拟全局代理的糖网眼底图像分级方法和设备，属于图像分级技术领域，解决糖网眼底图像样本分布不均衡造成的模型分级精确度低问题。本发明方法包括：虚拟全局代理方法中根据所有训练样本数据集的分布情况进行虚拟全局代理带点的选择；基于虚拟全局代理方法提出一种线性动态镜像特征合成方法，利用外部存储空间来保存过往的训练样本特征从而使得模型在进行样本特征合成的时候可以利用到全部的数据集特征，根据当前训练批次的状态对外部存储空间中保存的样本特征进行一个动态的调整；同时，还根据当前训练过程中少数类别样本的平均损失占比差值来动态的控制样本的生成。本发明适用于糖网眼底图像分级。

公开(公告)号：CN116503385A

公开(公告)日：2023-07-28

申请号：CN202310745450.2

申请日：2023-06-25

Applicant: 吉林大学

Inventor： 刘萍萍 ,  商文理 ,  杨晓康 ,  杜广新 ,  周求湛

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于虚拟全局代理的糖网眼底图像分级方法和设备，属于图像分级技术领域，解决糖网眼底图像样本分布不均衡造成的模型分级精确度低问题。本发明方法包括：虚拟全局代理方法中根据所有训练样本数据集的分布情况进行虚拟全局代理带点的选择；基于虚拟全局代理方法提出一种线性动态镜像特征合成方法，利用外部存储空间来保存过往的训练样本特征从而使得模型在进行样本特征合成的时候可以利用到全部的数据集特征，根据当前训练批次的状态对外部存储空间中保存的样本特征进行一个动态的调整；同时，还根据当前训练过程中少数类别样本的平均损失占比差值来动态的控制样本的生成。本发明适用于糖网眼底图像分级。

公开(公告)号：CN114972959B

公开(公告)日：2022-11-01

申请号：CN202210894362.4

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 刘萍萍 ,  王一帆 ,  周求湛 ,  郎一君 ,  杨晓康 ,  刘泽同

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06N3/04 ,  G06F16/532

Abstract: 深度学习中样本生成和类内排序损失的遥感图像检索方法，属于遥感图像检索方法技术领域。搭建卷积神经网络模型，对原始的遥感图像数据集进行预处理和增强处理；将遥感图像数据集输入到数据加载器中，选取优化器；从数据加载器中读取遥感图像数据；对读取的遥感图像数据进行特征提取，将特征输入到损失函数中；对输入的特征进行样本生成和损失计算；对得到的损失计算梯度进行反向传播更新卷积神经网络的参数；判断训练的次数是否达到卷积神经网络参数设置的次数；将需要查询的遥感图像数据输入到训练好的卷积神经网络中得到向量，然后将向量与检索数据集中其他的向量进行比较，选出相似性高的遥感图像数据。

公开(公告)号：CN114972959A

公开(公告)日：2022-08-30

申请号：CN202210894362.4

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 刘萍萍 ,  王一帆 ,  周求湛 ,  郎一君 ,  杨晓康 ,  刘泽同

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06N3/04 ,  G06F16/532

Abstract: 深度学习中样本生成和类内排序损失的遥感图像检索方法，属于遥感图像检索方法技术领域。搭建卷积神经网络模型，对原始的遥感图像数据集进行预处理和增强处理；将遥感图像数据集输入到数据加载器中，选取优化器；从数据加载器中读取遥感图像数据；对读取的遥感图像数据进行特征提取，将特征输入到损失函数中；对输入的特征进行样本生成和损失计算；对得到的损失计算梯度进行反向传播更新卷积神经网络的参数；判断训练的次数是否达到卷积神经网络参数设置的次数；将需要查询的遥感图像数据输入到训练好的卷积神经网络中得到向量，然后将向量与检索数据集中其他的向量进行比较，选出相似性高的遥感图像数据。