公开(公告)号：CN117541868B

公开(公告)日：2024-12-03

申请号：CN202311558413.7

申请日：2023-11-21

Applicant: 复旦大学

Inventor： 戈维峰 ,  孙翊轩 ,  崔晋

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/09

Abstract: 本申请提供了一种图像分类模型的训练方法、图像分类方法、模型、计算机设备及介质，包括获取包括图像三元组的训练样本，所述图像三元组包括查询图像、与所述查询图像属于相同类别的正图像和与所述查询图像属于不同类别的负图像；提取所述查询图像、所述正图像、所述负图像的向量特征；利用多头交叉注意力层对所述查询图像、所述正图像、所述负图像的向量特征交叉注意处理；利用多头自注意力层增强所述交叉注意力层的输出的表征；基于所述自注意力层的输出计算损失；以及基于所述损失训练所述图像分类模型。

公开(公告)号：CN119762419A

公开(公告)日：2025-04-04

申请号：CN202411495691.7

申请日：2024-10-25

Applicant: 复旦大学

Inventor： 张巍 ,  王陈 ,  张文强 ,  孙翊轩 ,  李由

IPC: G06T7/00 ,  G06V10/80 ,  G06V10/26 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种用于细粒度支气管气道分割的双阶段主动学习方法，方法包括以下步骤：S1、基于预训练的自适应支气管管状物分割模型生成未标注医学图像数据集的嵌入向量；S2、选择多样性最大的候选样本加入最终样本集；S3、判断最终样本集的样本数是否达到阈值，若是则执行S4，反之继续选择多样性最大的候选样本加入最终样本集；S4、对所述最终样本集进行标注，标注后的样本集作为预训练的自适应支气管管状物分割模型的训练集进行训练，得到优化的自适应支气管管状物分割模型，基于所述优化的自适应支气管管状物分割模型得到复杂支气管网络分割结果。与现有技术相比，本发明具有提升所选样本集的价值密度，提高细微支气管识别精度等优点。

公开(公告)号：CN117541868A

公开(公告)日：2024-02-09

申请号：CN202311558413.7

申请日：2023-11-21

Applicant: 复旦大学

Inventor： 戈维峰 ,  孙翊轩 ,  崔晋

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06V10/74 ,  G06N3/0455 ,  G06N3/09

Abstract: 本申请提供了一种图像分类模型的训练方法、图像分类方法、模型、计算机设备及介质，包括获取包括图像三元组的训练样本，所述图像三元组包括查询图像、与所述查询图像属于相同类别的正图像和与所述查询图像属于不同类别的负图像；提取所述查询图像、所述正图像、所述负图像的向量特征；利用多头交叉注意力层对所述查询图像、所述正图像、所述负图像的向量特征交叉注意处理；利用多头自注意力层增强所述交叉注意力层的输出的表征；基于所述自注意力层的输出计算损失；以及基于所述损失训练所述图像分类模型。

公开(公告)号：CN117274745A

公开(公告)日：2023-12-22

申请号：CN202311258876.1

申请日：2023-09-26

Applicant: 复旦大学

Inventor： 戈维峰 ,  黄逸文 ,  孙翊轩

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/74

Abstract: 本申请公开了一种数据集生成、语义匹配和语义匹配模型训练方法和装置，应用于客户端，其中，数据集生成方法包括：确定第一数据集，第一数据集包括多个第一图像对，各第一图像对具有对应的类别信息；将第一数据集输入至数据集处理模型，由数据集处理模型根据第一数据集进行数据集生成处理，得到第二数据集，第二数据集包括多个第二图像对，各第二图像对具有对应的像素级标签，像素级标签基于第一图像对的类别信息得到，并且像素级标签用于表示第二图像对的像素级匹配关系。由此，有效地简化了对数据集进行大量标注以得到满足要求的数据集的处理过程，节省了人工成本，并且使得基于数据集训练得到的语义匹配模型具有更强的泛化能力和准确性。