-
公开(公告)号:CN110175506B
公开(公告)日:2023-01-06
申请号:CN201910277665.X
申请日:2019-04-08
Applicant: 复旦大学
Abstract: 本发明属于机器学习技术领域,具体为一种基于并行降维卷积神经网络的行人重识别方法和装置。本发明方法包括:构建并训练基于并行降卷积核的卷积神经网络,作为特征提取模型;对已确定为待检索的目标图像和待判定的目标图像进行预处理,获得预处理的目标图像和相应的待判定图像;将目标图像和待判定图像依次输入特征提取模型,得到多个待判定行人特征向量和多个目标特征向量;根据特征向量,在待判定目标图像中寻找出与目标图像一致的行人图像。本发明采用并行卷积核减少了卷积参数,同时运用多个低维度对称卷积核和低维度非对称卷积核代替较高维度卷积核,减少了运算量,本发明的行人重识别精度远高于现有的多种行人重识别方法。
-
公开(公告)号:CN119867705A
公开(公告)日:2025-04-25
申请号:CN202510114231.3
申请日:2025-01-24
Applicant: 复旦大学附属华山医院
IPC: A61B5/055
Abstract: 本发明属于医学影像技术领域,具体公开了一种适合脊髓血管畸形疾病的脊髓功能成像方法,包括:采集正常体检人群、脊髓非SCVM其他疾病、SCVM患者的MR 3D CUBE成像、MRI成像和3D‑DSAMASK成像数据,分别作为基线组、对照组、实验组。本发明以基线组的颈段、胸段和腰段的成像数据来校准SCVM患者的颈段、胸段和腰段病变脊髓功能成像的数据,同时,以对照组的颈段、胸段和腰段的成像数据来调整SCVM患者的颈段、胸段和腰段病变脊髓功能成像的数据,提高了SCVM的确诊率,及时准确地评估SCVM脊髓损伤程度以及提供了干预治疗的客观依据。
-
公开(公告)号:CN110175506A
公开(公告)日:2019-08-27
申请号:CN201910277665.X
申请日:2019-04-08
Applicant: 复旦大学
Abstract: 本发明属于机器学习技术领域,具体为一种基于并行降维卷积神经网络的行人重识别方法和装置。本发明方法包括:构建并训练基于并行降卷积核的卷积神经网络,作为特征提取模型;对已确定为待检索的目标图像和待判定的目标图像进行预处理,获得预处理的目标图像和相应的待判定图像;将目标图像和待判定图像依次输入特征提取模型,得到多个待判定行人特征向量和多个目标特征向量;根据特征向量,在待判定目标图像中寻找出与目标图像一致的行人图像。本发明采用并行卷积核减少了卷积参数,同时运用多个低维度对称卷积核和低维度非对称卷积核代替较高维度卷积核,减少了运算量,本发明的行人重识别精度远高于现有的多种行人重识别方法。
-
-