公开(公告)号：CN115797378A

公开(公告)日：2023-03-14

申请号：CN202211476491.8

申请日：2022-11-23

Applicant: 复旦大学

Inventor： 王康 ,  宋志坚 ,  王满宁

IPC: G06T7/12 ,  G06T7/13 ,  G06T7/00 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于几何交并比损失的前列腺轮廓分割方法，包括：基于高斯面积公式构建几何交并比损失函数，结合传统距离损失构建器官边缘轮廓回归模型，采用轮廓回归模型建模器官分割任务，以轴状面切片器官轮廓逐层重建的方式建模器官分割任务。轮廓回归模型由图卷积网络以及多层感知机构成多层轮廓回归神经网络。本发明能够以边缘轮廓回归重建的方式建模分割任务，建模方式简单有效，结果准确，可减少基于UNet等编解码器结构的分类概率预测模型的假阳性预测，获得边缘一致性更佳、连续性更好的分割结果，减少相似纹理或模糊边界对于分割模型的影响，提高回归模型的准确度。

公开(公告)号：CN112036447B

公开(公告)日：2022-05-03

申请号：CN202010802487.0

申请日：2020-08-11

Applicant: 复旦大学

Inventor： 周水庚 ,  王康 ,  张路 ,  赵佳佳

IPC: G06V20/70 ,  G06V10/764 ,  G06V10/80 ,  G06V10/40 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种零样本目标检测系统及可学习语义和固定语义融合方法，将零样本学习机制引入到深度目标检测框架，建立一套基于具有强判别能力的零样本目标检测系统LAT‑Net，通过LAT‑Net实现端到端的零样本目标检测任务。使用了可学习的语义特征和固定语义特征相结合的方法，使得网络在源域训练时，既可以充分利用类别的词向量信息，又可以利用到端到端学习，发现更加具有鉴别能力的类别原型，取得了最好的检测准确率。本发明系统框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的零样本检测和泛化零样本检测两大任务的结果上，均超过了现有方法。为目标检测技术在军事和工业应用领域，提供基础框架和方法的支持。

公开(公告)号：CN112036447A

公开(公告)日：2020-12-04

申请号：CN202010802487.0

申请日：2020-08-11

Applicant: 复旦大学

Inventor： 周水庚 ,  王康 ,  张路 ,  赵佳佳

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种零样本目标检测系统及可学习语义和固定语义融合方法，将零样本学习机制引入到深度目标检测框架，建立一套基于具有强判别能力的零样本目标检测系统LAT-Net，通过LAT-Net实现端到端的零样本目标检测任务。使用了可学习的语义特征和固定语义特征相结合的方法，使得网络在源域训练时，既可以充分利用类别的词向量信息，又可以利用到端到端学习，发现更加具有鉴别能力的类别原型，取得了最好的检测准确率。本发明系统框架简单、使用方便、可扩展性强、可解释性强，并在两个主流视觉属性数据集的零样本检测和泛化零样本检测两大任务的结果上，均超过了现有方法。为目标检测技术在军事和工业应用领域，提供基础框架和方法的支持。