公开(公告)号：CN118967559A

公开(公告)日：2024-11-15

申请号：CN202410924354.9

申请日：2024-07-11

Applicant: 安徽大学

Inventor： 涂铮铮 ,  曹刘坤 ,  邹志勇 ,  刘海庆 ,  刘成壮 ,  江波 ,  汤进

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种基于SAM和课程学习的太赫兹图像乳腺肿瘤检测方法，为了从太赫兹乳腺图像中准确定位并识别肿瘤，本发明将视觉基础模型SAM应用于肿瘤检测，构建一个双分支的肿瘤检测网络，其中一个分支利用目标检测模型DETR对太赫兹乳腺图像进行粗粒度的肿瘤检测，生成混合提示，包括边界框和类别，其中类别作为一种文本提示，然后将其输入SAM分支进行细粒度肿瘤检测。此外，本发明采用课程学习的思想，将由易到难的太赫兹乳腺肿瘤图像数据集分批次地送入双分支肿瘤检测网络进行训练，以获得较好的检测效果。

公开(公告)号：CN118967559B

公开(公告)日：2025-02-18

申请号：CN202410924354.9

申请日：2024-07-11

Applicant: 安徽大学

Inventor： 涂铮铮 ,  曹刘坤 ,  邹志勇 ,  刘海庆 ,  刘成壮 ,  江波 ,  汤进

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开一种基于SAM和课程学习的太赫兹图像乳腺肿瘤检测方法，为了从太赫兹乳腺图像中准确定位并识别肿瘤，本发明将视觉基础模型SAM应用于肿瘤检测，构建一个双分支的肿瘤检测网络，其中一个分支利用目标检测模型DETR对太赫兹乳腺图像进行粗粒度的肿瘤检测，生成混合提示，包括边界框和类别，其中类别作为一种文本提示，然后将其输入SAM分支进行细粒度肿瘤检测。此外，本发明采用课程学习的思想，将由易到难的太赫兹乳腺肿瘤图像数据集分批次地送入双分支肿瘤检测网络进行训练，以获得较好的检测效果。

公开(公告)号：CN118038228A

公开(公告)日：2024-05-14

申请号：CN202410313041.X

申请日：2024-03-19

Applicant: 安徽大学

Inventor： 涂铮铮 ,  林丹盈 ,  刘成壮 ,  翟素兰 ,  李成龙 ,  江波 ,  王鲲鹏

IPC: G06V10/80 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开一种基于双向交替融合策略的可见光‑热红外显著目标检测方法，充分的挖掘两个模态的信息提高显著目标检测的性能。通过特征擦除模块将另一个模态与本模态共有的信息进行擦除使网络能够学习模态本身特有的特征信息；通过全局上下文增强模块将可见光模态特征、热红外模态特征和擦除模块生成的特异性特征通过多头注意力进行初步的融合得到丰富的全局上下文信息再引入可变形卷积得到显著目标的自适应位置信息，使得网络能够更好的完成检测通过双向交替解码器中的多模态交互模块将一个模态高层的融合特征交替与另一个模态低层特征进行融合，使网络能够学习到丰富的语义信息和细节信息。本发明在现有的可见光‑热红外显著目标检测数据集上取得了最好的效果。