-
公开(公告)号：CN114549325A
公开(公告)日：2022-05-27
申请号：CN202210192733.4
申请日：2022-03-01
Applicant: 安徽理工大学
Abstract: 本发明公开了一种单幅图像的仿生鹰眼多尺度融合超分辨率重建模型、方法、设备及存储介质，重建模型包括仿鹰眼特征提取模块、反馈模块、多尺度重建模块，仿鹰眼特征提取模块用于仿照鹰双眼从三方向提取低分辨率图像的浅层特征，对提取的浅层特征信息进行融合提炼；反馈模块包括注意力机制层和反馈层，通过注意力机制层实现跨信道的信息交互，挖掘仿鹰眼特征提取模块提取的有效特征；多尺度重建模块用于通过不同卷积提取深层特征的互补信息，通过空洞卷积进行初步重建，经深层重建并与低分辨率图像的上采样图像融合获得高分辨率的重建图像。本发明重建的图像清晰度高，边缘纹理细节丰富，在保证图像清晰度的同时能丰富图片的内容。
-
公开(公告)号：CN114820325A
公开(公告)日：2022-07-29
申请号：CN202210553987.4
申请日：2022-05-19
Applicant: 安徽理工大学
Abstract: 本发明公开了一种仿鹰视顶盖的眼底OCT图像重建模型、方法、设备及存储介质，重建模型由特征提取块、信息处理块和重建块构成，特征提取块，用于从低分辨率OCT图像中进行浅层特征的提取；信息处理块，仿照鹰视顶盖信息处理机制从纵、横两个维度逐步扩大感受野进行高频特征的提取；重建块，用于对提取的浅层特征和高频特征进行初步重建，再进行上采样操作后进行深层重建，得到重建的高分辨率OCT图像。本发明重建的OCT图像对比度高，边缘特征明显，能够真实反应眼底健康状况。
-
公开(公告)号：CN114860929A
公开(公告)日：2022-08-05
申请号：CN202210435127.0
申请日：2022-04-24
Applicant: 安徽理工大学
IPC: G06F16/35 , G06F40/289 , G06F40/253 , G06F40/242 , G06F16/903 , G06N3/04
Abstract: 本发明提供了一种基于改进TextCNN的新闻文本分类方法，改进后的TextCNN包括输入层，卷积池化层，输出层。输入层：通过词向量word embeddings将词转化成词向量，利用全局注意力机制对词向量中的每个元素进行权重赋值，从而突出显著特征抑制无用特征。卷积池化层：一共有三种规格的卷积核，大小分别为2、3、4，卷积核的数量是256，卷积核的宽度为词向量大小，池化层融合了平均池化和最大池化操作，使用MLP层进一步提取平均池化和最大池化产生的特征，提升特征的全局表示能力。输出层：池化层的向量输入到全连接层中，最后经过softsign激活后得到最终的词向量表示特征，输出为维度为10向量，向量的每一个维度对应一个类别。该方法有利于提高新闻文本分类的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119831847A
公开(公告)日：2025-04-15
申请号：CN202510016527.1
申请日：2025-01-06
Applicant: 安徽理工大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种视网膜仿生学驱动的超分辨率重建模型及其实现方法，重建模型由浅层提取、侧抑制模块(LIM)、深层特征提取和重建模块(RM)四个部分构成。浅层提取模拟生物视觉系统中感光细胞对光信号的处理过程，从低分辨率图像中提取低层次特征信息，以实现图像信号的初步处理；侧抑制模块LIM模拟水平细胞侧抑制机制捕获信号，并对特征进行不同强度抑制；深层特征提取采用多层特征融合和分层结构，仿照双极细胞的多重功能，逐步提取和融合不同层次的特征信息，提升整体图像自然度；重建模块RM由上采样块和卷积组成，模拟神经节细胞，负责生成最终的高分辨率重建图像。本发明对复杂场景下的图像取得了令人满意的重建结果，同时也证明了将视网膜生物系统迁移至图像超分辨率重建技术是可行的。
-
公开(公告)号：CN119107234A
公开(公告)日：2024-12-10
申请号：CN202411050469.6
申请日：2024-08-01
Applicant: 安徽理工大学
IPC: G06T3/4076 , G06T3/4046 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种单幅模糊图像超分辨率重建方法、设备及存储介质，方法包括以下步骤：S1：获取数据集；S2：构建超分辨率重建模型；S3：训练超分辨率重建模型；S4：测试训练完成的超分辨率重建模型；S2包括：S21：构建浅层特征提取模块SFE；S22：构建深层特征提取模块；S23：构建多特征融合模块MFF模块；S24：构建图像重建模块IRB。以解决超分辨率重建任务的计算量大、重建后的图像对于高频信息丢失情况严重、重建后图像的视觉效果不佳的问题。
-
公开(公告)号：CN119888225A
公开(公告)日：2025-04-25
申请号：CN202411935799.3
申请日：2024-12-26
Applicant: 安徽理工大学
IPC: G06V10/26 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06T7/00
Abstract: 本发明公开了一种多尺度信息融合互补的轻量化肺结节分割模型及其实现方法，分割模型包括特征挖掘编码模块、特征强化模块、特征映射解码模块，特征挖掘编码模块。特征挖掘编码模块使用不同尺度卷积残差块从CT图像中深挖肺结节区域的深浅层信息，同时引入EMA注意力机制丰富特征图的语义信息；特征强化模块中设计了E‑MLCA注意力机制，它从全局与局部、通道与空间两个维度促进语义信息的互补融合；利用RMF模块来增强多尺度特征，解决通道间的细节信息缺失问题。特征映射解码模块通过四层解码层特征的重组与融合以及分割效果图的分通道强化，实现病灶区域边缘区域的平滑，真实反应结节区域的形状。本发明方法在保持较小的参数量的同时取得了优异的分割效果，分割后的特征图较平滑，主观效果较好，具有重要的临床应用价值。
-
公开(公告)号：CN119006493A
公开(公告)日：2024-11-22
申请号：CN202411075284.0
申请日：2024-08-07
Applicant: 安徽理工大学
IPC: G06T7/11 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种多尺度特征融合交互的皮肤异常分割方法，所述分割方法基于多尺度特征提取、特征融合增强、特征提取融合和预测输出四个模块。多尺度特征提取模块使用3个不同大小的卷积核(3×3、5×5和7×7)，负责获取丰富全面的特征。特征融合增强模块包含5个RH‑ZQ模块和下采样操作，负责增强边缘和全局特征。特征提取融合模块由11个CH‑LW模块、下采样、上采样和拼接操作组成，旨在减少参数量的同时提取有效特征。本发明方法在保证分割效果的同时，显著降低了参数数量和计算复杂度，适用于嵌入式设备平台。
-
公开(公告)号：CN114549325B
公开(公告)日：2024-08-13
申请号：CN202210192733.4
申请日：2022-03-01
Applicant: 安徽理工大学
IPC: G06T3/4053 , G06T3/4046 , G06V10/44 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种单幅图像的仿生鹰眼多尺度融合超分辨率重建模型、方法、设备及存储介质，重建模型包括仿鹰眼特征提取模块、反馈模块、多尺度重建模块，仿鹰眼特征提取模块用于仿照鹰双眼从三方向提取低分辨率图像的浅层特征，对提取的浅层特征信息进行融合提炼；反馈模块包括注意力机制层和反馈层，通过注意力机制层实现跨信道的信息交互，挖掘仿鹰眼特征提取模块提取的有效特征；多尺度重建模块用于通过不同卷积提取深层特征的互补信息，通过空洞卷积进行初步重建，经深层重建并与低分辨率图像的上采样图像融合获得高分辨率的重建图像。本发明重建的图像清晰度高，边缘纹理细节丰富，在保证图像清晰度的同时能丰富图片的内容。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
