-
公开(公告)号：CN118484756A
公开(公告)日：2024-08-13
申请号：CN202410593472.6
申请日：2024-05-14
Applicant: 广东工业大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/042 , G06F123/00
Abstract: 本发明公开了一种多尺度联合优化的多变量时序异常检测方法及系统，该方法包括：获取多变量时间序列数据，并进行标准化处理；基于多头注意力和图卷积操作从不同角度对标准数据集进行时空依赖关系捕捉和拼接；基于全局‑局部上下文嵌入模块对时空融合特征进行编码和多层感知机映射；基于预测输出和真实值计算异常分数；基于异常分数和艾普西隆方法计算阈值，并基于比较结果得到异常检测结果。该系统包括数据预处理模块、特征捕捉模块、输出预测模块、异常计算模块和异常输出模块。通过使用本发明，能够建模多变量时间序列的时空依赖关系，并提升检测模型对突发异常及局部小波动的鲁棒性。本发明可广泛应用于数据时序异常检测技术领域。
-
公开(公告)号：CN119541624A
公开(公告)日：2025-02-28
申请号：CN202411733827.3
申请日：2024-11-29
Applicant: 广东工业大学
Abstract: 本发明公开的属于信息科学技术领域，具体为一种基于多尺度病理图像与多模态数据的疾病生存预测方法，包括具体步骤如下：数字病理图像数据处理、基因表示数据处理、多模态数据交互、生存分析。本发明使用x40和x20两种放大倍数下所对应的图像块作为模型的输入，并且采用早期融合的策略实现多尺度信息的整合；相比于采用多视图WSI会产生重复计算相同位置的方法，本发明采用无重叠的图像分割分块方式，能够在一定程度上防止模型的过拟合，并且提高模型的效率。
-
公开(公告)号：CN119963446A
公开(公告)日：2025-05-09
申请号：CN202510029361.7
申请日：2025-01-08
Applicant: 广东工业大学
IPC: G06T5/73 , G06T5/60 , G06V10/80 , G06V10/44 , G06N3/042 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开的一种基于专家模型和多阶段雨纹提取的图像去雨方法与系统，其中方法包括：对输入的有雨图像进行预处理得到分离图像，将分离图像输入到训练好的去雨模型中进行处理，其中，将分离图像输入到混合雨纹先验模块中进行处理得到混合先验特征；将混合先验特征输入到多阶段雨特征提取模块进行逐步特征提取得到雨纹层特征；基于有雨图像和雨纹层特征利用细节恢复增强模块恢复图像细节以生成最终的去雨图像。本发明包括去雨模型的训练和应用去雨模型的图像去雨两部分，能够利用自适应先验结合递归提取策略，实现雨纹特征的精准分离和背景细节的精细恢复，能够有效处理多样化的雨纹模式和复杂背景，提升了图像去雨的精度和鲁棒性。
-
公开(公告)号：CN119444893A
公开(公告)日：2025-02-14
申请号：CN202411449869.4
申请日：2024-10-17
Applicant: 广东工业大学
IPC: G06T11/00 , G06T7/00 , G06T7/13 , G06N3/0455 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开的属于医学影像与深度学习技术领域，具体为基于轮廓引导路径正则化的非配对跨模态医学图像转换方法，包括具体步骤如下：构建从源域到目标域的转换路径；应用路径正则化方法，旨在平滑路径过渡，确保图像转换过程中的稳定性；基于轮廓引导的路径正则化技术，使模型能够聚焦于关键解剖区域，进一步提升生成CT图像的结构一致性和准确性，本发明通过减少额外的训练步骤，能够显著缩短训练时间。本发明意在简化无监督训练范式，同时克服传统基于GAN的单步生成方法在捕捉医学图像复杂解剖结构方面的不足。在兼顾训练和采样时间的同时，克服生成医学图像质量受限问题。
-
-
-
Search Results
4
records
(took 0.028 seconds)
