-
公开(公告)号：CN114565593B
公开(公告)日：2024-04-02
申请号：CN202210208369.6
申请日：2022-03-04
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督和注意力的全视野数字图像分类与检测方法，该方法采用半监督学习，使用少量感兴趣区域标注的全视野数字图像训练特征提取网络，提取全部图像的特征后，训练深度门控通道注意力网络和分类层。构建了一种全视野数字图像分类与检测框架，可以直接输出分类结果并直观显示感兴趣区域，可以辅助用户准确判断所属图像类型，同时迅速锁定感兴趣区域。相比于完全不需要标注感兴趣区域的弱监督学习方法，本方法仅需标注少量全视野数字图片的感兴趣区域，就能实现全视野数字图像分类准确率的大幅提升和感兴趣区域的精准检测，具有更高的实用性。
-
公开(公告)号：CN113392728A
公开(公告)日：2021-09-14
申请号：CN202110591589.7
申请日：2021-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于SSA锐化注意机制的目标检测方法，首次在空间注意力模块中引入了自定义锐化滤波，并和通道注意模块结合使用，减少干扰因素对SSA锐化效果的影响，服务其锐化效果；本发明从空间上加强神经网络中被检测物体的边缘信息，加强物体定位。对于大型物体可以完善其边缘信息，对于中小型物体可以提升其在输出层的存在感，提升检测效果；本发明完善了SSA空间锐化模块和通道注意力模块的结合方式和嵌入位置。对比CBAM中的空间注意力模块，在轻量级目标检测模型上的效果更好。本次发明的SSA空间锐化模块所需的计算量和参数量极少，几乎不影响检测速度，轻量化模块的实用性高，即插即用，易于实现。
-
公开(公告)号：CN114612729B
公开(公告)日：2025-01-07
申请号：CN202210340575.2
申请日：2022-03-31
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外‑可见光特征”，来辅助训练基于SAR图像的图像分类模型，其中，红外、可见光图像仅在训练过程中作为辅助模态，而实际应用中网络的输入为SAR单模态图像。本发明使用多任务学习的方法，提高了基于SAR图像的图像分类的精度，提供了一种解决单模态SAR图像在实际应用中局限性的方法。
-
公开(公告)号：CN115049012A
公开(公告)日：2022-09-13
申请号：CN202210773608.2
申请日：2022-07-01
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于全局和局部信息联合的时序数据分类方法。该方法首先通过强化学习的方式从每个时期中选择信息量最丰富的数据，合并成输入样本。然后建立局部信息模块和全局信息模块，并加入ResNet18网络中原有的残差块中，从而实现对时序数据同时期的特征提取与不同时期的特征交互，最终完成对时序信息的分类。本方法采用局部信息模块，能够加强样本本身在时间上的联系，全局信息模块可以加强该时序数据在不同时间上的交互。相对于一般的3D卷积网络，减少了计算量，提高分类的效率和精确度，对于具有时序关系的数据分类任务，有一定的参考价值。
-
公开(公告)号：CN115409812A
公开(公告)日：2022-11-29
申请号：CN202211067591.5
申请日：2022-09-01
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于融合时间注意机制的CT图像自动分类方法，首先构建基于时间注意机制的3D CNN分类网络，该网络利用时间注意力层自动学习到CT图像中的空间和时间信息，以更精确地进行分类嵌入的表示，提高分类准确度；随后构建一种噪声校正网络，该网络通过给真实标签加上一个参数未知的噪声信道，并利用神经网络学习噪声分布参数，可以有效识别出分类干扰噪声，从而缓解数据分布的多中心效应，在辅助提高网络分类精度的同时，使得模型具有更高的泛化性和鲁棒性，也具有更高的推广性。
-
Patent Agency Ranking
公开(公告)号：CN114565593A
公开(公告)日：2022-05-31
申请号：CN202210208369.6
申请日：2022-03-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于半监督和注意力的全视野数字图像分类与检测方法，该方法采用半监督学习，使用少量感兴趣区域标注的全视野数字图像训练特征提取网络，提取全部图像的特征后，训练深度门控通道注意力网络和分类层。构建了一种全视野数字图像分类与检测框架，可以直接输出分类结果并直观显示感兴趣区域，可以辅助用户准确判断所属图像类型，同时迅速锁定感兴趣区域。相比于完全不需要标注感兴趣区域的弱监督学习方法，本方法仅需标注少量全视野数字图片的感兴趣区域，就能实现全视野数字图像分类准确率的大幅提升和感兴趣区域的精准检测，具有更高的实用性。
-
公开(公告)号：CN114612729A
公开(公告)日：2022-06-10
申请号：CN202210340575.2
申请日：2022-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外‑可见光特征”，来辅助训练基于SAR图像的图像分类模型，其中，红外、可见光图像仅在训练过程中作为辅助模态，而实际应用中网络的输入为SAR单模态图像。本发明使用多任务学习的方法，提高了基于SAR图像的图像分类的精度，提供了一种解决单模态SAR图像在实际应用中局限性的方法。
-
公开(公告)号：CN116310525A
公开(公告)日：2023-06-23
申请号：CN202310194883.3
申请日：2023-02-28
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于对比表示蒸馏与输出蒸馏的病理图像分类方法，本发明采用对比表示学习设计了双蒸馏病理图像分类网络。其中，使用弱监督模型作为分类网络，大幅降低模型的数据依赖性，采用对比表示蒸馏使弱监督模型提取到更显著、更具区分度的深层特征，采用输出蒸馏可以通过高精度、高准确率的全监督模型来引导弱监督模型的优化方向。通过输出蒸馏和对比表示蒸馏使弱监督模型保持对正常组织样本高识别能力的同时大幅提升对不同肺癌亚型的预测能力。此外，通过设计深度门控注意力模块，具有实现对正常组织样本和肺癌亚型精准预测。
-
公开(公告)号：CN113392728B
公开(公告)日：2022-06-10
申请号：CN202110591589.7
申请日：2021-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于SSA锐化注意机制的目标检测方法，首次在空间注意力模块中引入了自定义锐化滤波，并和通道注意模块结合使用，减少干扰因素对SSA锐化效果的影响，服务其锐化效果；本发明从空间上加强神经网络中被检测物体的边缘信息，加强物体定位。对于大型物体可以完善其边缘信息，对于中小型物体可以提升其在输出层的存在感，提升检测效果；本发明完善了SSA空间锐化模块和通道注意力模块的结合方式和嵌入位置。对比CBAM中的空间注意力模块，在轻量级目标检测模型上的效果更好。本次发明的SSA空间锐化模块所需的计算量和参数量极少，几乎不影响检测速度，轻量化模块的实用性高，即插即用，易于实现。
-
公开(公告)号：CN113627467A
公开(公告)日：2021-11-09
申请号：CN202110743646.9
申请日：2021-07-01
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于非凸近似的低秩子空间的图像聚类方法，现有技术中利用稀疏表示或低秩表示进行子空间聚类的研究受到广泛关注，并提出了一系列与之相关的新的子空间聚类算法，如稀疏子空间聚类、低秩表示及其变体低秩稀疏子空间聚类算法；秩函数的核范数近似只能产生与最佳结果相距甚远的结果。本发明以及非凸函数ε‑LogDet‑SC对初始化相对不敏感，它在子空间聚类问题中的应用具有更好的鲁棒性。在人脸聚类和运动分割上的大量实验证明了该方法的有效性和鲁棒性，与现有的子空间聚类方法相比，该方法表现出了优越的性能。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.019 seconds)
