-
公开(公告)号：CN119166817A
公开(公告)日：2024-12-20
申请号：CN202411291411.0
申请日：2024-09-14
Applicant: 杭州电子科技大学 , 先进计算与关键软件(信创)海河实验室
IPC: G06F16/35 , G06F40/279 , G06F16/33 , G06F40/166 , G06F40/103 , G16H15/00 , G16H10/60 , G16H30/20 , G16H50/20 , G06N3/0895 , G06N3/04
Abstract: 本发明公开了一种基于BioClinicalBERT模型的乳腺疾病语料库构建方法，通过乳腺MRI语料库构建方法，结合人机协同标注和先进的自监督学习技术，从乳腺MRI图像中提取出具有判别性的特征，并通过计算多级相似性，有效提升了乳腺MRI诊断的精确度和效率。不仅为乳腺疾病的早期诊断和治疗提供了有力支持，同时也因其通用性而展现出在其他医学图像分析和诊断领域的广泛应用潜力。并且应用在病例文本标准化方法中，还能够让这些病历文本不仅包含了准确的结构化标签和医学图像信息，还具有高度的可读性和可理解性。医生可以快速地浏览病历文本，准确地获取关键信息，从而更高效地做出诊断和治疗决策。
-
公开(公告)号：CN119559394A
公开(公告)日：2025-03-04
申请号：CN202411629927.1
申请日：2024-11-15
Applicant: 杭州电子科技大学
IPC: G06V10/26 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/047
Abstract: 本发明涉及一种面向多模态少样本语义分割的跨尺度特征匹配方法结合不同模态特点，实现有选择性的跨模态特征融合；利用提出的像素‑图像块互注意力匹配模块(pixel‑to‑patch cross attention，PTPCA)，实现不同尺度的支持查询对象特征匹配，进而对无标签的新类图像做出准确的像素级分割。
-
公开(公告)号：CN118865173A
公开(公告)日：2024-10-29
申请号：CN202410919265.5
申请日：2024-07-10
Applicant: 杭州电子科技大学
IPC: G06V20/17 , G06V10/25 , G06V10/44 , G06V10/82 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种面向无人机未配准RGB‑T图像的显著目标检测方法，该方法首先获取场景的RGB模态和热红外模态数据，并进行预处理。其次通过骨干网络分别提取RGB模态和热红外模态的n级不同尺度特征，进行模态特征增强。然后将模态特征增强后的RGB模态特征和热红外模态特，进行跨模态特征融合。最后将融合后的特征，进行目标搜索解码，得到显著性检测结果，并以端到端的方式联合训练。本发明能够帮助网络更好地关注重要的特征信息，提高网络在处理图像任务中的性能和准确性。
-
公开(公告)号：CN118264758A
公开(公告)日：2024-06-28
申请号：CN202410332494.7
申请日：2024-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于真实信道的多级人脸隐私保护方法，包括如下步骤：(1.1)原始图像预处理；(1.2)区域选择；(1.3)DCT系数加密；(1.4)置乱密钥生成；(1.5)DCT系数置乱；(1.6)置乱密钥嵌入；(2.1)获取原始图像与信道后处理图像的图像质量因子与量化表。(2.2)利用原始图像与压缩图像的量化表不同，对步骤(1)得到的保护图像的DCT系数进行处理，得到中间图像。(3.1)中间图像预处理；(3.2)置乱密钥提取；(3.3)辅助信息提取；(3.4)DCT系数逆置乱；(3.5)DCT系数重建(3.6)图像修复：利用滤波器筛选需要修复的点并使用图像修复算法修复噪点，得到修复后的重建图像。该方法通过实现多层隐私保护并在信道重新压缩后可逆重建。
-
公开(公告)号：CN119763119A
公开(公告)日：2025-04-04
申请号：CN202411819630.1
申请日：2024-12-11
Applicant: 杭州电子科技大学
IPC: G06V20/70 , G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/09 , G06N3/0895 , G06N3/096
Abstract: 本发明请求保护一种人机协同的双重标注方法，包括：利用ABUS采集影像，并将其划分为未标注数据集N和标注数据集M。该方法采用图像增广处理和归一化，使用基于对比学习的自监督框架增强图像特征。接着利用深度学习架构U‑Net和ResNet50构建视觉模型，自动标注图像中的感兴趣区域，并提供初步估计。此后，对自动标注过的乳腺影像进行人工标注，实现人机双重标注，提供更准确的估计。最后，使用对比学习算法从未标注数据集N学习图像表示，并结合标注数据集M中的监督信号更新视觉模型。本发明通过综合利用人工智能和专业医生的标注结果，同时引入标注质量评估机制，提高了图像的可识别性能，强化了图像特征的表现力，进一步增强了视觉模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN119724485A
公开(公告)日：2025-03-28
申请号：CN202411870656.9
申请日：2024-12-18
Abstract: 本发明提供一种新型三维虚拟模型辅助肾部分切除动脉阻断策略优化方法，涉及人工智能、医学影像处理及应用技术领域，该新型三维虚拟模型辅助肾部分切除动脉阻断策略优化方法，该方法首先利用M3DICS三维重建软件对CT扫描的原始图像数据进行处理，并得到对应数字化的肾脏三维模型；其次，使用该肾脏三维模型结合数学算法，将肾脏实质体积分割成其血管灌注区域，生成具有不同灌注区域的新三维虚拟肾脏模型，基于该建模结果记录可能进行选择性阻断时需要夹闭的动脉分支，以及进行选择性阻断模拟，为对象制定精确的、受益最大化的治疗方案。
-
公开(公告)号：CN119091117A
公开(公告)日：2024-12-06
申请号：CN202411098255.6
申请日：2024-08-12
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/20 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的轻量级伪装目标检测方法，该方法首先获取伪装物体图像数据集，进行预处理，并划分为训练集和测试集。其次将测试集数据输入初级特征提取网络，进行初级特征提取。然后依次通过频谱门控单元、混合注意力机制、全局信息模块、边缘感知模块、边缘引导模块，对初级特征进行强化处理。最后基于深度可分离卷积，对强化处理后的初级特征进行解码，输出检测结果。本发明充分利用图像的RGB特征与频率特征，并结合边界引导实现对伪装目标的检测。
-
公开(公告)号：CN118196238A
公开(公告)日：2024-06-14
申请号：CN202410370133.1
申请日：2024-03-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种文本驱动的多概念个性化图像编辑方法，该方法首先训练包含个性化目标的概念模型，得到对应的文本嵌入向量。其次使用文本嵌入向量，修改源输入文本，得到修改后的文本。然后使用稳定扩散模型加载训练的包含个性化目标的概念模型参数得到扩散模型，将源输入文本和修改后的文本分别输入到文本编码器中得到文本嵌入，将文本嵌入输入扩散模型中引导去噪过程，并在去噪过程中进行替换注意力图和噪声的操作。最后重复迭代N次，得到目标图像，在进行解码得到真实目标图像，完成图像编辑。本发明实现用户通过文本输入实现多目标个性化编辑的需求，扩展AIGC领域图像编辑的应用范围。
-
公开(公告)号：CN116797820A
公开(公告)日：2023-09-22
申请号：CN202310549198.8
申请日：2023-05-16
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 基于深度学习模型的时尚搭配检测识别方法，属于计算机视觉领域。本方法适用多个场景，该系统的识别效率及识别精度高；Pix2Seq将对象检测转换为以观察到的像素输入为条件的语言建模任务；对象描述和对象位置被表示为离散标记的目标序列；再训练神经网络来感知图像并生成构造序列，即通过Encoder结构对图片内容消化理解，并通过Decoder将其转化为描述这张图片的文本张量序列；将目标序列和源序列用最大似然方式构造损失函数，不断迭代更新神经网络，从而构造目标检测模型。该系统可以实现以下功能：对输入的时尚穿搭照片进行目标检测，识别出各部分的服装。
-
公开(公告)号：CN116778191A
公开(公告)日：2023-09-19
申请号：CN202310549202.0
申请日：2023-05-16
Applicant: 杭州电子科技大学
IPC: G06V10/56 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/00
Abstract: 基于卷积和自注意机制神经网络的织物颜色识别方法，属于图像识别技术领域。本发明提出一种全新的基于卷积神经网络的颜色预测模型CSAM，卷积层和注意层按原则穿插叠加，很好地提高了模型的泛化能力、容量和效率；通过考虑原始输入图像与一组参考彩色图像之间的差异，并在色差域对输入图像进行RGB编码，提取织物图像中的颜色识别特征，然后采用一种集成式的卷积神经网络架构，最后通过卷积层和最大池化层的特征计算降维后通过softmax激活函数的密集层，对各个分类器的预测结果加权平均，对织物颜色进行有效的分类预测。本发明采用了全新的神经网络架构，显著地提高织物颜色识别的识别成功率和准确率，且拥有良好的可移植性和泛用性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.043 seconds)
