-
公开(公告)号：CN114821661A
公开(公告)日：2022-07-29
申请号：CN202210533483.6
申请日：2022-05-13
Applicant: 武汉大学
IPC: G06V40/10 , G06V10/40 , G06V10/762 , G06K9/62 , G06N20/00
Abstract: 本发明提供一种无监督行人再识别方法、装置、设备及可读存储介质。该方法包括：对行人图像样本进行聚类，基于聚类结果分别为每张行人图像样本分配一个假标签；构建类别特征存储器和特征存储器；根据假标签获取K*P张行人图像样本；将预处理后的K*P张行人图像样本输入深度学习模型，得到第二行人特征；基于类别特征存储器、特征存储器以及第二行人特征优化深度学习模型；当优化次数达到预设次数时，以最终得到的深度学习模型得到目标行人图像对应的行人特征，将目标行人图像对应的行人特征与数据库中的行人特征进行匹配，得到行人识别结果。通过本发明，解决了现有技术中行人再识别的识别结果准确率较低的技术问题。
-
公开(公告)号：CN113539491B
公开(公告)日：2022-05-13
申请号：CN202110667210.6
申请日：2021-06-16
Applicant: 武汉大学中南医院
Abstract: 本发明涉及一种基于深度学习的良性前列腺增生评估决策辅助系统。其包括：建模模块，用于构建基于深度学习的评估模型，其中，所述评估模型包括深度神经网络、循环神经网络和嵌入矩阵，所述深度神经网络的输出向量和所述嵌入矩阵的输出向量适于融合后输入所述循环神经网络；决策模块，用于将获取的标定用户的用户信息输入所述评估模型，以获得与所述标定用户对应的良性前列腺增生评估决策辅助信息，其中，所述用户信息包括用户基本信息、体格检查指标和基础检查数据。本发明的技术方案可以基于用户的非图像输入信息确定其属于良性前列腺增生的概率，进而辅助医生进行最终判断。
-
公开(公告)号：CN114241516B
公开(公告)日：2025-01-07
申请号：CN202111455276.5
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本申请公开了一种基于行人再识别模型的行人再识别方法、计算机设备及计算机可读存储介质，该方法包括：通过随机选取待训练行人图像、预置特征提取模块、预置局部相关注意力模块和预置整体相关注意力模块得到优化后的所述待训练行人图像的行人特征和优化后具有整体相关性的行人特征优化预置深度模型，生成行人再识别模型以得到待测试行人图像的行人识别结果，实现通过深度模型学习行人图像间的依赖和图像内的依赖，并将图像间依赖与图像内依赖融合于一个网络结构中，学习行人图像的鲁棒性特征，克服环境、行人等多变性引起的不确定性问题，提高了行人再识别搜索的正确率。
-
公开(公告)号：CN114821661B
公开(公告)日：2024-11-15
申请号：CN202210533483.6
申请日：2022-05-13
Applicant: 武汉大学
IPC: G06V40/10 , G06V10/40 , G06V10/762 , G06N20/00
Abstract: 本发明提供一种无监督行人再识别方法、装置、设备及可读存储介质。该方法包括：对行人图像样本进行聚类，基于聚类结果分别为每张行人图像样本分配一个假标签；构建类别特征存储器和特征存储器；根据假标签获取K*P张行人图像样本；将预处理后的K*P张行人图像样本输入深度学习模型，得到第二行人特征；基于类别特征存储器、特征存储器以及第二行人特征优化深度学习模型；当优化次数达到预设次数时，以最终得到的深度学习模型得到目标行人图像对应的行人特征，将目标行人图像对应的行人特征与数据库中的行人特征进行匹配，得到行人识别结果。通过本发明，解决了现有技术中行人再识别的识别结果准确率较低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN114241516A
公开(公告)日：2022-03-25
申请号：CN202111455276.5
申请日：2021-12-01
Applicant: 武汉大学
Abstract: 本申请公开了一种基于行人再识别模型的行人再识别方法、计算机设备及计算机可读存储介质，该方法包括：通过随机选取待训练行人图像、预置特征提取模块、预置局部相关注意力模块和预置整体相关注意力模块得到优化后的所述待训练行人图像的行人特征和优化后具有整体相关性的行人特征优化预置深度模型，生成行人再识别模型以得到待测试行人图像的行人识别结果，实现通过深度模型学习行人图像间的依赖和图像内的依赖，并将图像间依赖与图像内依赖融合于一个网络结构中，学习行人图像的鲁棒性特征，克服环境、行人等多变性引起的不确定性问题，提高了行人再识别搜索的正确率。
-
公开(公告)号：CN116402701A
公开(公告)日：2023-07-07
申请号：CN202310131778.5
申请日：2023-02-17
Applicant: 武汉大学
IPC: G06T5/00 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于景深信息成雾和Transformer网络的图像去雾方法及系统，该方法包括：利用大气散射模型和深度估计的方法构建训练集，构建特征串联模块和编码‑分支解码模块，所述特征串联模块用于提取输入图像的高维特征，所述编码‑分支解码模块对提取出的高维特征进行重建，得到生成的无雾图像；构建去雾网络模型及对应的损失函数，利用训练集对所述去雾网络模型进行训练，所述去雾网络模型包括特征串联模块和编码‑分支解码模块；利用训练好的去雾网络模型完成图像去雾。本发明通过在主流数据集上的大量实验表明所提出的方法实现了最先进的去雾结果。
-
公开(公告)号：CN115662620A
公开(公告)日：2023-01-31
申请号：CN202211377624.6
申请日：2022-11-04
Applicant: 武汉大学中南医院
IPC: G16H50/20 , G06F18/2415 , G06F18/2431 , G06N3/047 , G06N3/048 , G06N3/08 , G06N20/20
Abstract: 本发明涉及一种基于深度集成学习的NMIBC术后决策支持系统的构建方法，包括如下步骤：构建膀胱癌诊断算法模型；将高水平语义特征向量f1和高水平语义特征向量f2输入集成学习模块，进行集成学习以获得疾病状态预测结果，并计算目标函数T；基于第一种疾病状态的治疗方案预测结果和第二种疾病状态的治疗方案预测结果，计算目标函数L；基于计算的目标函数L和目标函数T优化构建的深度集成学习模型，完成膀胱癌诊断算法模型的优化。具有简单实用、准确度和区分度高的优点，可提高患者对疾病预后的认识也可以辅助医师做出医疗决策。
-
公开(公告)号：CN115661857A
公开(公告)日：2023-01-31
申请号：CN202211239389.6
申请日：2022-10-11
Applicant: 武汉大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于三模态一致性约束的跨模态行人再识别方法和系统，该方法包括：构建行人识别模型；融合彩色和红外图像，产生增强样本；将彩色、红外和增强图像输入模型，提取图像特征图；实施池化操作获取图像的整体和局部特征，输入分类器完成分类任务；构建三元中心损失，减少模态间的特征差异；构建紧致的模态内约束，减少模态内的特征差异；联合交叉熵、三元中心损失和紧致的模态内约束，优化行人识别模型；测试应用阶段，提取行人的整体与局部特征，并将其串联进行行人匹配，得到识别结果。本发明充分利用红外和彩色图像信息，产生增强图像减少模态间差异，构建损失解决模态内和模态间差异大问题，提高了跨模态行人再识别的匹配正确率。
-
公开(公告)号：CN113539491A
公开(公告)日：2021-10-22
申请号：CN202110667210.6
申请日：2021-06-16
Applicant: 武汉大学中南医院
Abstract: 本发明涉及一种基于深度学习的良性前列腺增生评估决策辅助系统。其包括：建模模块，用于构建基于深度学习的评估模型，其中，所述评估模型包括深度神经网络、循环神经网络和嵌入矩阵，所述深度神经网络的输出向量和所述嵌入矩阵的输出向量适于融合后输入所述循环神经网络；决策模块，用于将获取的标定用户的用户信息输入所述评估模型，以获得与所述标定用户对应的良性前列腺增生评估决策辅助信息，其中，所述用户信息包括用户基本信息、体格检查指标和基础检查数据。本发明的技术方案可以基于用户的非图像输入信息确定其属于良性前列腺增生的概率，进而辅助医生进行最终判断。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
