-
公开(公告)号：CN110808033A
公开(公告)日：2020-02-18
申请号：CN201910911637.9
申请日：2019-09-25
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于双重数据增强策略的音频分类方法。本发明的方法是：首先对原始音频文件使用旋转、调音、变调、加噪共四种传统音频增强方法进行初次音频数据增强；然后将初次增强音频数据转化为语谱图；再通过随机替换均值对语谱图数据进行二次的数据增强；输入双重数据增强的数据到Inception_Resnet_V2神经网络进行训练，完成特征提取工作；最后通过xgboost分类器对提取到的高层特征进行训练，完成最终音频分类工作。本方法在传统音频增强的基础上添加了对谱图的数据增强，双重数据增强可直接提高训练精度，在测试过程中表现出3％的精确率提升，可广泛应用于环境声分类与声纹识别任务。
-
Patent Agency Ranking
公开(公告)号：CN110808033B
公开(公告)日：2022-04-15
申请号：CN201910911637.9
申请日：2019-09-25
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于双重数据增强策略的音频分类方法。本发明的方法是：首先对原始音频文件使用旋转、调音、变调、加噪共四种传统音频增强方法进行初次音频数据增强；然后将初次增强音频数据转化为语谱图；再通过随机替换均值对语谱图数据进行二次的数据增强；输入双重数据增强的数据到Inception_Resnet_V2神经网络进行训练，完成特征提取工作；最后通过xgboost分类器对提取到的高层特征进行训练，完成最终音频分类工作。本方法在传统音频增强的基础上添加了对谱图的数据增强，双重数据增强可直接提高训练精度，在测试过程中表现出3％的精确率提升，可广泛应用于环境声分类与声纹识别任务。
-
公开(公告)号：CN111583285A
公开(公告)日：2020-08-25
申请号：CN202010397127.7
申请日：2020-05-12
Applicant: 武汉科技大学
Abstract: 本发明公开了一种基于边缘关注策略的肝脏影像语义分割方法，其特征在于，包括步骤：S1、原始数据集的格式转换；S2、肝脏影像数据的预处理；S3、分析肝脏影像的边缘特征并设计Encoder-Decoder深度学习框架模型，所述Encoder-Decoder深度学习框架模型包括编码阶段和解码阶段；S4、在编码阶段，利用ResNet34残差网络和边缘关注策略模块得到边缘注意图；S5、在解码阶段，利用反卷积和边缘关注策略模块进行特征的提取以及分割图像的生成；S6、对语义分割后的图像进行降噪处理。本发明通过边缘关注策略模块与深度卷积网络训练及其融合，优化损失函数，提取肝脏影像的深度特征并分割，具有提高肝脏影像语义分割效果的特点。
-
公开(公告)号：CN110619633A
公开(公告)日：2019-12-27
申请号：CN201910854296.6
申请日：2019-09-10
Applicant: 武汉科技大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于多路滤波策略的肝脏图像分割方法。本发明的方法是对原始的肝脏图像分别使用不同的滤波器组做预处理，得到不同的肝脏图像集合，然后训练多个U-net神经网络，最后利用随机森林融合多个神经网络的分割结果完成最终的语义分割工作。本发明实现了对肝脏图像的预处理工作，利用U-net神经网络对肝脏图像相关特征进行自动提取，并且利用随机森林融合多个U-net网络的分割结果使得模型泛化能力更强，在测试集上实现了较好的自动化分割效果，可以辅助医生进行诊断。
-
公开(公告)号：CN111583285B
公开(公告)日：2023-08-04
申请号：CN202010397127.7
申请日：2020-05-12
Applicant: 武汉科技大学
IPC: G06T7/12 , G06T7/13 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于边缘关注策略的肝脏影像语义分割方法，其特征在于，包括步骤：S1、原始数据集的格式转换；S2、肝脏影像数据的预处理；S3、分析肝脏影像的边缘特征并设计Encoder‑Decoder深度学习框架模型，所述Encoder‑Decoder深度学习框架模型包括编码阶段和解码阶段；S4、在编码阶段，利用ResNet34残差网络和边缘关注策略模块得到边缘注意图；S5、在解码阶段，利用反卷积和边缘关注策略模块进行特征的提取以及分割图像的生成；S6、对语义分割后的图像进行降噪处理。本发明通过边缘关注策略模块与深度卷积网络训练及其融合，优化损失函数，提取肝脏影像的深度特征并分割，具有提高肝脏影像语义分割效果的特点。
-
公开(公告)号：CN110619633B
公开(公告)日：2023-06-23
申请号：CN201910854296.6
申请日：2019-09-10
Applicant: 武汉科技大学
IPC: G06T7/10
Abstract: 本发明公开了一种基于多路滤波策略的肝脏图像分割方法。本发明的方法是对原始的肝脏图像分别使用不同的滤波器组做预处理，得到不同的肝脏图像集合，然后训练多个U‑net神经网络，最后利用随机森林融合多个神经网络的分割结果完成最终的语义分割工作。本发明实现了对肝脏图像的预处理工作，利用U‑net神经网络对肝脏图像相关特征进行自动提取，并且利用随机森林融合多个U‑net网络的分割结果使得模型泛化能力更强，在测试集上实现了较好的自动化分割效果，可以辅助医生进行诊断。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
