-
Patent Agency Ranking
公开(公告)号：CN119622014A
公开(公告)日：2025-03-14
申请号：CN202411688495.1
申请日：2024-11-25
Applicant: 河北工业大学
IPC: G06F16/583 , G06F16/532 , G06F18/22 , G06N3/0464 , G06N3/048
Abstract: 本发明公开一种基于检索增强和多模态大模型的小样本缺陷分类方法，该方法考虑到不同产品中存在相似的缺陷特征，引入了一种突破性的检索机制，该机制访问了包含各种产品和材料的跨领域数据库，通过这种方式有效地扩展了模型学习范围，超越了单一数据集或领域的限制；通过该检索机制，利用小样本即可实现分类模型的有效训练；此外，分类模型中设计了BNAdapter适配器模块，通过微调额外的特征适配器实现了有效的迁移学习，既简单又高效，节约计算成本且能保证分类准确率。
-
公开(公告)号：CN119540955A
公开(公告)日：2025-02-28
申请号：CN202411670630.X
申请日：2024-11-21
Applicant: 河北工业大学
IPC: G06V20/70 , G06V10/774 , G06V10/25 , G06T7/00 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895 , G06V10/80 , G06V10/776
Abstract: 本发明属于工业缺陷检测技术领域，具体是一种基于亮度适应增强和内容感知的模糊标注缺陷检测方法。首先，获取模糊标注数据集，采用亮度适应数据增强的方式进行数据增强，得到增强后的数据集；然后，构建由基于可变形注意力的特征提取网络、内容感知的高效聚合特征融合网络以及检测头组成的缺陷检测模型，基于可变形注意力的特征提取网络包括YOLOv8模型的骨干网络和可变形注意力模块；最后，利用增强后的数据集对缺陷检测模型进行训练，将训练后的缺陷检测模型用于缺陷检测。亮度适应数据增强充分考虑源图像与目标图像之间的亮度差异，亮度差异满足条件才允许两张图像进行相互增强，避免增强图像中缺陷与背景的亮度差异较大，同时将粘贴位置选择在缺陷的常见位置，提高缺陷与目标图像的视觉一致性；模型更加聚焦缺陷的共性特征，有利于提高检测准确度。
-
公开(公告)号：CN119540617A
公开(公告)日：2025-02-28
申请号：CN202411590658.2
申请日：2024-11-08
Applicant: 河北工业大学 , 天津市肿瘤医院空港医院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明属于医学图像分类技术领域，具体是一种基于批通道归一化和语义增强的多中心医学图像分类方法。首先，获取多中心的医学图像，并进行预处理；然后，以COVID‑Net网络为主干网络，在COVID‑Net网络的与PEPX模块相连的各个卷积层之后分别嵌入一个特定域批量通道归一化模块，得到多中心分类模型；所述特定域批量通道归一化模块对每个中心的数据分别从批量和通道两个维度进行归一化，再对两个维度的归一化结果进行融合，得到归一化后的特征图；最后，对多中心分类模型进行训练，在训练过程中利用隐式语义数据增强算法对待馈送到全连接层的特征进行增强，将训练后的多中心分类模型用于多中心医学图像的分类。将每个中心作为一个特定域，获取不同中心数据的统计信息，使模型能够捕捉不同中心的数据分布变化，有效缓解了跨中心的数据异质性问题。
-
-
-
Search Results
5
records
(took 0.016 seconds)
