面向COVID-19胸部X射线图像分类学习的训练数据隐私保护方法

    公开(公告)号:CN115482435A

    公开(公告)日:2022-12-16

    申请号:CN202211144421.2

    申请日:2022-09-20

    Applicant: 河南大学

    Abstract: 本发明提供一种面向COVID‑19胸部X射线图像分类学习的训练数据隐私保护方法。该方法包括:收集真实标签样本和无标签样本构成数据集,对数据集进行划分以得到教师机分类模型的训练集Dt‑train和测试集Dt‑test、学生机分类模型的训练集Ds‑train和测试集Ds‑test;利用Dt‑train和Dt‑test,基于孪生网络模型训练m个教师机分类模型;利用m个教师机分类模型对Ds‑train中的每个样本进行预测,并对m个教师机分类模型的投票结果添加差分隐私噪声以得到Ds‑train中每个样本的噪声聚合标签,所有样本及其对应的噪声聚合标签构成一个新的学生机分类模型的训练集D's‑train;利用无标签样本和D's‑train,基于MixMatch半监督训练方法隐私化训练学生机分类模型;发布并使用训练好的隐私化学生机分类模型来完成COVID‑19胸部X射线图像分类学习任务。

    基于残差潜扩散模型的遥感超分辨率图像生成方法

    公开(公告)号:CN118247147A

    公开(公告)日:2024-06-25

    申请号:CN202410351546.5

    申请日:2024-03-26

    Applicant: 河南大学

    Abstract: 本发明涉及图像生成技术领域,具体涉及一种基于残差潜扩散模型的遥感超分辨率图像生成方法,包括:获取遥感影像公共数据集中每个原始遥感图像及其低分辨率图像,进而获取图像在潜在空间的数据特征;构建残差扩散模型,利用每个低分辨率图像在潜在空间的数据特征,对残差扩散模型的数据输入进行图像数据对接,在潜在空间中训练残差扩散模型,获得训练好的残差潜扩散模型;将待生成遥感图像在潜在空间中的数据特征,输入到训练好的残差潜扩散模型中,生成潜在空间的超分辨遥感图像。本发明通过改进扩散模型的训练过程获得的残差潜扩散模型,提高了基于残差潜扩散模型获得生成图像的效率和准确性。

Patent Agency Ranking