-
公开(公告)号：CN108765409A
公开(公告)日：2018-11-06
申请号：CN201810555940.5
申请日：2018-06-01
Applicant: 电子科技大学
CPC classification number: G06T7/0012 , G06K9/627 , G06K9/6276 , G06T7/11 , G06T7/136 , G06T7/194 , G06T2207/10081 , G06T2207/20024 , G06T2207/20081 , G06T2207/20084 , G06T2207/30064
Abstract: 本发明公开了一种基于CT图像的候选结节的筛选方法，涉及医学图像处理领域，包括以下步骤：步骤1.获取待检测的肺部CT图像f0(x,y)；步骤2.对步骤1中的肺部CT图像f0(x,y)进行二值化处理并提取肺实质初步模板f1(x,y)；步骤3.对肺实质初步模板f1(x,y)进行肺实质修补并计算，得到肺实质区域图像f2(x,y)；步骤4.对肺实质区域图像f2(x,y)进行二值化处理并筛选候选结节，得到候选结节集R；步骤5.构建用于对候选结节分类的3DCNN网络结构；步骤6.根据3DCNN网络结构和LIDC肺部图像数据库中的库肺部CT图像训练出3DCNN网络模型；步骤7.根据3DCNN网络模型判断候选结节集R中各候选结节为肺结节的概率。
-
Patent Agency Ranking
公开(公告)号：CN113868597A
公开(公告)日：2021-12-31
申请号：CN202111139194.X
申请日：2021-09-27
Applicant: 电子科技大学
Abstract: 该发明公开了一种用于年龄估计的回归公平性度量方法，属于机器学习领域。该方法首先选择待回归属性作为敏感属性，并对敏感属性的取值范围进行区间化，根据区间化的结果实现自己划分；接着利用待评估的模型，完成所有子集样本的属性预测；接着通过误差函数计算预测值和真实值之间的误差，再基于各个子集误差的期望给出了模型回归公平性的定义；最后在回归公平性定义的基础上，定量计算模型的回归公平性指标。通过上述方法，本发明解决了年龄估计的回归公平性度量方法缺失的问题，实现了回归公平性的定量评估。
-
公开(公告)号：CN114241179A
公开(公告)日：2022-03-25
申请号：CN202111480164.5
申请日：2021-12-06
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于自步学习的视线方法，属于计算机视觉领域。该方法首先选择使用深度回归森林作为基本框架，同时，引入了两个独立的子网络进行特征提取，并把提取的特征通过特征融合网络进行特征融合，提高了网络特征提取的能力，接着引入回归森林的结构做为回归模型，用以估计出输入图像视线方向的概率分布，并基于此概率分布计算预测结果和样本的熵，最终采用自步学习的方法训练整个网络模型，并利用样本的熵修正其在自步学习排序中的顺序，以完成整个模型的训练。通过上述方法，本发明充分利用了深度回归森林和自步学习训练方法的优势，提高了模型在视线估计任务上的精度和鲁棒性。
-
公开(公告)号：CN115063862A
公开(公告)日：2022-09-16
申请号：CN202210731136.4
申请日：2022-06-24
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于特征对比损失的年龄估计方法，属于计算机视觉领域。该方法首先选择注意力机制作为特征提取网络的基本结构，并使用了基于注意力机制的偏移窗口变换网络作为特征提取网络的主要结构，用于从面部图像中提取鲁棒的年龄特征；然后设计了用于计算特征之间相对距离的距离估计网络，通过基于特征的对比损失引导特征空间保留标签空间的序约束关系，使得尾部特征能够利用头部特征的信息，进而提升尾部数据的预测准确度，从而解决年龄估计中的长尾分布问题。
-
公开(公告)号：CN115063862B
公开(公告)日：2024-04-23
申请号：CN202210731136.4
申请日：2022-06-24
Applicant: 电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 该发明公开了一种基于特征对比损失的年龄估计方法，属于计算机视觉领域。该方法首先选择注意力机制作为特征提取网络的基本结构，并使用了基于注意力机制的偏移窗口变换网络作为特征提取网络的主要结构，用于从面部图像中提取鲁棒的年龄特征；然后设计了用于计算特征之间相对距离的距离估计网络，通过基于特征的对比损失引导特征空间保留标签空间的序约束关系，使得尾部特征能够利用头部特征的信息，进而提升尾部数据的预测准确度，从而解决年龄估计中的长尾分布问题。
-
公开(公告)号：CN113868597B
公开(公告)日：2023-03-10
申请号：CN202111139194.X
申请日：2021-09-27
Applicant: 电子科技大学
Abstract: 该发明公开了一种用于年龄估计的回归公平性度量方法，属于机器学习领域。该方法首先选择待回归属性作为敏感属性，并对敏感属性的取值范围进行区间化，根据区间化的结果实现自己划分；接着利用待评估的模型，完成所有子集样本的属性预测；接着通过误差函数计算预测值和真实值之间的误差，再基于各个子集误差的期望给出了模型回归公平性的定义；最后在回归公平性定义的基础上，定量计算模型的回归公平性指标。通过上述方法，本发明解决了年龄估计的回归公平性度量方法缺失的问题，实现了回归公平性的定量评估。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
