-
公开(公告)号：CN116012272A
公开(公告)日：2023-04-25
申请号：CN202310059698.3
申请日：2023-01-19
Applicant: 电子科技大学
IPC: G06T5/50 , G06T7/269 , G06N3/045 , G06N3/0464 , G06N3/044
Abstract: 本发明公开了一种基于重建流场的压缩视频质量增强方法，属于视频质量增强技术领域。本发明构建了视频增强网络模型，其循环单元接受当前帧与相邻两帧关键帧作为输入，并结合上一帧的深度特征进行流场融合处理，再经多层级连的残差卷积模块得到当前帧的深度特征；基于核注意力模块在时域残差的引导下对深度特征进行处理，随后使用卷积层重建出质量增强残差，与输入相结合得到最终重建的高质量视频帧，抑制掉了压缩带来的噪声、伪影和模糊等影响视觉效果的因素，重建出高频纹理细节，提高了用户对网络视频等的观看体验。本发明利用到压缩编码时的先验信息，提高了视频帧间对齐的精度，在帧的空间维度和序列帧的时间维度上都取得了更好的重建效果。
-
公开(公告)号：CN114743053B
公开(公告)日：2023-04-25
申请号：CN202210390708.7
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和自注意力的磁共振影像辅助处理系统，包括依次连接的MRI数据预处理模块和若干个基于自注意力的长短距离特征融合图神经网络SALS‑GNN，每个SALS‑GNN包括依次连接的自注意力特征提取模块和特征融合模块，每一个自注意力特征提取模块由多个并联的基于多头自注意力的不同距离的特征提取子网络SA组成。本发明通过把大脑的网络图结构纳入考量范围，并以此构建相应的数据和模型；通过优化设计图神经网络模型，基于自注意力机制，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合，显著提高了神经网络的特征提取能力和分类性能。
-
公开(公告)号：CN114757911B
公开(公告)日：2023-04-07
申请号：CN202210390815.X
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/74 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和对比学习的磁共振影像辅助处理系统，该系统包含依次连接的MRI影像数据预处理模块、图数据增广模块、对比学习模块以及迁移学习模块。本发明提出了一种基于自注意力的长短距离特征融合图神经网络LS‑GNN，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合；在对比学习模型的投影头部分，通过多层感知机实现了特征向量映射与图读出功能的结合；本发明充分利用了大量的无标签和主观标签数据，通过对比学习，既获得了具备通用特征表示能力的模型，又减少了可能错误的主观标签的影响；通过迁移学习，可实现分类、聚类等多个领域的性能提升。
-
公开(公告)号：CN114743053A
公开(公告)日：2022-07-12
申请号：CN202210390708.7
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和自注意力的磁共振影像辅助处理系统，包括依次连接的MRI数据预处理模块和若干个基于自注意力的长短距离特征融合图神经网络SALS‑GNN，每个SALS‑GNN包括依次连接的自注意力特征提取模块和特征融合模块，每一个自注意力特征提取模块由多个并联的基于多头自注意力的不同距离的特征提取子网络SA组成。本发明通过把大脑的网络图结构纳入考量范围，并以此构建相应的数据和模型；通过优化设计图神经网络模型，基于自注意力机制，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合，显著提高了神经网络的特征提取能力和分类性能。
-
Patent Agency Ranking
公开(公告)号：CN114757911A
公开(公告)日：2022-07-15
申请号：CN202210390815.X
申请日：2022-04-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图神经网络和对比学习的磁共振影像辅助处理系统，该系统包含依次连接的MRI影像数据预处理模块、图数据增广模块、对比学习模块以及迁移学习模块。本发明提出了一种基于自注意力的长短距离特征融合图神经网络LS‑GNN，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合；在对比学习模型的投影头部分，通过多层感知机实现了特征向量映射与图读出功能的结合；本发明充分利用了大量的无标签和主观标签数据，通过对比学习，既获得了具备通用特征表示能力的模型，又减少了可能错误的主观标签的影响；通过迁移学习，可实现分类、聚类等多个领域的性能提升。
-
公开(公告)号：CN114145745A
公开(公告)日：2022-03-08
申请号：CN202111532664.9
申请日：2021-12-15
Applicant: 西安电子科技大学
Abstract: 本申请属于信息技术领域，涉及一种脑电信号的分类方法具体提供了一种基于图的多任务自监督情绪识别方法，其特征在于，该方法包括如下步骤：S1，获取脑电情绪数据并进行预处理；S2，构建自监督辅助任务；S3，构建图卷积神经网络；S4，训练图卷积神经网络；S5，测试图卷积神经网络。本发明首次考虑到设计自监督任务用于脑电情绪识别。设计的空间拼图任务通过学习不同脑区之间的内在空间关系，从而学习脑电情绪相关的空间模式；设计的频率拼图任务旨在于挖掘对情感识别更为关键频带；设计的对比学习任务旨在于进一步规范特征空间，学习内在的表征。本发明情绪识别的准确率较高。
-
公开(公告)号：CN116012272B
公开(公告)日：2025-05-13
申请号：CN202310059698.3
申请日：2023-01-19
Applicant: 电子科技大学
IPC: G06T5/50 , G06T7/269 , G06N3/045 , G06N3/0464 , G06N3/044
Abstract: 本发明公开了一种基于重建流场的压缩视频质量增强方法，属于视频质量增强技术领域。本发明构建了视频增强网络模型，其循环单元接受当前帧与相邻两帧关键帧作为输入，并结合上一帧的深度特征进行流场融合处理，再经多层级连的残差卷积模块得到当前帧的深度特征；基于核注意力模块在时域残差的引导下对深度特征进行处理，随后使用卷积层重建出质量增强残差，与输入相结合得到最终重建的高质量视频帧，抑制掉了压缩带来的噪声、伪影和模糊等影响视觉效果的因素，重建出高频纹理细节，提高了用户对网络视频等的观看体验。本发明利用到压缩编码时的先验信息，提高了视频帧间对齐的精度，在帧的空间维度和序列帧的时间维度上都取得了更好的重建效果。
-
公开(公告)号：CN114145745B
公开(公告)日：2024-03-29
申请号：CN202111532664.9
申请日：2021-12-15
Applicant: 西安电子科技大学
Abstract: 本申请属于信息技术领域，涉及一种脑电信号的分类方法具体提供了一种基于图的多任务自监督情绪识别方法，其特征在于，该方法包括如下步骤：S1，获取脑电情绪数据并进行预处理；S2，构建自监督辅助任务；S3，构建图卷积神经网络；S4，训练图卷积神经网络；S5，测试图卷积神经网络。本发明首次考虑到设计自监督任务用于脑电情绪识别。设计的空间拼图任务通过学习不同脑区之间的内在空间关系，从而学习脑电情绪相关的空间模式；设计的频率拼图任务旨在于挖掘对情感识别更为关键频带；设计的对比学习任务旨在于进一步规范特征空间，学习内在的表征。本发明情绪识别的准确率较高。
-
公开(公告)号：CN113057652A
公开(公告)日：2021-07-02
申请号：CN202110284931.9
申请日：2021-03-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于脑电和深度学习的脑负荷检测方法，主要解决现有技术效率不高且检测精度低，难以有效检测出在虚拟现实环境下用户脑负荷程度的问题。其实现方案为：构建虚拟现实场景；设计实验范式，采集被试者脑电数据并对其进行预处理；用预处理后的脑电数据制作数据集；设计由三个时间域特征提取单元、三个空间域特征提取单元、两个随机失活层和一个拼接卷积分类器组成的卷积神经网络，并使用训练集和验证集对其训练；将测试集输入到训练好的卷积神经网络中，得到脑负荷检测结果。本发明能有效检测出用户的脑负荷状态，与传统方法相比提高了检测准确率，为更好调节身体提供辅助的参考依据，可用于虚拟现实及医疗服务中对脑电信号的检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
