-
公开(公告)号：CN117611931B
公开(公告)日：2024-04-05
申请号：CN202410091515.0
申请日：2024-01-23
Applicant: 西南科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/80 , G06V10/778 , G06N3/0499 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于深度自表示局部块学习的数据分类方法及系统，涉及数据分类技术领域，解决了在数据中存在的异常值对自表示学习的影响，以及目前基于深度学习的子空间方法未能充分考虑样本的细节特征和抽象特征之间的平衡，导致模型无法有效地学习数据的特征表示，使得模型聚类结果不准确的问题，本方案通过分块矩阵自表示加权和共识表示学习，学习数据的全局结构信息和局部结构信息，不仅增强了同一类样本在全局和局部范围内的相似性，还提高了同一类样本被划分到同一子空间的正确率。极大地提升了模型的聚类性能。
-
公开(公告)号：CN115345889A
公开(公告)日：2022-11-15
申请号：CN202211250336.4
申请日：2022-10-13
Applicant: 西南科技大学
Abstract: 本发明公开了一种肝脏及其肿瘤图像的分割方法，通过基于多尺寸特征注意力机制构成的图像分割网络同时关注全局空间信息、局部空间信息以及通道间信息，能够有效利用特征图像的有限信息，解决了Unet网络不能有效利用较少医学图像数据集信息完成精准分割的问题。
-
公开(公告)号：CN117611931A
公开(公告)日：2024-02-27
申请号：CN202410091515.0
申请日：2024-01-23
Applicant: 西南科技大学
IPC: G06V10/764 , G06V10/82 , G06V10/762 , G06V10/80 , G06V10/778 , G06N3/0499 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种基于深度自表示局部块学习的数据分类方法及系统，涉及数据分类技术领域，解决了在数据中存在的异常值对自表示学习的影响，以及目前基于深度学习的子空间方法未能充分考虑样本的细节特征和抽象特征之间的平衡，导致模型无法有效地学习数据的特征表示，使得模型聚类结果不准确的问题，本方案通过分块矩阵自表示加权和共识表示学习，学习数据的全局结构信息和局部结构信息，不仅增强了同一类样本在全局和局部范围内的相似性，还提高了同一类样本被划分到同一子空间的正确率。极大地提升了模型的聚类性能。
-
公开(公告)号：CN115345889B
公开(公告)日：2023-01-03
申请号：CN202211250336.4
申请日：2022-10-13
Applicant: 西南科技大学
Abstract: 本发明公开了一种肝脏及其肿瘤图像的分割方法，通过基于多尺寸特征注意力机制构成的图像分割网络同时关注全局空间信息、局部空间信息以及通道间信息，能够有效利用特征图像的有限信息，解决了Unet网络不能有效利用较少医学图像数据集信息完成精准分割的问题。
-
-
-
Search Results
4
records
(took 0.012 seconds)
