-
公开(公告)号：CN115170418B
公开(公告)日：2023-10-17
申请号：CN202210783254.X
申请日：2022-07-05
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06T5/00 , G06N3/04 , G06N3/0985
Abstract: 本发明涉及属于计算机视觉领域。本发明提供符合退化的低秩高维图像填充模型构建方法,首先，选择训练数据,构建训练集；其次，选择预训练好的深度填充网络作为待构建模型的隐式正则项；然后，构建模型,创建辅助变量与拉格朗日乘子,得到模型的增广拉格朗日函数,将模型求解分割为不同的子问题后再迭代求解；利用训练集对模型进行训练,确定超参数，所述超参数至少包括模型最大迭代次数、模型收敛阈值、模型权衡参数；直至预测性能达到预设值后停止训练，则符合退化的低秩高维图像填充模型构建完成。本发明将张量完备化的退化过程构建为线性退化算子，引入到模型求解过程中，使模型可以有效利用到张量的退化信息。
-
公开(公告)号：CN115271033A
公开(公告)日：2022-11-01
申请号：CN202210783921.4
申请日：2022-07-05
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明涉及属于医学图像处理领域，提供了基于联邦知识蒸馏医学图像处理模型构建方法，利用私有数据集对子节点网络进行训练，利用训练好的子节点网络在公共数据集上前向传播得到第一脉冲张量，并上传至中心节点；中心节点接收后，基于公共数据集进行蒸馏训练，得到蒸馏产物；聚合各子节点蒸馏产物得到全局参数，利用其对中心节点网络进行更新后，在公共数据集上前向传播，得到的第二脉冲张量并将其分发至所有子节点；子节点接收第二脉冲张量用以在公共数据集上进行蒸馏训练，同步更新子节点网络参数，并进入循环训练；直至达到预设轮数后或预设值后停止训练。本发明同时提供了利用构建完成的模型对待处理的医学图像进行图像处理的处理方法。
-
公开(公告)号：CN115017924B
公开(公告)日：2023-11-07
申请号：CN202210808791.5
申请日：2022-07-11
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06F40/58 , G06F40/279 , G06F40/30 , G06F40/126 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及属于机器翻译领域，提供了跨语际语言翻译的神经机器翻译模型构建及其翻译方法，适用于各类跨语际语言翻译。在训练时，基于训练子集的源语言语料进行编码，构建融合其上下文依赖关系的文本向量，然后计算得其文本表征；然后，针对该子集逐词进行解码，在每一步，首先融合历次译文文本和源文本获得混合表征，然后基于此进行焦点位置计算，获取当前焦点位置的翻译候选词；通过不同子集，在达到一定的步数后，根据候选词和真值的误差进行迭代训练。翻译方法，同样逐词进行翻译，在每一个翻译步，生成当前步基于焦点位置的翻译候选表示，并利用启发式搜索算法，选择其中全局概率值最大的候选文本作为当前步输出的译文文本，直至翻译完成。
-
公开(公告)号：CN115170418A
公开(公告)日：2022-10-11
申请号：CN202210783254.X
申请日：2022-07-05
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
Abstract: 本发明涉及属于计算机视觉领域。本发明提供符合退化的低秩高维图像填充模型构建方法,首先，选择训练数据,构建训练集；其次，选择预训练好的深度填充网络作为待构建模型的隐式正则项；然后，构建模型,创建辅助变量与拉格朗日乘子,得到模型的增广拉格朗日函数,将模型求解分割为不同的子问题后再迭代求解；利用训练集对模型进行训练,确定超参数，所述超参数至少包括模型最大迭代次数、模型收敛阈值、模型权衡参数；直至预测性能达到预设值后停止训练，则符合退化的低秩高维图像填充模型构建完成。本发明将张量完备化的退化过程构建为线性退化算子，引入到模型求解过程中，使模型可以有效利用到张量的退化信息。
-
-
Patent Agency Ranking
公开(公告)号：CN115017924A
公开(公告)日：2022-09-06
申请号：CN202210808791.5
申请日：2022-07-11
Applicant: 西南财经大学 , 喀什地区电子信息产业技术研究院
IPC: G06F40/58 , G06F40/279 , G06F40/30 , G06F40/126 , G06N3/04 , G06N3/08
Abstract: 本发明涉及属于机器翻译领域，提供了跨语际语言翻译的神经机器翻译模型构建及其翻译方法，适用于各类跨语际语言翻译。在训练时，基于训练子集的源语言语料进行编码，构建融合其上下文依赖关系的文本向量，然后计算得其文本表征；然后，针对该子集逐词进行解码，在每一步，首先融合历次译文文本和源文本获得混合表征，然后基于此进行焦点位置计算，获取当前焦点位置的翻译候选词；通过不同子集，在达到一定的步数后，根据候选词和真值的误差进行迭代训练。翻译方法，同样逐词进行翻译，在每一个翻译步，生成当前步基于焦点位置的翻译候选表示，并利用启发式搜索算法，选择其中全局概率值最大的候选文本作为当前步输出的译文文本，直至翻译完成。
-
公开(公告)号：CN118537645A
公开(公告)日：2024-08-23
申请号：CN202410670825.8
申请日：2024-05-28
Applicant: 西南财经大学
IPC: G06V10/764 , G06V10/82 , G06N5/04 , G06V10/774 , G06N3/08 , G06V10/762 , G06N3/045 , G06N3/096 , G06N3/0464
Abstract: 本发明涉及轨迹识别领域，具体涉及一种开放环境下车辆异常轨迹检测模型的架构方法，其模型包括编码网络、嵌入网络和推理网络。在训练阶段，首先利用包括相似性损失和交叉熵损失的总损失，更新模型参数，然后，利用更新后的模型采用交叉熵损失更新相似性学习网络，直至训练完成。所述相似性损失的计算包括：基于轨迹嵌入利用相似性学习网络计算各轨迹间的轨迹相似性，基于预测概率分布计算交叉熵损失以及各轨迹间的轨迹相似性，然后，对齐两类相似性计算相似性损失。本发明的方法，通过引入相似性损失，使得模型不仅学习单个轨迹的分类，还能理解不同轨迹之间的关系和联系，其能在开放世界的假设下，有效地对环境中未知的异常行为进行分类。
-
公开(公告)号：CN113657377B
公开(公告)日：2023-11-14
申请号：CN202110832336.4
申请日：2021-07-22
Applicant: 西南财经大学
IPC: G06V20/62 , G06V30/148 , G06V30/19 , G06N3/0464 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种机打票据图像结构化识别方法，采集某一类机打票据的多张图像，通过手工标注票据中的文本框坐标及其内容，保存为标注文件；制作成文本检测训练集A，文本识别训练集B，同时采集公开文本识别训练集C；通过训练集A、B，分别训练机打票据的文本检测F1模型、文本识别F2模型；建立单字符切割F5模型，该方法无需专门的拍摄和图像扫描设备、不要求拍摄绝对水平，基于普通相机拍摄的机打票据照片即可进行结构化提取。对发票中的印章可以通过自编码器的方式进行消除。使用迁移学习的字符识别网络在达到同样准确率的情况下，可以减少票据数据的标注工作。
-
公开(公告)号：CN119006339A
公开(公告)日：2024-11-22
申请号：CN202411076740.3
申请日：2024-08-07
Applicant: 西南财经大学
IPC: G06T5/77 , G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术，其公开了一种基于物理先验的图像去雾方法，首先，基于真实无雾图像，构建包括初步去雾图片、透射率图片和大气光图片的合成训练样本；然后，先进行一次加噪和去噪，预测出计算噪声和计算透射率图片，接着基于预测结果进行重构，之后，计算重构损失、噪声预测损失，对去噪模型进行更新；然后，利用更新获得的去噪模型对随机噪声图进行去噪，根据去噪结果和真实无雾图像计算损失，根据损失对去噪模型进行更新。其将对透射率图的细化作为去雾任务的辅助任务，不仅能够提高去雾的效率，也能够保留雾淡的区域的原图效果；同时，巧妙地通过扩散模型，生成图像雾浓区域丢失的细节，使得去雾之后的图像在感知上更为真实。
-
公开(公告)号：CN118447144A
公开(公告)日：2024-08-06
申请号：CN202410581595.8
申请日：2024-05-11
Applicant: 西南财经大学
Abstract: 本发明涉及医学磁共振成像技术，其公开了一种三维磁共振压缩图像的重建方法，解决传统PnP框架方案存在容易丢失图像整体结构，且可能包含大量假细节，对诊断带来干扰的问题。其创建重建问题的包括低秩正则项和两个隐式正则项的优化模型，并通过交替方向乘子算法迭代求解模型，其中，两个隐式正则化相关的子问题分别描述为去噪问题和MRI重建问题，从而在PnP框架下嵌入预训练的去噪器和重建器，对两个隐式正则项的子问题进行求解。通过重建器引入图像物理退化机理一致的先验信息，可更好地恢复整体结构，通过去噪器学习数据本身的先验分布，可更好地着重细节纹理的重建，因此，避免重建的图像中包含大量假细节而对医学临床诊断带来的干扰。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.035 seconds)
