公开(公告)号：CN112528874B

公开(公告)日：2024-02-02

申请号：CN202011476560.6

申请日：2020-12-15

Applicant: 西安电子科技大学

Inventor： 董明皓 ,  杨海涛 ,  张培铭 ,  姬鸣 ,  吴佳 ,  张子元 ,  张晓燕 ,  柴维路 ,  金晨望 ,  梁继民

IPC: G06V20/13 ,  G06T7/00 ,  G06T7/70

Abstract: 本发明公开了一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质，方法融合了特异性、敏感性、置信等级三个维度信息，并基于目标物位置信息对特异性、敏感性指标进行计算，基于被试者的反应时间对置信等级进行计算，并基于特异性、敏感性指标以及置信等级计算被试者的SAR图象多目标视觉识别能力得分，对被试者的SAR图象多目标视觉识别能力进行测试，与传统基于准确率的测试方法相比，本发明提出的方法效度和精度更高，敏感性更强。有效解决了现有面向人的SAR图象目标识别能力计算方法效度不足、精确度不足、测试不准确的问题。

公开(公告)号：CN112488493A

公开(公告)日：2021-03-12

申请号：CN202011356798.5

申请日：2020-11-27

Applicant: 西安电子科技大学

Inventor： 董明皓 ,  张培铭 ,  姬鸣 ,  杨海涛 ,  金晨望 ,  张子元 ,  张晓燕 ,  柴维路 ,  王红梅 ,  梁继民

IPC: G06Q10/06 ,  G06T7/00 ,  G16H30/20

Abstract: 本发明公开了一种融合位置信息的医学影像医师病灶识别能力评估方法、系统及计算机可读介质，融合特异性、敏感性、判断置信等级三个维度信息，并基于病灶位置信息对特异性、敏感性指标进行计算，基于被试者的反应时间对判断置信等级进行计算，并基于特异性、敏感性指标以及判断置信等级计算基于病灶位置信息的医学基于位置的医学影像病灶识别能力得分，对被试者识别能力进行测试，与传统基于准确率的测量算法相比，本发明提出的方法敏感性更强、精度更高。有效解决了现有医学影像医师病灶识别能力测试方法效度低、信息量不足导致准确度低的问题。

公开(公告)号：CN112488493B

公开(公告)日：2023-06-23

申请号：CN202011356798.5

申请日：2020-11-27

Applicant: 西安电子科技大学

Inventor： 董明皓 ,  张培铭 ,  姬鸣 ,  杨海涛 ,  金晨望 ,  张子元 ,  张晓燕 ,  柴维路 ,  王红梅 ,  梁继民

IPC: G06Q10/0639 ,  G06T7/00 ,  G16H30/20

Abstract: 本发明公开了一种融合位置信息的医学影像医师病灶识别能力评估方法、系统及计算机可读介质，融合特异性、敏感性、判断置信等级三个维度信息，并基于病灶位置信息对特异性、敏感性指标进行计算，基于被试者的反应时间对判断置信等级进行计算，并基于特异性、敏感性指标以及判断置信等级计算基于病灶位置信息的医学基于位置的医学影像病灶识别能力得分，对被试者识别能力进行测试，与传统基于准确率的测量算法相比，本发明提出的方法敏感性更强、精度更高。有效解决了现有医学影像医师病灶识别能力测试方法效度低、信息量不足导致准确度低的问题。

公开(公告)号：CN111259735A

公开(公告)日：2020-06-09

申请号：CN202010018024.5

申请日：2020-01-08

Applicant: 西安电子科技大学

Inventor： 谢雪梅 ,  马丽华 ,  柴维路

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于多级预测特征增强卷积神经网络的单人姿态估计方法，实现步骤为：获取训练集和测试集；对人体骨架点进行等级划分；构建多级预测特征增强卷积神经网络；对多级预测特征增强卷积神经网络进行训练；基于训练好的多级预测特征增强卷积神经网络获取单人姿态估计结果。本发明采用多级预测特征增强卷积神经网络，区分人体姿态骨架点预测的难易程度并采用无参数的特征增强模块，使得提取的骨架点特征更加精细，同时极大减少了模型的参数量，有效提高了单人姿态估计的准确率和速度。

公开(公告)号：CN111259735B

公开(公告)日：2023-04-07

申请号：CN202010018024.5

申请日：2020-01-08

Applicant: 西安电子科技大学

Inventor： 谢雪梅 ,  马丽华 ,  柴维路

IPC: G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于多级预测特征增强卷积神经网络的单人姿态估计方法，实现步骤为：获取训练集和测试集；对人体骨架点进行等级划分；构建多级预测特征增强卷积神经网络；对多级预测特征增强卷积神经网络进行训练；基于训练好的多级预测特征增强卷积神经网络获取单人姿态估计结果。本发明采用多级预测特征增强卷积神经网络，区分人体姿态骨架点预测的难易程度并采用无参数的特征增强模块，使得提取的骨架点特征更加精细，同时极大减少了模型的参数量，有效提高了单人姿态估计的准确率和速度。

公开(公告)号：CN112528874A

公开(公告)日：2021-03-19

申请号：CN202011476560.6

申请日：2020-12-15

Applicant: 西安电子科技大学

Inventor： 董明皓 ,  杨海涛 ,  张培铭 ,  姬鸣 ,  吴佳 ,  张子元 ,  张晓燕 ,  柴维路 ,  金晨望 ,  梁继民

IPC: G06K9/00 ,  G06T7/00 ,  G06T7/70

Abstract: 本发明公开了一种面向人的SAR图象多目标视觉识别能力量化方法、系统及计算机可读介质，方法融合了特异性、敏感性、置信等级三个维度信息，并基于目标物位置信息对特异性、敏感性指标进行计算，基于被试者的反应时间对置信等级进行计算，并基于特异性、敏感性指标以及置信等级计算被试者的SAR图象多目标视觉识别能力得分，对被试者的SAR图象多目标视觉识别能力进行测试，与传统基于准确率的测试方法相比，本发明提出的方法效度和精度更高，敏感性更强。有效解决了现有面向人的SAR图象目标识别能力计算方法效度不足、精确度不足、测试不准确的问题。