公开(公告)号：CN115511904A

公开(公告)日：2022-12-23

申请号：CN202211141721.5

申请日：2022-09-20

Applicant: 重庆邮电大学

Inventor： 戴大伟 ,  夏书银 ,  杨龙 ,  兰丹凤 ,  王国胤

IPC: G06T7/13 ,  G06T5/00

Abstract: 本发明属于图像分割领域，具体涉及一种基于多粒度计算的图像图表示方法，包括：对图像进行预处理；采用Sobel算子计算x、y方向上的灰度值，并将最大灰度值梯度的像素点标记；在未标记的像素点中选取灰度值梯度最小的点作为中心点，根据设定的方差阈值和纯度阈值交叉更新x、y方向上的半径Rx，Ry，得到图像的一个粒矩，并将该粒矩内的所有像素点标记；在重复S3步骤直到图像的所有像素点都被标记；判断粒矩之间是否相交，采用画图工具将图像进行矩到图的表示和可视化。本发明通过将图像中具有相似灰度值的结构模块块，解决了以像素为处理单元的缺陷，提高了可解释性、可信度和鲁棒性。

公开(公告)号：CN115527677A

公开(公告)日：2022-12-27

申请号：CN202211265611.X

申请日：2022-10-17

Applicant: 重庆邮电大学

Inventor： 戴大伟 ,  徐涛 ,  兰丹凤 ,  夏书银 ,  王国胤

IPC: G16H50/30 ,  G16H50/20 ,  G16H30/40 ,  G06T7/00 ,  G06V10/764 ,  G06V10/762 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图神经网络技术领域，具体涉及一种基于图像图表示与图神经网络的骨关节健康状态评估方法及系统；该方法包括：获取带有标签的骨关节图像；对骨关节图像中的膝盖部位进行定位，将每张图像均切分为左膝盖图像和右膝盖图像；对每张图像进行图表示，得到骨关节图像的节点信息、边信息和邻接矩阵；将训练集输入到基于图神经网络的骨关节健康状态评估模型中进行训练，并且对测试集骨关节健康等级进行评估，得到最佳评估结果和模型；使用该模型评估骨关节健康等级，可视化图神经网络在评估过程中对图像关注区域的热力图；本发明评估精度高，可解释性好，实用性高，具有良好的应用前景。

公开(公告)号：CN116246098A

公开(公告)日：2023-06-09

申请号：CN202310041708.0

申请日：2023-01-12

Applicant: 重庆邮电大学

Inventor： 徐嘉 ,  戴大伟 ,  兰丹凤 ,  夏书银 ,  王国胤

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明属于图像识别技术领域，具体涉及一种基于特征块折叠的非局部性卷积建模方法及装置；该方法包括：构建FFNL模块，FFNL模块包括FF子模块、RFF子模块和NL子模块；将FFNL模块嵌入到普通卷积网络的浅层阶段，得到基于特征块折叠的非局部性卷积分类模型；获取训练数据并采用训练数据训练基于特征块折叠的非局部性卷积分类模型，得到训练好的基于特征块折叠的非局部性卷积分类模型；采用训练好的基于特征块折叠的非局部性卷积分类模型对待分类数据处理，得到分类结果；本发明可帮助卷积神经网络建立基于特征块的非局部特征学习机制，从而获得更大的有效感受野和更好的性能。