-
公开(公告)号：CN111259853A
公开(公告)日：2020-06-09
申请号：CN202010079647.3
申请日：2020-02-04
Applicant: 中国科学院计算技术研究所
Abstract: 本发明公开了一种高分辨率遥感图像变化检测方法，包括：构建孪生神经网络模型，以Dice损失函数和交叉熵损失函数构成的联合损失函数作为该孪生神经网络模型的损失函数；构建数据集，以该数据集对该孪生神经网络模型进行训练及评估，以得到图像变化检测模型；以该图像变化检测模型对目标高分辨率遥感图像进行变化检测，得到该目标高分辨率遥感图像的变化区域的分割结果。本发明还提出公开了一种高分辨率遥感图像变化检测系统，以及一种计算机可读存储介质和设置有该计算机可读存储介质的数据处理装置。
-
公开(公告)号：CN111126403B
公开(公告)日：2023-10-24
申请号：CN201911105440.2
申请日：2019-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06V10/26 , G06V10/50 , G06V10/764
Abstract: 本发明提出一种基于磁共振血管造影图像的脑血管分割方法和系统.发明目的是解决现有的基于统计模型的MRA图像脑血管分割方法中对细小血管的分割效果较差，血管的连续性不足的问题。针对已有模型中采用的单高斯模型来刻画脑血管灰度值分布的不足，本发明提出采用双高斯模型对脑血管组织进行建模。对MRA图像的整体灰度值分布进行拟合易产生参数漂移的问题，本发明提出细化灰度直方图的拟合区域，重点关注与脑血管分布相关的中高灰度值区域。另外，还引入了三维加权马尔科夫随机场，利用图像的局部邻域信息提高分割结果的连续性。
-
公开(公告)号：CN112346866B
公开(公告)日：2023-09-01
申请号：CN202011223743.7
申请日：2020-11-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种一种基于异步数据传输的GPU调度方法及系统。在深度学习推理时将CPU向GPU数据传输与GPU计算异步执行，将会极大的降低最终的延迟时间。因此，本发明提出了一个以并发量为自变量，系统吞吐量和时间延迟为因变量的定量模型。基于该模型，实现了一种利用两个进程隐藏数据传输延迟的调度算法，以提高系统性能。本发明可以通过正在执行的批量作业信息来计算确定下一个批量大小，并完全并行GPU数据传输和计算过程。同时，该算法能够实时匹配不断变化的并发量，在满足实时吞吐量要求的同时，最大限度地减少了作业延迟。
-
公开(公告)号：CN112001218A
公开(公告)日：2020-11-27
申请号：CN202010563714.9
申请日：2020-06-19
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于卷积神经网络的三维颗粒类别检测方法和系统，包括：构建包括混合尺度的三维扩张卷积层、稠密连接和损失函数的三维混合尺度密集卷积神经网络，用已标注颗粒坐标的三维冷冻电子断层图像训练该卷积神经网络，得到颗粒挑选模型，用已标注颗粒类别的三维冷冻电子断层图像训练该卷积神经网络，得到颗粒分类模型；通过滑动窗口采集三维冷冻电子断层图像，得到待检测三维重构的子区域，通过该颗粒挑选模型对每个该子区域进行预测，合并子区域的预测结果得到该三维冷冻电子断层图像中各颗粒的坐标；根据各颗粒的坐标，提取颗粒的三维图像，将每个颗粒的三维图像输入至该颗粒分类模型，得到各颗粒的所属类别。
-
公开(公告)号：CN110400604A
公开(公告)日：2019-11-01
申请号：CN201910580198.8
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所
IPC: G16B30/00
Abstract: 本发明涉及一种芸香科多物种的密码子使用模式分析方法，包括：通过芸香科的多个物种的基因数据，获取每个该物种的密码子序列；提取该密码子序列的第一特征值，以该第一特征值的关系验证该多个物种的进化关系；提取该密码子序列的第二特征值，以该第二特征值绘制特征关系图，以验证该多个物种的进化保守性程度；提取该密码子序列中的高频密码子/密码子对，以该高频密码子/密码子对的关系验证该多个物种的进化保守性相关度；将该密码子序列的密码子RSCU值与植物物种的密码子RSCU值进行聚类，以聚类结果验证该多个物种的所属纲目；获取该密码子序列GC3含量之间的欧式距离，以验证该多个物种的亲缘关系。
-
Patent Agency Ranking
公开(公告)号：CN112346866A
公开(公告)日：2021-02-09
申请号：CN202011223743.7
申请日：2020-11-05
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种一种基于异步数据传输的GPU调度方法及系统。在深度学习推理时将CPU向GPU数据传输与GPU计算异步执行，将会极大的降低最终的延迟时间。因此，本发明提出了一个以并发量为自变量，系统吞吐量和时间延迟为因变量的定量模型。基于该模型，实现了一种利用两个进程隐藏数据传输延迟的调度算法，以提高系统性能。本发明可以通过正在执行的批量作业信息来计算确定下一个批量大小，并完全并行GPU数据传输和计算过程。同时，该算法能够实时匹配不断变化的并发量，在满足实时吞吐量要求的同时，最大限度地减少了作业延迟。
-
公开(公告)号：CN110580704A
公开(公告)日：2019-12-17
申请号：CN201910672147.8
申请日：2019-07-24
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出基于卷积神经网络的ET细胞图像自动分割方法方法及系统，包括：获取待图像分割的ET细胞图像作为原始图像，根据预设的原始顺序切分该原始图像，得到多个图像块，利用多个由卷积层构成的下采样模块，对该图像块进行压缩，得到特征小图，使用多个空洞比率相异的卷积核分别对该特征小图进行卷积操作，并将得到的多个操作结果合并为编码特征图；通过多个由卷积层构成的解码模块，对该编码特征图进行解码，得到解码特征图，并根据预设的阈值，将该解码特征图中每个像素值二值化，将二值化后的解码特征图依次按照该原始顺序进行拼接，并将拼接结果作为图像分割结果。
-
公开(公告)号：CN113963271A
公开(公告)日：2022-01-21
申请号：CN202111239182.4
申请日：2021-10-25
Applicant: 中国科学院计算技术研究所
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种用于从遥感图像中识别不透水面的模型，所述模型包括编码器、与编码器输出相连的解码器、与解码器输出相连的分类器，其中：所述编码器包括多层逐层加深的特征提取模块，用于逐层提取输入遥感图像中的包含空间信息的不透水面特征，且相邻特征提取模块之间通过池化层相连；所述解码器包括多层与编码器特征提取模块逐层对应的上采样模块，用于逐层上采样遥感图像中的不透水面特征，且相邻上采样模块之间通过反卷积层相连；其中，所述解码器中的除底层外的每一层上采样模块均配置有注意力模块，所述注意力模块用于将当前上采样模块上一层级输出的特征、与当前上采样模块同级的特征提取模块输出的包含空间信息的特征进行处理后得到的特征并输入当前上采样模块；所述分类器用于根据解码器最终的输出特征对输入遥感图像中的不透水面类别进行分类得到分类结果。
-
公开(公告)号：CN113962887A
公开(公告)日：2022-01-21
申请号：CN202111220300.7
申请日：2021-10-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种二维冷冻电镜图像去噪模型的训练方法，所述方法包括：S1、获取原始图像数据集，从原始图像数据集中提取每个图像对应的纯噪声区域以获得纯噪声样本并组成纯噪声数据集；S2、采用步骤S1获得的纯噪声数据集训练生成式模型获得噪声生成模型，并采用训练的噪声生成模型生成多个新的纯噪声样本以扩充纯噪声数据集获得新的纯噪声数据集；S3、将新的纯噪声数据集中的纯噪声样本迁移到模拟生成的无噪声图像中以获得无噪声‑带噪声样本组成的无噪声‑带噪声数据集；S4、采用步骤S3获得的无噪声‑带噪声数据集训练卷积神经网络至收敛。
-
公开(公告)号：CN110400604B
公开(公告)日：2021-10-08
申请号：CN201910580198.8
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所
IPC: G16B30/00
Abstract: 本发明涉及一种芸香科多物种的密码子使用模式分析方法，包括：通过芸香科的多个物种的基因数据，获取每个该物种的密码子序列；提取该密码子序列的第一特征值，以该第一特征值的关系验证该多个物种的进化关系；提取该密码子序列的第二特征值，以该第二特征值绘制特征关系图，以验证该多个物种的进化保守性程度；提取该密码子序列中的高频密码子/密码子对，以该高频密码子/密码子对的关系验证该多个物种的进化保守性相关度；将该密码子序列的密码子RSCU值与植物物种的密码子RSCU值进行聚类，以聚类结果验证该多个物种的所属纲目；获取该密码子序列GC3含量之间的欧式距离，以验证该多个物种的亲缘关系。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
