公开(公告)号：CN115293217A

公开(公告)日：2022-11-04

申请号：CN202211013148.X

申请日：2022-08-23

Applicant: 南京邮电大学

Inventor： 韩崇 ,  喻丹 ,  郭剑 ,  孙力娟 ,  薛景 ,  王娟

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 一种基于射频信号的无监督伪标签优化行人重识别方法，训练数据记为集合X，以Resnet50网络提取数据特征Xkey，利用DBScan方法给数据分类，并分配伪标签，将所有伪标签分为可信任标签和含有噪声标签的两个部分，分别使用两个网络不断预测未标签数据，当损失函数足够收敛时，即获得高质量的伪标签。将每一个聚类的特征标记为C1，C2，C3…CN并存储在内存的记忆字典中。之后采用P×K采样法抽取P个行人的数据，每个行人K张图片。对于每一个行人，选择最难表示的一张图片作为样本，动态更新Ci聚类特征。采用聚类对比损失的方法将查询实例与集群特性中的所有聚类特征C进行比较，直到所有聚类特征更新完毕，重复采样的过程。循环整个过程直到损失函数收敛，保存模型。

公开(公告)号：CN114596378B

公开(公告)日：2025-02-18

申请号：CN202210242057.7

申请日：2022-03-11

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  喻丹

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种稀疏角CT伪影去除的方法，本发明的方法基于感知损失以及特征融合注意力残差网络.包括:对输入的带伪影的稀疏CT图像和原始CT图像进行预处理；将经过预处理的稀疏CT图像和原始CT图像进行特征提取，得到特征图谱；将得到的特征图谱经过改进的以感知损失为损失函数的特征融合注意力残差网络训练，以原始CT图像作为标签，使得稀疏CT图像能够去除掉伪影但保持其结构不发生变化；最后将稀疏CT图像作为输入，利用训练好的网络模型进行伪影去除，并计算峰值信噪比和结构相似性。该方法将感知损失作为损失函数，可以增强细节信息。并在特征融合残差网络中加入注意力机制，提升网络的性能，最终实现一个快速有效的去除伪影的作用。

公开(公告)号：CN114596378A

公开(公告)日：2022-06-07

申请号：CN202210242057.7

申请日：2022-03-11

Applicant: 南京邮电大学

Inventor： 谢世朋 ,  喻丹

IPC: G06T11/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种稀疏角CT伪影去除的方法，本发明的方法基于感知损失以及特征融合注意力残差网络.包括:对输入的带伪影的稀疏CT图像和原始CT图像进行预处理；将经过预处理的稀疏CT图像和原始CT图像进行特征提取，得到特征图谱；将得到的特征图谱经过改进的以感知损失为损失函数的特征融合注意力残差网络训练，以原始CT图像作为标签，使得稀疏CT图像能够去除掉伪影但保持其结构不发生变化；最后将稀疏CT图像作为输入，利用训练好的网络模型进行伪影去除，并计算峰值信噪比和结构相似性。该方法将感知损失作为损失函数，可以增强细节信息。并在特征融合残差网络中加入注意力机制，提升网络的性能，最终实现一个快速有效的去除伪影的作用。