-
公开(公告)号：CN114529012B
公开(公告)日：2025-01-14
申请号：CN202210152993.9
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06N20/00 , G06N3/098 , G06F18/23 , G06F18/2411
Abstract: 一种基于双阶段个性化联邦学习方法，属于机器学习领域。包括：1)全局表征学习阶段：依据不同客户端所获取的不同数据信息进行统一的联邦表征学习，以获得准确的图像到特征空间的表征映射模型；先进行本地客户端学习，然后在全局服务器上进行客户端聚合为全局模型；2)个性化分类器学习阶段：利用联邦学习获得的表征映射模型，依据不同客户端的数据分布训练个性化分类器。可有效利用各个客户端数据获得全局的表征模型和本地个性化分类器模型，提高识别精度。建立在联邦学习与对比学习的基础上，实用性强，灵活性高，能够满足不同数据分布和计算资源下的联邦学习需求。为客户端训练出偏差较小的全局表征模型和更加个性化的本地分类器模型。
-
公开(公告)号：CN116219587B
公开(公告)日：2024-09-27
申请号：CN202310196384.8
申请日：2023-03-03
Applicant: 厦门大学 , 福建亿来实业有限公司
Abstract: 本发明公开了一种自动控制均匀喷洒杀菌整理液的抓棉机及工艺，通过在集棉打手前后装配检测棉层厚度传感器组合，检测集棉打手抓取的散纤维的体积，然后同步控制在抓棉机的集棉打手上方的集棉仓内喷洒抗菌液的浓度，解决了集棉打手堵塞团聚问题以及散纤维与抗菌液混合不均匀的技术难题。不仅自动化程度高，而且得到抗菌性能均匀的散纤维。可应用于抗菌棉散纤维、抗菌黏胶散纤维、抗菌棉纱、抗菌混合纱等的制作。
-
公开(公告)号：CN114529766B
公开(公告)日：2024-09-06
申请号：CN202210152137.3
申请日：2022-02-18
Applicant: 厦门大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 基于域适应的异质异源SAR目标识别方法，属于图像识别领域。包括以下步骤：1)风格图像增扩：图像输入网络后，先由浅层的卷积层提取低阶特征，包含纹理、光照等风格信息，这些风格信息可表示为特征的统计量，改变特征统计量可变换低阶特征的风格，实现图片风格化增扩；2)特征分布对齐：将步骤1)中经处理的低阶特征进一步通过深层卷积层变为高阶特征；高阶特征保留的域信息不利于对目标域SAR图像的识别工作，采用对抗学习的方式对齐源域和目标域的特征表示；3)语义图像增扩：与步骤2)同时进行，对高阶特征进行分类，识别图像是哪一个类别，并通过损失函数优化网络。采用隐式语义增扩法ISDA，在分类的同时达到语义增扩的目的。
-
公开(公告)号：CN116452692A
公开(公告)日：2023-07-18
申请号：CN202310429341.X
申请日：2023-04-20
Applicant: 厦门大学
Abstract: 基于孪生神经网络的自监督快速CS‑MRI重建方法，涉及MRI图像重建，1)将欠采样k空间测量值划分为两个互不相交的训练分量和损失分量，重建网络以训练分量作为输入，损失分量作为约束，得到一个预训练的CS‑MRI重建网络，保留重建网络的参数；2)基于步骤1)所得两个孪生神经网络，冻结其中一个网络的参数，分别以欠采样k空间数据和重采样k空间数据为输入，对两个网络的输出作一致性惩罚训练重建网络，孪生网络重建能力变强后替换冻结参数的重建网络，迭代该过程得到训练好的CS‑MRI重建网络；3)基于步骤2)所得CS‑MRI重建网络的测试。实现快速、高清晰度和高质量的MRI图像重建，减少运动伪影。
-
公开(公告)号：CN109858505B
公开(公告)日：2023-04-07
申请号：CN201711244226.6
申请日：2017-11-30
Applicant: 厦门大学 , 深圳市腾讯计算机系统有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种分类识别方法、装置及设备，属于机器学习技术领域。所述方法包括：通过第一神经网络提取源域数据和目标域数据的跨域不变特征；通过第二神经网络提取源域数据和目标域数据的域辨识特征；通过第三神经网络根据跨域不变特征和域辨识特征，得到融合特征；利用融合特征进行分类识别和来源识别；根据识别结果训练第一神经网络、第二神经网络和第三神经网络；采用训练得到的第一神经网络，识别目标域数据对应的分类。通过将域辨识特征和跨域不变特征共同作为训练神经网络时的约束项，提高了训练完毕的神经网络对目标域数据进行分类识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN112767328B
公开(公告)日：2022-06-14
申请号：CN202110025559.X
申请日：2021-01-08
Applicant: 厦门大学
Abstract: 基于对抗学习和适应性分析的医学图像病灶跨域检测方法，属于医学图像处理领域。针对医学图像中有标签的数据少、难获得，且不同数据库样本分布差异大，跨数据库检测时泛化性能差等实际问题，包括以下步骤：A、将对抗学习引入深度学习病灶检测框架中构建无监督域适应病灶检测模型；B、局部适应性分析与特征选择；C、全局适应性分析与图像选择。可以有效利用已有的带标签数据，能有效提高跨域病灶检测的性能，提高跨数据库测试时的准确率和召回率，能改善利用深度学习模型进行医学图像病灶检测时的泛化性能，提高跨数据库测试时的准确率和召回率，满足实际应用的需求。
-
-
公开(公告)号：CN109117793B
公开(公告)日：2021-10-29
申请号：CN201810932270.4
申请日：2018-08-16
Applicant: 厦门大学
Abstract: 基于深度迁移学习的直推式雷达高分辨距离像识别方法，涉及雷达信号处理。真实目标信号与辅助仿真数据的预处理；深度模型的选择及优化；直推式迁移策略的应用。针对完备的高分辨距离像数据获取困难的实际问题，提出了基于深度迁移学习的目标识别框架，可以有效提高样本量少、姿态非完备的雷达高分辨距离像的识别性能。建立在深度学习与机器学习中迁移学习的基础上，实用性强，可移植性强，能够满足大多数小样本、非完备等情况下弱监督学习的需求。
-
公开(公告)号：CN110033848B
公开(公告)日：2021-06-29
申请号：CN201910305088.0
申请日：2019-04-16
Applicant: 厦门大学
Abstract: 一种基于无监督学习的三维医学影像z轴插值方法，涉及图像处理领域。能够有效的提高三维医学影像z轴分辨率，很大程度上解决了三维医学影像x、y、z轴上分辨率不够匹配的问题，对医生的诊断具有辅助意义。方法包括：A、通过特征偏移对无监督学习网络进行优化的方法；B、对数据进行退化处理辅助指导无监督学习网络优化方向的方法；C、一种评估特征偏移的评价方法。建立在深度学习模型的基础上，能够实现很好的z轴数据插值效果。
-
公开(公告)号：CN109685819B
公开(公告)日：2021-02-26
申请号：CN201811510480.0
申请日：2018-12-11
Applicant: 厦门大学
Abstract: 一种基于特征增强的三维医学图像分割方法，涉及图像处理领域。构造一种U型卷积神经网络，实现端到端的医学图像分割；将医学图像的多个模态的图像分别作为输入送入到并行的U型卷积神经网络中，得到不同的特征图；提取多个并行网络的特征图并融合，再进行卷积，得到不同特征图各自的权重图；将并行网络各自的体素级权重与原先的特征图相乘，完成特征增强过程；将所有并行网络末端的特征图融合，得到多张概率图，从而得到分割结果。能有效地增强特征图中有用的信息，抑制冗余信息。同时，相较于其他注意力加权方式，该加权方法考虑到了图像的多模态信息和三维信息，从而获得更好的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.057 seconds)
