-
公开(公告)号：CN114743053B
公开(公告)日：2023-04-25
申请号：CN202210390708.7
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和自注意力的磁共振影像辅助处理系统，包括依次连接的MRI数据预处理模块和若干个基于自注意力的长短距离特征融合图神经网络SALS‑GNN，每个SALS‑GNN包括依次连接的自注意力特征提取模块和特征融合模块，每一个自注意力特征提取模块由多个并联的基于多头自注意力的不同距离的特征提取子网络SA组成。本发明通过把大脑的网络图结构纳入考量范围，并以此构建相应的数据和模型；通过优化设计图神经网络模型，基于自注意力机制，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合，显著提高了神经网络的特征提取能力和分类性能。
-
公开(公告)号：CN114757911B
公开(公告)日：2023-04-07
申请号：CN202210390815.X
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/74 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和对比学习的磁共振影像辅助处理系统，该系统包含依次连接的MRI影像数据预处理模块、图数据增广模块、对比学习模块以及迁移学习模块。本发明提出了一种基于自注意力的长短距离特征融合图神经网络LS‑GNN，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合；在对比学习模型的投影头部分，通过多层感知机实现了特征向量映射与图读出功能的结合；本发明充分利用了大量的无标签和主观标签数据，通过对比学习，既获得了具备通用特征表示能力的模型，又减少了可能错误的主观标签的影响；通过迁移学习，可实现分类、聚类等多个领域的性能提升。
-
公开(公告)号：CN111696137B
公开(公告)日：2022-08-02
申请号：CN202010518472.1
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多层特征混合与注意力机制的目标跟踪方法，该方法利用改进的FPN结构将图像浅层特征加以更好的保留利用，这种对浅层特征有更好保留的改进的FPN结构可以输出具有多维度、多尺度特征的融合特征。对不同尺度大小的目标，以及大小在不断变化的目标拥有更好的跟踪能力。将FPN用于级联的RPN上，对于特征提取更加精准，对于保证跟踪时对于相似干扰物有更好的区分，减少错误跟踪的情况发生。同时，利用注意力机制，在空间尺度上，使得网络对目标可能出现的位置给予更多关注，以减少由目标半遮挡，形变，光照等造成的目标丢失或目标跟踪错误的情况。
-
公开(公告)号：CN114743053A
公开(公告)日：2022-07-12
申请号：CN202210390708.7
申请日：2022-04-14
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络和自注意力的磁共振影像辅助处理系统，包括依次连接的MRI数据预处理模块和若干个基于自注意力的长短距离特征融合图神经网络SALS‑GNN，每个SALS‑GNN包括依次连接的自注意力特征提取模块和特征融合模块，每一个自注意力特征提取模块由多个并联的基于多头自注意力的不同距离的特征提取子网络SA组成。本发明通过把大脑的网络图结构纳入考量范围，并以此构建相应的数据和模型；通过优化设计图神经网络模型，基于自注意力机制，综合考虑脑网络结构的长短距离依赖，提取大脑的全局和局部特征，并进行特征融合，显著提高了神经网络的特征提取能力和分类性能。
-
公开(公告)号：CN112215767A
公开(公告)日：2021-01-12
申请号：CN202011036966.2
申请日：2020-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种抗块效应的图像视频增强方法，属于计算机视觉和图像增强领域。该方法首先将压缩图像或视频帧进行颜色空间转换，通过神经网络结合图像或视频编码模型学习编码块的块效应可能出现的位置和强度，对增强的强度做出自适应调整，在满足图像和视频被有效增强的同时，抑制或消除可能被增强算法放大的块效应，提升增强图像的视觉观感和后续处理质量。
-
Patent Agency Ranking
公开(公告)号：CN111696137A
公开(公告)日：2020-09-22
申请号：CN202010518472.1
申请日：2020-06-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多层特征混合与注意力机制的目标跟踪方法，该方法利用改进的FPN结构将图像浅层特征加以更好的保留利用，这种对浅层特征有更好保留的改进的FPN结构可以输出具有多维度、多尺度特征的融合特征。对不同尺度大小的目标，以及大小在不断变化的目标拥有更好的跟踪能力。将FPN用于级联的RPN上，对于特征提取更加精准，对于保证跟踪时对于相似干扰物有更好的区分，减少错误跟踪的情况发生。同时，利用注意力机制，在空间尺度上，使得网络对目标可能出现的位置给予更多关注，以减少由目标半遮挡，形变，光照等造成的目标丢失或目标跟踪错误的情况。
-
公开(公告)号：CN111696136B
公开(公告)日：2023-06-16
申请号：CN202010518310.8
申请日：2020-06-09
Applicant: 电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于编解码结构的目标跟踪方法，该方法使用编码器‑解码器与鉴别器组合，构建类似生成对抗网络结构，使得编码器提取的特征更加泛化，学习到被跟踪对象的本质特征。由于对象帧中存在被半遮挡、受到光照、运动模糊影响的对象，使得网络受到这些影响更小，更具鲁棒性。使用Focal Loss使用替代传统的交叉熵损失函数，使得网络减少易分类样本的损失，使得模型更关注于困难的、错分的样本，同时平衡正负样本数量的不均衡。使用Distance‑U loss作为回归损失，不仅关注重叠区域，还关注其他的非重合区域，具有尺度不变性，可以为边界框提供移动方向，同时具有较快的收敛速度。
-
公开(公告)号：CN112215080B
公开(公告)日：2022-05-03
申请号：CN202010974350.3
申请日：2020-09-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种利用时序信息的目标跟踪方法，涉及图像处理和计算机视觉领域。该方法使用的方法关键步骤分为如下两个阶段，其中第一阶段输入第一帧与搜索帧，第二阶段输出目标在搜索框上的位置。本发明在特征提取阶段使用非对称卷积模块，选择三种不同形态的卷积核共同使用提升了模型对图像翻转和旋转的鲁棒性，提高网络的抗旋转鲁棒性。在候选框精修中，使用双径候选框分类回归网络，分类支路与回归支路分别处理候选框的分类结果与精修后的候选框，相比单纯依赖卷积网络或全连接网络的网络，进一步提高了结果精度。同时利用时序信息进行目标跟踪后处理，选择更加契合之前结果的跟踪框，减少错误跟踪目标的情况发生。
-
公开(公告)号：CN112215767B
公开(公告)日：2023-03-14
申请号：CN202011036966.2
申请日：2020-09-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种抗块效应的图像视频增强方法，属于计算机视觉和图像增强领域。该方法首先将压缩图像或视频帧进行颜色空间转换，通过神经网络结合图像或视频编码模型学习编码块的块效应可能出现的位置和强度，对增强的强度做出自适应调整，在满足图像和视频被有效增强的同时，抑制或消除可能被增强算法放大的块效应，提升增强图像的视觉观感和后续处理质量。
-
公开(公告)号：CN115588106A
公开(公告)日：2023-01-10
申请号：CN202211173867.8
申请日：2022-09-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种端到端旋转鲁棒的特征点检测与描述方法，该方法在特征点位置计算基础上，加入方向解码网络，在一次前向计算中估计所有特征点所在块的方向，大大减少了存储与计算代价，为描述符的计算提供特征点的方向信息。同时，采用旋转等变卷积网络减少了方向向量的计算代价，提升了特征图的复用性。本发明将特征点检测和描述网络结合，通过检测过程来指导描述过程，通过插值方法减少稠密描述符的个数；同时采用端到端的方法，有利于增加检测与描述的耦合性，减少计算量，整个网络对于特征点检测与描述算法在实际工程的应用有很大的帮助。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.028 seconds)
