-
公开(公告)号：CN115100488B
公开(公告)日：2024-08-13
申请号：CN202210726753.5
申请日：2022-06-24
Applicant: 西北农林科技大学
IPC: G06V10/774 , G06V10/764 , G06T7/60 , G06T7/00 , G06V10/82
Abstract: 本发明公开了一种基于三重路径网络的乳腺辅助识别方法、系统、终端及介质，包括：获取原始乳房超声图像，对原始乳房超声图像进行处理，获取面向BIRADS的特征映射；将面向BIRADS的特征映射输入至SATPN网络中，基于编码器对面向BIRADS的特征映射进行特征提取，得到病变特征；对病变特征分别进行分类训练和重建训练，获取图像重建误差和标签预测误差；对图像重建误差和标签预测误差进行加权投票，得到最优的图像。本发明能够集成分类和图像重建任务，以实现对乳房的准确识别，提高先验领域知识的利用率，提高乳腺超声图像的病变分类精度。
-
公开(公告)号：CN117333708A
公开(公告)日：2024-01-02
申请号：CN202311302661.5
申请日：2023-10-10
Applicant: 西北农林科技大学深圳研究院
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/77
Abstract: 本发明公开了一种高光谱图像分类学习方法、系统及介质，该方法包括：随机采集不同场景下的原始高光谱图像；将原始高光谱图像进行降维和切分，获得三维图像块；将获取的三维图像块输入多层次特征提取神经网络，获得空谱联合特征图；重复迭代应用多层次特征提取神经网络，获得最优质空谱联合特征图；将获取的最优质空谱联合特征图输入到分类网络中，得到分类结果。本发明结合卷积神经网络和ViT的优势，能够充分挖掘高光谱图像不同层次的特征，进而获得最优质空谱联合特征图的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN118333056A
公开(公告)日：2024-07-12
申请号：CN202410434428.0
申请日：2024-04-11
Applicant: 西北农林科技大学
IPC: G06F40/295 , G06N3/0442 , G06F18/213 , G06F18/25 , G06N3/0495 , G06N3/082 , G06N3/047
Abstract: 本发明提供了一种考虑双维信息的中文猕猴桃文本命名实体识别方法，双维信息为水平维度文本信息与垂直维度文本信息，包括：步骤1，构建中文猕猴桃文本数据集；步骤2，中文猕猴桃文本矢量化；步骤3，通过CoordKIWINER模块增强字符矢量文本信息；步骤4，使用PruneBi‑LSTM网络对中文猕猴桃文本进行序列编码；步骤5，使用条件随机场，对语句特征矢量H进行译码，得到输入的特征张量X最终的输出序列Y*。本发明创造性地设计了CoordKIWINER与PruneBi‑LSTM两个模块，有效解决了中文猕猴桃文本双维度信息未被利用这一问题，进一步提升了针对猕猴桃文本命名实体识别的准确率，并在自建领域数据集上取得了最优的效果。
-
公开(公告)号：CN116704255A
公开(公告)日：2023-09-05
申请号：CN202310717400.3
申请日：2023-06-16
Applicant: 西北农林科技大学深圳研究院
IPC: G06V10/764 , G06V10/58 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种分类学习方法、系统及计算机存储介质，方法包括：随机采集不同场景下的原始HSI；通过Wald协议对所述原始HSI的所有光谱波段进行平均得到PAN图像；将所述原始HSI和所述PAN图像输入生成器网络，获得HQHSI；应用鉴别器D1将所述HQHSI的光谱信息与所述原始HSI相同步；应用鉴别器D2将所述HQHSI的空间构造与所述PAN图像相同步；重复迭代应用所述鉴别器D1与所述鉴别器D2，获得最优质HQHSI；将所述最优质HQHSI图像输入到双层提取分类网络中，得到分类结果。本发明通过针对单一HSI分类面临的信息不足的问题，提出了一种基于生成式对抗网络的分类方法，它利用组合的光谱空间信息来提高分类精度。
-
公开(公告)号：CN119090050A
公开(公告)日：2024-12-06
申请号：CN202411081793.4
申请日：2024-08-08
Applicant: 西北农林科技大学
IPC: G06Q10/04 , G06Q50/02 , G06F18/241 , G06F18/21 , G06N3/0442
Abstract: 本发明公开一种池塘溶解氧预测方法及系统，涉及池塘溶解氧预测技术领域。所述方法包括：获取目标池塘的预测任务所给的输入序列；将所述输入序列输入训练好的DBEG网络模型中，经所述DBEG网络模型进行序列预测，得到池塘溶解氧预测结果；所述DBEG网络模型包括维度特征分支和时间分支；其中，所述维度特征分支包括依次连接的第一EffAttn模块和第一BiLSTM模块；所述时间分支包括依次连接的第二EffAttn模块和第二BiLSTM模块；所述第一BiLSTM模块和所述第二BiLSTM模块还均与门控融合模块连接。本发明能够提高池塘溶解氧的预测精度和效率。
-
公开(公告)号：CN116721264A
公开(公告)日：2023-09-08
申请号：CN202310680680.5
申请日：2023-06-08
Applicant: 西北农林科技大学
Abstract: 本发明公开了一种基于改进CGAN的SAR到光学图像翻译方法、系统、装置及介质，包括：将SAR图像输入到具有基于样式的重新校准模块的生成器网络中，获取对应的光学图像；并将所获取的光学图像与采集得到的光学图像输入至多尺度鉴别器网络中进行对比；对生成器网络和鉴别器网络进行不断进行优化，以相似度评分为评判标准，直至获取最优质的光学图像。本发明通过基于样式的校准模块，以最小化输出图像与真实光学图像之间的颜色差异，从而提高翻译后的光学图像的质量和真实感；在鉴别器中引入了多尺度策略，以增强图像的纹理和边缘信息，同时考虑局部和全局级别，进一步提高生成的光学图像的质量和清晰度。
-
公开(公告)号：CN115100488A
公开(公告)日：2022-09-23
申请号：CN202210726753.5
申请日：2022-06-24
Applicant: 西北农林科技大学
IPC: G06V10/774 , G06V10/764 , G06T7/60 , G06T7/00 , G06V10/82
Abstract: 本发明公开了一种基于三重路径网络的乳腺辅助识别方法、系统、终端及介质，包括：获取原始乳房超声图像，对原始乳房超声图像进行处理，获取面向BIRADS的特征映射；将面向BIRADS的特征映射输入至SATPN网络中，基于编码器对面向BIRADS的特征映射进行特征提取，得到病变特征；对病变特征分别进行分类训练和重建训练，获取图像重建误差和标签预测误差；对图像重建误差和标签预测误差进行加权投票，得到最优的图像。本发明能够集成分类和图像重建任务，以实现对乳房的准确识别，提高先验领域知识的利用率，提高乳腺超声图像的病变分类精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
