-
公开(公告)号：CN115294390A
公开(公告)日：2022-11-04
申请号：CN202210891523.4
申请日：2022-07-27
Applicant: 北京工业大学
IPC: G06V10/764 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种图像特征分类方法、装置、电子设备及存储介质，其中图像特征分类方法，包括：获取待测切片图像；将待测切片图像输入至目标特征分类模型，获取待测切片图像的目标图像特征和目标类别信息，目标特征分类模型是属于参考图像特征和参考类别信息的第一样本切片图像序列训练分类器所得的模型，参考图像特征和参考类别信息是基于第二样本切片图像序列和第二样本光流图像序列进行自对比学习和互对比学习得到的。本发明结合切片图像之间的自关联性、光流图像之间的自关联性以及两种自关联性所得特征之间的互关联性，全面且丰富了参考图像特征和参考类别信息，从而大幅提高了图像特征分类的精准性和可靠性。
-
公开(公告)号：CN113723463A
公开(公告)日：2021-11-30
申请号：CN202110881544.3
申请日：2021-08-02
Applicant: 北京工业大学
Abstract: 本发明提供一种情感分类方法及装置，该方法包括：将目标对象的各种情感数据输入分类模型中相应的特征提取模块中，输出各种情感数据的第一特征向量；将所有情感数据的第一特征向量输入分类模型中的特征融合模块，输出所有情感数据的第一特征向量融合后的第二特征向量；将各种情感数据的第一特征向量和第二特征向量形成输入向量，并将各输入向量输入分类模型中相应的注意力机制模块中，输出各种情感数据的第三特征向量；将所有情感数据的第三特征向量进行拼接后输入分类模型的分类模块，输出目标对象的情感类别。本发明实现融合目标对象的多种情感数据对目标对象的情感进行分类，有效提高分类结果的准确性。
-
公开(公告)号：CN113611283A
公开(公告)日：2021-11-05
申请号：CN202110921087.6
申请日：2021-08-11
Applicant: 北京工业大学
IPC: G10L13/02 , G10L13/033 , G10L13/027
Abstract: 本申请实施例公开了一种语音合成方法、装置、电子设备及存储介质。所述方法包括：获取待进行语音合成的目标语音；将所述目标语音输入至语音合成模型中，得到合成语音；所述合成语音的语音属性由所述目标语音的语音属性组成。本申请实施例通过语音合成模型将多个目标语音的语音属性进行自由组合，生成新的语音，可以实现全局多属性可控的语音合成，而且保持全局语音信息一致。
-
公开(公告)号：CN111951220A
公开(公告)日：2020-11-17
申请号：CN202010659486.5
申请日：2020-07-10
Applicant: 北京工业大学
Abstract: 一种基于多层面领域自适应技术的无监督脑出血分割方法涉及计算机处理技术领域。本发明用基于语义保留机制的图像合成网络，通过多重语义保留机制，包括对合成目标域图像的语义保留，对循环生成源域图像的语义保留，以及对输入图像的适配机制，保留针对于具体分割任务的重点区域的语义特征；采用基于领域自适应机制的图像分割网络，来优化CT脑出血分割任务的语义分割效果。
-
公开(公告)号：CN111832570A
公开(公告)日：2020-10-27
申请号：CN202010634052.X
申请日：2020-07-02
Applicant: 北京工业大学
Abstract: 本发明实施例提供一种图像语义分割模型训练方法及系统。该方法包括：获取用于训练分割网络的训练数据；将所述训练数据输入至图像语义分割网络，进行目标域图像语义分割网络的训练；其中所述训练数据是由预先训练好的训练数据合成网络和合成的伪标签所得到。本发明实施例通过采用生成对抗网络合成目标任务上的语义分割标签，采用基于领域自适应机制的训练数据合成网络生成训练数据，采用基于注意力机制的图像分割网络，来优化目标语义区域的分割效果。
-
Patent Agency Ranking
公开(公告)号：CN113327221B
公开(公告)日：2024-07-16
申请号：CN202110735504.8
申请日：2021-06-30
Applicant: 北京工业大学
IPC: G06T5/50 , G06T3/147 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0464 , G06T5/60 , G16H30/20
Abstract: 本发明涉及一种融合ROI区域的图像合成方法、装置、电子设备及介质，该方法包括获取具有对应类别信息的有病和无病原始图像；使用弱监督定位网络获取有病原始图像的感兴趣区域，得到有病掩膜图像；通过相似度计算获取与无病原始图像对应的相似有病图像，得到无病掩膜图像；分别使用有病和无病掩膜图像对有病和无病原始图像进行遮挡，得到被掩膜遮挡的图像；设计基于条件生成对抗性网络模型，并使用有病和无病掩膜图像、被掩膜遮挡的图像以及对应类别信息对该网络模型进行训练，从而得到合成医疗图像。本发明通过获取医疗图像中的感兴趣区域以及使用基于条件生成对抗性网络模型，能够高效合成指定种类的医疗图像，提高图像质量。
-
公开(公告)号：CN111832644B
公开(公告)日：2024-07-05
申请号：CN202010651959.7
申请日：2020-07-08
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/09 , G16H15/00 , G16H30/20
Abstract: 本发明实施例提供一种基于序列级别的脑部医疗影像报告生成方法及系统。该方法包括：获取具有预设标准的待判断脑部医疗图像；将所述序列级别待判断脑部医疗图像输入至预先训练好的脑部医疗影像判别模型，得到所述脑部医疗影像判别模型输出的脑部医疗影像报告结果；其中，所述脑部医疗影像判别模型是基于脑部医疗影像的样本集数据，以及按照脑部医疗疾病标准等级进行分类所得的序列级别分类标签进行训练得到的。本发明实施例通过对符合DICOM标准的脑部医疗影像进行模型训练，训练好的模型可以生成辅助医生进行脑部疾病诊断的报告，节约医生诊断的时间和减小工作量，同时减少漏诊、误诊的发生概率。
-
公开(公告)号：CN112102239B
公开(公告)日：2024-05-21
申请号：CN202010797841.5
申请日：2020-08-10
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明实施例提供一种用于全层脑CT图像的图像处理方法及系统，包括：将目标脑CT图像组输入到训练好的卷积神经网络中进行特征提取处理，得到所述目标脑CT图像组中每一张图像的特征图，并根据所述特征图构建所述目标脑CT图像组对应的特征向量矩阵；所述训练好的卷积神经网络是由标记有脑部CT图像分类标签和扫描干扰标签的样本脑CT图像训练得到的；对所述特征向量矩阵中的特征图进行多特征融合处理，得到所述目标脑CT图像组的图像处理结果。本发明实施例通过对连续的脑CT图像进行特征提取和融合处理，将一组脑CT图像之间的相关性关联起来，得到关联性更强的脑CT图像，并将干扰去除，提供效果更好的脑CT图像。
-
公开(公告)号：CN113889150B
公开(公告)日：2023-08-29
申请号：CN202111205089.1
申请日：2021-10-15
Applicant: 北京工业大学
Abstract: 本发明提供一种语音情感识别方法及装置，其中方法包括：获取原始语音集，所述原始语音集包括待识别语音和上下文语音；将所述原始语音集输入至语音情感识别模型，获得所述语音情感识别模型输出的所述待识别语音的识别结果；其中，所述语音情感识别模型是基于语音样本以及对应的识别标签进行训练后得到的，用于基于所述上下文语音对所述待识别语音进行语音情感识别；所述识别标签是根据所述语音样本预先确定的，并与所述语音样本一一对应；所述语音样本包括待识别语音样本和上下文语音样本。本发明提供的语音情感识别方法，通过结合上下文语音情感特征和待识别语音的语音情感特征，提高了语音情感识别正确率。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.023 seconds)
