基于多尺度自注意力特征融合的小样本分割方法

    公开(公告)号:CN116342875A

    公开(公告)日:2023-06-27

    申请号:CN202310108995.2

    申请日:2023-02-14

    Applicant: 安徽大学

    Inventor: 江波 孙惠 陈缘

    Abstract: 本发明公开一种基于多尺度自注意力特征融合的小样本分割方法,首先使用在Imagenet上预训练过的孪生CNN作为主干网络来提取支持和查询样本的特征;将所得高级特征和中级特征分别输入至目标激活模块和多尺度自注意力特征融合模块,分别提取出目标激活图和查询样本增强后的特征表示;通过基于多尺度自注意力特征融合模块对各个尺度增强后的查询特征进行融合,把粗粒度信息和细粒度信息有效融合起来,更好的突出目标物体的边缘轮廓与位置;将融合后的多尺度查询特征图用于最终的小样本分割预测,通过多次迭代训练得到最后分割结果。

    面向数字图像隐私保护和管理的可逆数据嵌入编码方法

    公开(公告)号:CN106954069B

    公开(公告)日:2019-07-05

    申请号:CN201710306336.4

    申请日:2017-05-04

    Applicant: 安徽大学

    Abstract: 本发明公开一种面向数字图像隐私保护和管理的可逆数据嵌入编码方法,将灰度图像分为八个位平面图,对每个位平面图进行图像加密和数据嵌入联合编码,然后将这八个位平面图重新合成为灰度图像,即为携有秘密信息的密文图像,得到携有秘密信息的密文图像后,每个位平面图使用解密密钥可对密文信息进行解密,解密后的位平面图根据数据嵌入编码可直接提取嵌入信息并将图像恢复为原始载体图像。本发明有效保证数据的大容量嵌入,载体数据的可逆恢复。

    一种最小障碍距离加权跟踪方法

    公开(公告)号:CN108932729A

    公开(公告)日:2018-12-04

    申请号:CN201810939906.8

    申请日:2018-08-17

    Applicant: 安徽大学

    Abstract: 本发明公开了一种最小障碍距离加权跟踪方法,在搜索窗口内进行采样产生一组候选样本;将当前帧的边界框分为不重叠的图像块并扩大为扩展边界框,提取每个图像块的特征;以边框图像作为种子节点,计算其他节点与种子节点的最小障碍距离,然后得到距离转换图;将最小障碍距离作为权重加于对应的图像块特征上,得到空间有序的加权图像块特征描述子,带有图像特征的组合权重被合并到结构化支持向量机中以执行跟踪。本发明结合图像颜色直方图特征和方向梯度直方图特征计算得到基于背景种子节点集合的距离转换图,根据图像图像块与背景节点的最小障碍距离,解决了遮挡和形变的问题,同时能够减少漂移,增强跟踪的稳定性和鲁棒性。

    隐私保护的统计车辆数量的方法及装置

    公开(公告)号:CN104219267A

    公开(公告)日:2014-12-17

    申请号:CN201310218008.0

    申请日:2013-06-04

    Applicant: 安徽大学

    Abstract: 本发明实施例公开了一种隐私保护的统计车辆数量的方法及装置,属于车联网技术领域。方法包括:将OBU的最大数量设为f;根据OBU的最大数量与f的比值计算与各个OBU的通信次数n,并根据每次通信结果得到第一非空白时隙前的空白时隙的数量,根据得到的n个第一非空白时隙前的空白时隙的数量计算车辆数量本发明通过OBU发送信息的第一非空白时隙前空白时隙的数量计算车辆数量,替代了通过对OBU身份认证的方式统计车辆数量,可以在计数的同时,实现对车辆身份隐私的保护;同时,将OBU的最大数量设为f,降低了OBU的最大数量与f的比值,减少了OBU与RSU之间通信的次数,缩短了车辆数量统计的时间。

    基于双向交替融合策略的可见光-热红外显著目标检测方法

    公开(公告)号:CN118038228A

    公开(公告)日:2024-05-14

    申请号:CN202410313041.X

    申请日:2024-03-19

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于双向交替融合策略的可见光‑热红外显著目标检测方法,充分的挖掘两个模态的信息提高显著目标检测的性能。通过特征擦除模块将另一个模态与本模态共有的信息进行擦除使网络能够学习模态本身特有的特征信息;通过全局上下文增强模块将可见光模态特征、热红外模态特征和擦除模块生成的特异性特征通过多头注意力进行初步的融合得到丰富的全局上下文信息再引入可变形卷积得到显著目标的自适应位置信息,使得网络能够更好的完成检测通过双向交替解码器中的多模态交互模块将一个模态高层的融合特征交替与另一个模态低层特征进行融合,使网络能够学习到丰富的语义信息和细节信息。本发明在现有的可见光‑热红外显著目标检测数据集上取得了最好的效果。

    基于多视角PET图像的分组自注意力图卷积早期脑疾病预测方法

    公开(公告)号:CN117974598A

    公开(公告)日:2024-05-03

    申请号:CN202410135690.5

    申请日:2024-01-31

    Applicant: 安徽大学

    Abstract: 本发明公开一种基于多视角PET图像的分组自注意力图卷积早期脑疾病预测方法,从PET扫描的轴向视图、冠状视图和矢状视图中学习表征,然后结合起来共同决策。以轴向视图为例,首先利用骨干网络提取脑PET图像特征,并将其按通道分为四组。针对每一组特征,构建一个k邻域空间图,并应用图卷积方法,旨在学习每个位置的空间上下文感知特征表示,充分利用图像中的空间信息。随后,利用自注意力模块促进特征之间的信息交互,并将每一组得到的特征连接在一起。最后,再将不同视图的特征连接起来,通过多层感知器对特征进行分类,使用加权二元交叉熵损失函数,并通过多次迭代训练获得最终的分类结果。

    诊断报告的生成方法、模型训练方法、系统、设备及介质

    公开(公告)号:CN117393100A

    公开(公告)日:2024-01-12

    申请号:CN202311688317.4

    申请日:2023-12-11

    Applicant: 安徽大学

    Abstract: 本发明提供一种诊断报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括:获取含病变标签和诊断报告的第一类医学影像图片、含病变标签标注的第二类医学影像图片、不含病变标签标注的第三类医学影像图片;根据学生模型生成三类医学影像图片对应的第一预测诊断报告、第二预测诊断报告和第三预测诊断报告;根据教师模型生成第三类医学影像图片的第四预测诊断报告;根据文本分类模型生成第一预测诊断报告和第二预测诊断报告的预测病变标签;基于预测病变标签和病变标签、第二预测诊断报告和诊断报告、第三预测诊断报告的第四预测诊断报告,更新学生模型和教师模型的参数,将训练好的学生模型作为诊断报告生成模型。提高了模型的准确率。

Patent Agency Ranking