-
公开(公告)号:CN118071804A
公开(公告)日:2024-05-24
申请号:CN202410194034.2
申请日:2024-02-21
Applicant: 安徽大学
Abstract: 一种基于混合变形的多模态遥感图像配准方法及存储介质,属于计算机视觉技术领域,解决复杂变形场景下的多模态图像配准问题,获取待配准的不同模态的遥感图像对,利用掩码学习的特征提取器获得图像特征,将图像特征送入刚性配准模型,获取变换参数和粗配准结果,将粗配准结果和目标图像再次经过特征提取器处理,将图像特征送入非刚性配准模型获取变换参数,对原始待配准图像进行处理获得配准结果,计算变换参数误差和重投影误差,根据误差更新模型参数,使用联合配准网络对图像进行处理得到配准的结果,计算图像的角点误差损失;本发明将刚性配准和非刚性配准方法结合在一起对遥感图像进行配准,采用双向配准策略来增加模型的鲁棒性和准确性。
-
公开(公告)号:CN117649565A
公开(公告)日:2024-03-05
申请号:CN202410122839.6
申请日:2024-01-30
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/0464 , G06N3/084 , G06T7/00 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本申请公开一种模型训练方法、训练装置及医学影像分类方法,通过获取医学影像训练集,所述医学影像训练集包括若干医学影像及其对应的疾病标签信息和临床信息;将所述医学影像数据集划分为若干数据块,并基于每个所述数据块中医学影像对应的疾病标签信息和/或临床信息构建每个所述数据块的图像级关系矩阵;采用分批方式依次将所述数据块及对应的图像级关系矩阵输入到预训练影像分类模型进行模型训练,以获取训练好的医学影像分类模型。通过在模型训练阶段,引入图像级关系矩阵,优化视觉特征嵌入,帮助分类模型理解图像,提高医学影像分类模型的分类性能。
-
公开(公告)号:CN117114077A
公开(公告)日:2023-11-24
申请号:CN202311144419.X
申请日:2023-09-06
Applicant: 安徽大学
IPC: G06N3/0895 , G06N3/042 , G06N3/082 , G06N3/047
Abstract: 本发明公开一种基于全局图瓶颈表示的图自监督学习方法,通过对图数据进行增强,获得若干个与原始数据不同的图节点特征表示,在图数据增强过程中引入共享可学习cls信息瓶颈节点,cls信息瓶颈节点与图中每个节点均相连,由此来学习全局瓶颈信息,并将学习到的全局瓶颈信息回传到每一个节点;通过多层感知器分类器对每个图中的节点特征学习进行分类,输出多个增强图节点分类的结果;计算cls与节点之间的一致性正则化和监督损失;最后通过多次迭代训练获得最后的节点分类结果。
-
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
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/778 , G06N3/0464
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。
-
公开(公告)号:CN115861664A
公开(公告)日:2023-03-28
申请号:CN202211637956.3
申请日:2022-12-18
Applicant: 安徽大学 , 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
Abstract: 本发明公开一种基于局部特征融合与自注意力机制的特征匹配方法及系统;通过图像处理模块对输入的图像进行提取觉描述符并添加位置信息获得图像点的特征;将源图像和目标图像中每个特征和随机采样的邻居点进行自注意力上下文特征融合,高效地结合了图像中的信息从而增强特征图的表示能力;将图像中的每一个点与另一图上的点计算欧式距离选取前k个点,再通过交叉注意力模型进行信息传递,得到具有跨图信息的特征表示,通过最终的特征信息计算两图中特征的相似度,并使用Sinkhorn算法迭代求解获得最终的匹配结果。
-
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
IPC: H04N19/467 , H04N19/176 , G06T9/00
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。
-
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。
-
公开(公告)号:CN106954069A
公开(公告)日:2017-07-14
申请号:CN201710306336.4
申请日:2017-05-04
Applicant: 安徽大学
IPC: H04N19/467 , H04N19/176 , G06T9/00
CPC classification number: H04N19/467 , G06T9/00 , H04N19/176
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。
-
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。
-
公开(公告)号:CN118967559B
公开(公告)日:2025-02-18
申请号:CN202410924354.9
申请日:2024-07-11
Applicant: 安徽大学
IPC: G06T7/00 , G06T7/73 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于SAM和课程学习的太赫兹图像乳腺肿瘤检测方法,为了从太赫兹乳腺图像中准确定位并识别肿瘤,本发明将视觉基础模型SAM应用于肿瘤检测,构建一个双分支的肿瘤检测网络,其中一个分支利用目标检测模型DETR对太赫兹乳腺图像进行粗粒度的肿瘤检测,生成混合提示,包括边界框和类别,其中类别作为一种文本提示,然后将其输入SAM分支进行细粒度肿瘤检测。此外,本发明采用课程学习的思想,将由易到难的太赫兹乳腺肿瘤图像数据集分批次地送入双分支肿瘤检测网络进行训练,以获得较好的检测效果。
-
-
-
-
-
-
-
-
-