-
公开(公告)号：CN115620183A
公开(公告)日：2023-01-17
申请号：CN202210933954.2
申请日：2022-08-04
Applicant: 之江实验室
IPC: G06V20/40 , G06V10/82 , G06V10/774 , G06V10/77 , G06V10/74 , G06V10/62 , G06V10/52 , G06N3/08 , G06N3/04 , G06F17/18 , A61B8/08 , A61B8/06
Abstract: 本发明公开了一种左心室射血分数预测设备，包含：包括：数据输入单元、超声影像特征表示单元、基于多切面二维超声心动图的对比学习单元和左心室射血分数结果预测单元；对比学习单元包括：影像表征模块、对比影像表征模块、负样本队列存储模块、特征对比模块；左心室射血分数结果预测单元用于对影像表征模块输出的患者表示hk进行组合并回归拟合得到预测结果。本发明的左心室射血分数预测设备，结合超声心动图拍摄的临床实践，能够从患者二维超声心动图的多个不同切面提取左心室相关特征，从而提高在临床环境下的射血分数预测和应用性能，减轻专业数据标注的工作量，有助于更好地开展相应的临床研究，帮助患者得到更好的诊断、治疗和预后护理。
-
公开(公告)号：CN115471875A
公开(公告)日：2022-12-13
申请号：CN202211341654.1
申请日：2022-10-31
Applicant: 之江实验室
IPC: G06V40/10 , G06V40/20 , G06V10/82 , G06V10/774 , G06V10/762 , G06V10/74
Abstract: 本发明一种多码率的行人识别视觉特征编码压缩方法和装置，所述方法包括下列步骤：1）行人视觉特征提取；2）行人视觉特征压缩编码；3）视觉特征编码解压重建；4）行人重识别。通过在智能安保系统的终端设备部署步骤1）、2），在智能安保服务的中心设备部署步骤3）、4），同时利用网络作为传输媒介从终端设备传输特定码率的内容到服务的中心设备，可以实现智能安保系统中的行人重识别任务，提高安保工作的效率，提高识别精度，减少人工需求。
-
公开(公告)号：CN115063731B
公开(公告)日：2022-11-11
申请号：CN202210980577.8
申请日：2022-08-16
Applicant: 之江实验室
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于两阶段运动建模和注意力的动作视频分类方法和系统，包括以下步骤：步骤S1：构建采样帧输入至主干网络；步骤S2：第一阶段段内运动信息建模，输出包含短时运动信息的视频卷积特征；步骤S3：第二阶段段间运动信息建模，输出融合了短时运动信息和长时运动信息的空间块注意力视频卷积特征；步骤S4：经过全连接层后得到各视频段的分类结果并融合，训练网络。本发明利用卷积神经网络的多层次结构，在网络的较低层和较高层分别提取段内运动信息和段间运动信息，达到分阶段运动综合建模的目的。此外，本发明计算视频卷积特征各空间块之间的注意力关系，使得网络同时具备了卷积操作和注意力机制的短距离和长距离建模能力。
-
公开(公告)号：CN114863193A
公开(公告)日：2022-08-05
申请号：CN202210794485.0
申请日：2022-07-07
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本发明公开了基于混合批归一化的长尾学习图像分类、训练方法及装置，训练方法通过构建混合标准化分支和分裂标准化分支，得到对应标准化后的特征向量，再通过双分支学习框架，将经强增强和弱增强的样本图像输入标准化分支后，进行图像分类，通过分类结果计算两个分支分类预测的相似性最大化损失以及用平衡交叉熵损失来计算分类损失，优化双分支框架对应的网络参数。混合标准化分支能够更全面地对特征空间进行建模，减轻头部类的主导地位，分裂标准化分支能够多样化估计的高斯分布，使高斯分布更全面地拟合尾部类别的训练样，图像分类方法及装置则是利用训练好的混合标准化分支进行图像分类。
-
公开(公告)号：CN114663774A
公开(公告)日：2022-06-24
申请号：CN202210565928.9
申请日：2022-05-24
Applicant: 之江实验室
IPC: G06V20/10 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量级的显著性物体检测系统及方法，用以解决对实时性要求较高或者计算资源有限的场景下的显著性物体检测问题。基于轻量级设计原则，该方法采用自主设计的主干网络和简单的特征融合方式以及上下文信息提取结构来构造低计算能力设备场景下的轻量级显著性物体检测模型。为提升模型的精度和鲁棒性，该方法提出适用于显著性物体检测的马赛克数据增广方式和周期性多尺度训练方法，采用知识蒸馏方式对主干网络在分类任务场景下进行预训练，用以提高模型的泛化能力。为了进一步压缩模型，本发明还采用模型剪枝算法和模型量化算法对所设计模型进行压缩，可以在原有模型精度没有损失的条件下提升推理速度。
-
Patent Agency Ranking
公开(公告)号：CN114332135A
公开(公告)日：2022-04-12
申请号：CN202210228536.3
申请日：2022-03-10
Applicant: 之江实验室
IPC: G06T7/11 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于双模型交互学习的半监督医学图像分割方法及装置，并辅以稳定性判断策略，用于解决半监督医学图像分割的伪标签质量问题。根据标签数据特征，该方法在有效学习标签数据知识时引入交叉熵和DICE的监督约束。根据伪标签特征，该方法引入伴随变量，其主要作用是缓解错误伪标签对模型学习过程的影响。对样本进行噪声增强，并在正式训练阶段提供基于样本预测结果和噪声样本预测结果之间的一致性损失。根据双模型对无标签数据的学习，该方法提出基于稳定性判断的伪标签筛选机制，实现双模型交互学习；本发明实现方法简便，手段灵活，在医学图像的训练数据上取得显著的分割效果提升。
-
公开(公告)号：CN114331849A
公开(公告)日：2022-04-12
申请号：CN202210250052.9
申请日：2022-03-15
Applicant: 之江实验室
Abstract: 本发明提出了一种跨模态核磁共振超分网络及图像超分辨率方法，通过引入T1WI核磁共振图像作为辅助信息重建高分辨率T2WI图像，实现不同模态之间的信息交流与互补，显著提高信息的融合能力，加强特征表达。将T2WI模态图像的低高频信息重建任务分而治之，利用卷积的局部感知特性及可变形网络的全局感知特性来加强网络对特征的感受能力，有效提升高频信息的重建效果。设计的模态间多头注意力模块，利用空间特征自相似性来有效融合特征非局部信息，有效提高模型泛化性。
-
公开(公告)号：CN113516207A
公开(公告)日：2021-10-19
申请号：CN202111059448.7
申请日：2021-09-10
Applicant: 之江实验室
Abstract: 本发明公开了一种带噪声标签的长尾分布图像分类方法，通过样本依赖的松弛间隔损失进行学习，并辅以抗噪声的数据增强策略，用于解决同时具有长尾特征与噪声标签的图像分类问题。根据数据噪声特征，在计算样本函数间隔时引入样本依赖的松弛变量以放宽间隔约束，再根据样本间隔分类计算样本依赖的光滑松弛损失；根据数据长尾特征，实施分阶段调整的数据增强策略，对样本分别进行强增强和弱增强，并在正式训练阶段提供基于松弛损失的样本筛选机制用于筛除噪声数据。本发明实现方法简便，手段灵活，在长尾数据、噪声数据以及同时具有二者特征的训练数据上都取得显著的分类效果的提升。
-
公开(公告)号：CN117009830B
公开(公告)日：2024-02-13
申请号：CN202311278779.9
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/214 , G06F18/20 , G06F17/10 , G06N3/042
Abstract: 一种基于嵌入特征正则化的知识蒸馏方法和系统，其方法包括：收集与识别任务相关的标注图像数据，计算教师模型在整个训练集上的各个类别的中心特征；将学生模型的嵌入特征投影到类别中心方向，将教师模型的嵌入特征旋转到类别中心方向，通过正则化学生模型的投影特征和教师模型的旋转特征，构建特征正则化损失：增大学生模型的特征范数，约束学生模型的特征的方向与类别中心方向一致；将特征正则化损失插入到现有的知识蒸馏框架中，训练学生模型；将训练好的学生模型部署到终端设备，根据终端设备接收的新数据，预测概率向量，进而完成相
-
公开(公告)号：CN117009830A
公开(公告)日：2023-11-07
申请号：CN202311278779.9
申请日：2023-10-07
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/214 , G06F18/20 , G06F17/10 , G06N3/042
Abstract: 一种基于嵌入特征正则化的知识蒸馏方法和系统，其方法包括：收集与识别任务相关的标注图像数据，计算教师模型在整个训练集上的各个类别的中心特征；将学生模型的嵌入特征投影到类别中心方向，将教师模型的嵌入特征旋转到类别中心方向，通过正则化学生模型的投影特征和教师模型的旋转特征，构建特征正则化损失：增大学生模型的特征范数，约束学生模型的特征的方向与类别中心方向一致；将特征正则化损失插入到现有的知识蒸馏框架中，训练学生模型；将训练好的学生模型部署到终端设备，根据终端设备接收的新数据，预测概率向量，进而完成相关识别任务。本发明通过增大学生特征的范数，和约束方向一致于类别中心，知识蒸馏性能更优。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.025 seconds)
