-
公开(公告)号：CN117393100B
公开(公告)日：2024-04-05
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。
-
公开(公告)号：CN117670853A
公开(公告)日：2024-03-08
申请号：CN202311716918.1
申请日：2023-12-14
Applicant: 安徽大学
IPC: G06T7/00 , G06V20/40 , G06V10/80 , G06V10/44 , G06V10/62 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开一种基于领域知识引导的帧质量评估和融合的乳腺超声视频病变检测方法，设计一种基于领域知识引导的评估模块通过充分利用放射科医生的领域知识来学习一个最佳的超声视频帧评估模型，利用超声图像质量评估模块来识别原始视频帧，通过排序后获得高质量的视频帧，以提供超声视频的全局特征；同时本发明提出多级双分支融合模块，用于超声视频病变检测任务，通过将高质量的全局帧与原始视频帧融合，从而结合原始视频帧的局部纹理信息和高质量视频帧的全局语义信息，以提高模型的检测性能。本发明在现有的乳腺超声视频病变检测数据集上取得了较好的效果。
-
公开(公告)号：CN117523357A
公开(公告)日：2024-02-06
申请号：CN202311513284.X
申请日：2023-11-14
Applicant: 安徽大学
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开一种基于自引导和部件自适应融合的多查询网络，获取车辆的图片数据集，构建基于自引导和部件自适应融合的多查询网络，使用基线车辆图片的原始特征，自引导更新模块为每组多个查询更新原始特征，自适应融合模块将更新特征自适应进行融合，通过重识别损失约束单部件融合特征和单部件更新特征，对基于自引导和部件自适应融合的多查询网络上进行训练和验证，再将训练所得最好的基于自引导和部件自适应融合的多查询网络在测试集上进行测试。发明的自引导更新模块利用同一组内多个查询的集体信息来指导单个查询，自适应融合模块能够自适应地融合来自不同查询的相同部分的有效信息；可更细粒度地处理每张照片的信息，增强特征表示并提高辨别能力。
-
公开(公告)号：CN117115630A
公开(公告)日：2023-11-24
申请号：CN202311117117.3
申请日：2023-08-30
Applicant: 安徽大学
IPC: G06V20/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于循环一致性的强光下多光谱车辆重识别方法，属于车辆重识别技术领域，解决解决强光下的车辆重识别问题；本发明对光谱图像进行数据预处理，提取光谱对应的高维特征，采用强光标签预测器对受到强光污染的图像标记强光伪标签；利用去光斑生成器将强光污染的热红外光谱和受损的光谱融合成去光斑的光谱，以替换受损的光谱；利用强光标签预测器获取的伪标签训练一个图像质量预测器，设计强光感知的交互融合模块，根据图像质量动态调节特征融合过程进行特征级融合；对多光谱进行了图像级融合，并提出了有效的图像级融合框架，使用强光感知的预测模块来自适应调节多分支特征之间的关系，以增强强光不变的有效特征并抑制易受强光干扰的无效特征。
-
公开(公告)号：CN111274988B
公开(公告)日：2023-03-24
申请号：CN202010085045.9
申请日：2020-02-10
Applicant: 安徽大学
IPC: G06V20/58 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多光谱的车辆重识别方法及装置，所述方法包括：获取可见光特征图、近红外特征图以及热红外特征图；获取各光谱下的类激活图，将各光谱下的类激活图分别通过全局平均池化得到各光谱下的类得分向量；将各光谱下的类得分向量分别通过归一化得到各光谱下的类别预测可能性向量，利用各光谱下的类别预测可能性向量获取各光谱下的损失函数，将各光谱下的损失函数融合获取多流的类别约束损失函数；获取异质协作身份损失函数；获取最终损失函数；训练异质协作感知的多流卷积神经网络，利用训练好的异质协作感知的多流卷积神经网络对车辆进行重识别；本发明的优点在于：能够解决恶劣环境中车辆重识别问题。
-
Patent Agency Ranking
公开(公告)号：CN115223203A
公开(公告)日：2022-10-21
申请号：CN202210845929.9
申请日：2022-07-19
Applicant: 安徽大学
IPC: G06V40/10 , G06V20/52 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种夜间行人重识别方法、装置、设备及存储介质，所述方法包括：训练夜间行人重识别网络得到训练好的网络；将原始图像送入DCE‑Net获得映射图，使用映射图对原始图像迭代进行亮度增强，得到亮度增强后的图像，送入第一ResNet50中，得到亮度增强后的图像的特征图；将原始图像送入第二ResNet50，得到原始图像的特征图；将原始图像的特征图和经过亮度增强后的图像的特征图通过级联操作获得融合特征，送入亮度蒸馏模块，获得最终的融合特征；将最终的融合特征与图库中各图像对应的特征进行对比，根据相似性得分进行排序得到识别结果；本发明的优点在于：保留身份判别信息，从而对夜间行人重识别的能力较强。
-
公开(公告)号：CN114998902A
公开(公告)日：2022-09-02
申请号：CN202210365268.X
申请日：2022-04-07
Applicant: 讯飞智元信息科技有限公司 , 安徽大学 , 科大讯飞股份有限公司
IPC: G06V30/148 , G06V20/62 , G06T7/62 , G06T7/11 , G06K9/62 , G06V10/774 , G06V10/10
Abstract: 本申请公开了一种区域检测方法及其相关装置、设备和介质，该方法包括：获取待检测图像；利用区域检测模型对待检测图像进行区域检测，得到待检测图像中关于特定文本区域的目标预测框；其中，区域检测模型是基于区域检测模型的评估指标进行优化得到的，评估指标是基于验证样本图像中的特定文本区域的真值框与预测框之间的边界紧密程度得到的，预测框是区域检测模型对验证样本图像进行区域检测得到的。通过上述方式，本申请能够提高目标预测框的精准性。
-
公开(公告)号：CN114663470A
公开(公告)日：2022-06-24
申请号：CN202210094864.9
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06T7/246 , G06T7/11 , G06K9/62 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种软选择的自适应跨模态视觉跟踪方法，属于计算机视觉技术领域，方法包括：从跨模态跟踪数据集中随机抽取一个测试序列；将测试序列作为跟踪网络的输入，对测试序列中目标进行跟踪；跟踪网络包括特征提取网络、软性选择模块、模型预测器和IoU网络，特征提取网络的输入为测试序列、输出与软性选择模块连接，软性模块的输出分别与模型预测器和IoU网络连接，软性选择模块用于自适应预测各模态对应的重要性权重并将权重与各模态对应特征图加权融合得到各模态的融合特征图。本发明通过设置软性选择模块来自适应预测各模态对应的重要性权重解决现有技术中跨模态跟踪中不同模态切换导致跟踪器性能下降的问题。
-
公开(公告)号：CN114332166A
公开(公告)日：2022-04-12
申请号：CN202111671516.5
申请日：2021-12-31
Applicant: 安徽大学
Abstract: 本发明公开一种基于模态竞争协同网络的可见光红外目标跟踪方法及装置，方法包括：以所要跟踪当前帧的上一帧中目标预测位置为中心，生成第一候选样本集合；将第一候选样本集合输入至训练好的跟踪模型，得到当前帧的目标跟踪结果；跟踪模型包括特征提取网络和目标分类器；特征提取网络包括第一提取网络、第二提取网络和权重分配网络，第一提取网络和第二提取网络均包括VGG‑M的前三层卷积层，且每一卷积层中包含N个相同尺寸的卷积核形成卷积核组。通过引入卷积核组和多权重分配网络来生成多核动态协同的卷积核，利用卷积核组中包含的若干个卷积核，可以提取更多样的特征，达到良好的多模态视频跟踪效果。
-
公开(公告)号：CN114036908A
公开(公告)日：2022-02-11
申请号：CN202111355005.2
申请日：2021-11-16
Applicant: 安徽大学
IPC: G06F40/169 , G06F40/151 , G06F40/247 , G06N3/08
Abstract: 本发明公开了一种融入词表知识的中文篇章级事件抽取方法及装置，所述方法包括：建立事件模板；采集文本并按事件模板对文本进行标注；读取标注好的文本，对文本进行预处理并根据标注的实体对预处理后的文本打标签；将打标签后的文本转化成对应的向量得到字符级特征；将打标签后的文本中每个字符构造对应的BMES集合，对每个集合中的单词进行加权相加得到词表特征；将词表特征与字符级特征进行拼接融合实现特征提取；抽取文本中事件对应的事件触发词实体和事件元素实体；事件抽取；通过随机梯度下降法训练网络；本发明的优点在于：融合词表信息，提高事件抽取精度。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.025 seconds)
