基于图像转换和域泛化的无监督多模态医学图像配准方法

    公开(公告)号:CN112801863B

    公开(公告)日:2024-10-29

    申请号:CN202110208063.6

    申请日:2021-02-25

    摘要: 一种基于图像转换和域泛化的无监督多模态医学图像配准方法,首先,两个单模态配准网络在各自模态域的真实图像上进行预训练,直到配准网络可胜任单模态配准任务。接着,转换网络和配准网络进行联合训练。转换网络所得合成图与目标模态真实图之间的形变场被预训练好的配准网络所计算,此时,转换网络的训练被本文所提的形变场对抗损失和形变循环一致性损失所约束;当合成图的定量评价指标优于所设定阈值时,配准网络后端网络层的参数可根据对应配准过程的损失项进行微调,使配准网络的有效应用范围逐步泛化至合成图所在的模态域。本发明配准性能胜过了现有的基于无监督学习的多模态医学图像配准方法,且可与基于监督学习的配准方法进行竞争。

    铁路货车异常检测方法及系统
    62.
    发明公开

    公开(公告)号:CN118840611A

    公开(公告)日:2024-10-25

    申请号:CN202411005735.3

    申请日:2024-07-25

    摘要: 本发明提供一种铁路货车异常检测方法及系统,属于基于图像识别的异常检测技术领域,利用预先训练好的异常检测模型对获取的图像进行处理,得到异常检测结果;其中,异常检测模型包括重构网络、异常区域定位网络和故障诊断网络;所述重构网络,用于进行图像重构;所述异常区域定位网络,用于将重构的图片与原始图像进行对比,实现对异常区域的定位;所述故障诊断网络,用于对定位后的异常区域进行故障判别,得到铁路货车故障识别结果。本发明避免了人工设计和提取特征,不同光线、不同背景、不同天气条件下具备更好的鲁棒性;采用的网络结构经过了轻量化优化,参数量和计算量小,实时和可靠;可以适用于其他轨道交通车辆运行故障动态图像检测系统。

    基于无监督异常检测和目标跟踪的地铁障碍物检测方法

    公开(公告)号:CN118629016B

    公开(公告)日:2024-10-25

    申请号:CN202411112768.8

    申请日:2024-08-14

    摘要: 本发明涉及轨道交通障碍物检测领域,具体是基于无监督异常检测和目标跟踪的地铁障碍物检测方法,包括采集地铁无障碍运行的轨道视频数据和有障碍运行的轨道视频数据、制作轨床分割网络数据集、制作无监督障碍物数据集和目标跟踪数据集、训练无监督异常检测网络、训练目标跟踪网络和进行地铁轨床障碍物检测,通过无监督异常检测算法和目标检测算法的结合,解决了地铁内障碍物无类别检测的问题,达成了减少数据标注工作、提高障碍物检出率、消除环境变化导致的误检的有益效果,显著提高检测系统的鲁棒性和可靠性,从而确保了地铁运行的安全性和稳定性。

    基于算法容器实现多语言算法调用的项目需求匹配系统

    公开(公告)号:CN118505161B

    公开(公告)日:2024-10-25

    申请号:CN202410933207.8

    申请日:2024-07-12

    摘要: 本申请公开了一种基于算法容器实现多语言算法调用的项目需求匹配系统,涉及互联网技术领域,不仅采用算法容器技术和跨语言通信技术实现对多语言算法的支持和调用,而且采用匹配算法和特征提取技术深入挖掘项目需求信息和人力资源信息中的语义信息,实现精准的匹配。所述项目需求匹配系统包括:数据采集模块,用于收集用工企业的项目需求信息,以及收集人力资源机构的人力资源信息;匹配算法模块,用于通过跨语言通信技术对至少一个算法容器内部的算法引擎子模块进行调用,以及利用调用的至少一个算法引擎子模块对项目需求信息和人力资源信息进行匹配,生成人力资源匹配列表;用户交互模块,用于向用工企业以及人力资源机构推送人力资源匹配列表。

    基于大视觉模型辅助的街景理解模型的训练方法

    公开(公告)号:CN118823719A

    公开(公告)日:2024-10-22

    申请号:CN202411303749.3

    申请日:2024-09-19

    摘要: 本申请实施例公开了一种基于大视觉模型辅助的街景理解模型的训练方法,属于人工智能技术领域,包括:提取针对当前街景图像帧的街景瞬时特征,并提取针对所有历史街景图像帧的街景稳定不变特征,分别获取当前街景图像与每个历史街景图像的差异,并提取针对所有街景差异图像的街景动态特征,对街景瞬时特征、街景稳定不变特征和街景动态特征进行随机混合,得到混合街景特征,通过初始街景理解模型对混合街景特征进行街景语义分割,得到当前街景图像帧的预测街景掩码,通过大视觉模型生成混合街景特征的样本街景掩码,根据预测街景掩码和样本街景掩码对初始街景理解模型的模型参数进行更新,得到目标街景理解模型,提高了街景理解的准确性。

    异常流量检测方法、装置、电子设备及存储介质

    公开(公告)号:CN118821005A

    公开(公告)日:2024-10-22

    申请号:CN202410795241.3

    申请日:2024-06-19

    发明人: 邢玮

    摘要: 本发明实施例提供了一种异常流量检测方法、装置、电子设备及存储介质。异常流量检测方法包括:获取待检测用户设备对应的待检测媒体数据曝光日志信息;将待检测媒体数据曝光日志信息输入预先训练的异常流量检测模型,得到所述异常流量检测模型输出的待检测目标特征信息;计算待检测媒体数据曝光日志信息与待检测目标特征信息之间的差异程度;基于所述差异程度识别待检测用户设备是否为异常流量设备。本发明实施例中,可以基于待检测用户设备对应的待检测媒体数据曝光日志信息与待检测目标特征信息之间的差异程度,识别待检测用户设备是否为异常流量设备,并且结合模型进行特征分析能够捕捉信息中的深层特征,使得该种检测方式更加准确、合理。

    一种基于分支对抗网络的多元数据融合及失效模式识别方法

    公开(公告)号:CN118820749A

    公开(公告)日:2024-10-22

    申请号:CN202410943180.0

    申请日:2024-07-15

    摘要: 本发明涉及一种基于分支对抗网络的多元数据融合及失效模式识别方法,包括以下步骤:获取历史飞机发动机的传感器信号数据、失效模式标签以及总运行时间并进行数据预处理,构建数据集;将预处理后的数据集载入构建的多分支深度学习模型,利用对抗训练机制进行模型训练,所述多分支深度学习模型用于构建特异于失效模式的HI,每一个分支层针对一种失效模式的HI构建;获取在役发动机的传感器信号数据,输入训练完成的多分支深度学习模型,得到对应不同失效模式的候选HI,提取各个候选HI的特征,基于所提取的特征进行失效模式识别,进而实现RUL预测。与现有技术相比,本发明具有能够对不同退化模式进行准确描述、可解释性和灵活性好等优点。

    基于大模型的无监督多样性观点摘要生成方法与装置

    公开(公告)号:CN118643842B

    公开(公告)日:2024-10-22

    申请号:CN202411117362.9

    申请日:2024-08-15

    申请人: 山东大学

    摘要: 本发明属于自然语言处理的技术领域,更具体地,涉及基于大模型的无监督多样性观点摘要生成方法与装置。所述方法包括迭代式提示优化框架引导的大模型摘要生成技术,将摘要生成过程建模为一个马尔可夫过程;提出了多观点摘要评估体系,进行观点差异度和覆盖度的摘要质量评估;提出了基于多角度反馈的提示校准方法,能够形成精细化提示;设计了基于强化学习的迭代式摘要生成技术,逐步约束大模型的生成行为。本发明解决了大模型存在的语义漂移问题,并具有可解释性。