-
公开(公告)号：CN116541791A
公开(公告)日：2023-08-04
申请号：CN202310540311.6
申请日：2023-05-12
申请人： 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC分类号： G06F18/2433 , A61B5/346 , A61B5/349 , A61B5/352 , A61B5/00 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 本发明提供了一种基于多尺度信号恢复的心电图异常检测方法和系统，包括：使用滤波消除心电图原始信号的信号噪声得到全局信号；检测全局信号R峰并使用自适应动态阈值得到局部信号；对全局信号和局部信号实现多尺度信号特征编码；对多尺度编码特征使用自注意力机制以及基于残差的方法得到全局和局部特征；对全局信号使用时间尺度平滑得到平滑信号趋势；对平滑信号趋势实现信号趋势编码；对全局特征和局部特征实现多尺度信号解码；对全局特征和信号趋势特征实现信号趋势解码；使用异常评定函数实现心电图异常评定。本发明提高了心电图异常检测算法对不同异常类型的探测能力，提高了心电图异常检测算法的可解释性。
-
公开(公告)号：CN118873148A
公开(公告)日：2024-11-01
申请号：CN202410919093.1
申请日：2024-07-10
申请人： 上海交通大学 , 上海人工智能创新中心 , 上海交通大学医学院附属瑞金医院
IPC分类号： A61B5/318 , A61B5/346 , A61B5/00 , A61B5/36 , A61B5/352 , A61B5/366 , G06F18/24 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/084 , G06N3/098
摘要： 本发明涉及一种基于异常检测预训练的心电图长尾分类方法、装置及介质，其中方法包括以下步骤：获取多尺度心电图信号；获取心电报告信息，提取报告属性信息和分类结果；基于多尺度心电图信号和报告属性信息预训练异常检测模型；以信号趋势辅助恢复中得到的信号趋势特征和多尺度交叉恢复中得到的全局心电特征的串联组合作为长尾分类网络的输入，从心电报告中提取的分类结果作为输出，训练长尾分类网络；将待检测心电图信号输入预训练完成的异常检测模型，对得到的信号趋势特征和全局心电特征进行串联组合，并将组合得到的特征输入到下游的长尾分类网络进行异常类型多分类，得到分类预测结果概率。与现有技术相比，本发明具有提高了分类结果的全面性和可靠性等优点。
-
公开(公告)号：CN118734903A
公开(公告)日：2024-10-01
申请号：CN202410722391.1
申请日：2024-06-05
申请人： 上海人工智能创新中心 , 上海交通大学
IPC分类号： G06N3/0464 , G06N3/08
摘要： 本发明涉及一种基于混合低秩适配器的异构数据训练方法和系统，方法包括以下步骤：获取异构数据集，并输入预先构建的神经网络模型中进行模型训练，以通过训练好的神经网络模型进行数据预测；所述神经网络模型包括配置有混合低秩适配器的卷积层，对配置有混合低秩适配器的卷积层，通过设置两个低秩因子描述低秩适配器的贡献权重，并配置一个共享的初始权重；并分别针对已知目标与未知目标的场景，提出基于梯度的混合低秩适配器与基于路由的混合低秩适配器。与现有技术相比，本发明算法所需计算开销更少，有着更好的鲁棒性与泛用性，且适用于大规模多任务学习场景。
-
公开(公告)号：CN118710559A
公开(公告)日：2024-09-27
申请号：CN202411204107.8
申请日：2024-08-30
摘要： 本申请提供一种高质量的人脸修复方法、装置、设备、存储介质，该方法，包括：获取待修复素材；其中，待修复素材为低质量的待修复图像，或者，待修复素材为低质量的待修复图像和高质量的参考图像，且待修复图像和参考图像对应相同的身份信息；通过预先训练的修复模型，对待修复素材进行修复，得到修复后图像；其中，若待修复素材为低质量的待修复图像，则修复模型基于真实的样本图像和对应的低质量的样本图像训练得到；若待修复素材为低质量的待修复图像和高质量的参考图像，则修复模型基于真实的样本图像、对应的低质量的样本图像和对应的样本身份信息训练得到，本申请提供的方法增强了图像质量。
-
公开(公告)号：CN117893768A
公开(公告)日：2024-04-16
申请号：CN202311720346.4
申请日：2023-12-14
申请人： 上海人工智能创新中心 , 上海交通大学
IPC分类号： G06V10/44 , G06V10/82 , G06F18/213 , G06N3/0895 , G06N3/09 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/0985
摘要： 本发明涉及一种多域胸片数据处理方法、设备及介质，该方法基于统一与分治两阶段预训练框架来实现；在所述统一阶段，引入图文对比学习和有监督学习，使数据处理模型捕捉多域数据的共有特征；在所述分治阶段，引入多专家架构并利用域对比学习，使来源相似的数据被分入到相似专家控制的疾病查询网络中。与现有技术相比，本发明具有充分挖掘多域胸片数据的共有特征及特有属性，在多种医疗场景下取得了显著的性能提升等优点。
-
公开(公告)号：CN117372695A
公开(公告)日：2024-01-09
申请号：CN202311319317.7
申请日：2023-10-11
申请人： 上海交通大学
IPC分类号： G06V10/26 , G06V10/40 , G06V10/762 , G06F18/213 , G06N3/0895 , G06N3/084 , G06N3/0464 , G06V10/82
摘要： 本发明提供了一种基于原型类中心的弱监督开放词汇语义分割方法及系统，包括：步骤S1：利用文本特征提取器提取文本目标为文本向量特征；步骤S2：利用视觉特征提取器提取目标图片的视觉特征，并将视觉特征基于可学习类别中心进行聚类操作得到全局类别中心；步骤S3：利用原型模型提取图像‑文本对的原型类别中心用以监督全局类别中心；步骤S4：将全局类别中心和文本向量特征进行对比学习，利用梯度下降法对文本特征提取器和视觉特征提取器进行训练；步骤S5：利用训练好的文本特征提取器和视觉特征提取器对测试图像和测试文本进行推理得到测试图像分割结果。本发明提出基于原型类中心的学习策略，大幅提升了弱监督开放词汇语义分割的准确性。
-
公开(公告)号：CN117316166A
公开(公告)日：2023-12-29
申请号：CN202311389985.7
申请日：2023-10-24
申请人： 上海交通大学
摘要： 本发明提供一种说话人日志提取方法及系统，包括：对音频与视频分别进行预处理，并分别提取模态对齐后的音频数据及各说话人视频数据的初始语义表征；利用视频的语义信息得到说话人活跃片段的粗略划分，并由此提取说话人的声学特征；根据语义信息及说话人特征对各模态进行帧级别的不确定性建模，对音频和视频的质量进行评估；利用置信度分数指导音频和视频模态语义表征的融合，得到融合后的各说话人音视频语义信息流；解码器根据融合后的各说话人音视频语义信息流对各说话人各个时刻的活跃状态分别进行估计。本发明利用置信度分数来指导不同模态信息的动态融合，相较于其他方法对带噪片段有着更好的鲁棒性，同时对多通道音频也具有良好的兼容性。
-
公开(公告)号：CN116992396A
公开(公告)日：2023-11-03
申请号：CN202310981766.1
申请日：2023-08-04
申请人： 上海交通大学
IPC分类号： G06F18/25 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/08 , G06F18/213
摘要： 本发明提供了一种冗余自适应的多模态鲁棒融合学习方法及系统，包括：使用预训练好的单模态特征提取网络提取单模态初始特征；将各单模态初始特征编码为概率分布；对各单模态概率分布进行正则化约束；为每个单模态均值分配元素级特征权重；利用各权重分配后的单模态均值产生多模态特征；对各单模态分布采样，产生相应的单模态特征向量；利用各单模态、多模态特征向量得到相应特征的概率预测分布。本发明考虑多模态数据间冗余性对模型鲁棒性的影响，促使模型在捕获全部单模态信息的同时，动态地识别其中的无损信息用于融合，实现更鲁棒且准确的多模态预测。
-
公开(公告)号：CN113628107B
公开(公告)日：2023-10-27
申请号：CN202110749972.0
申请日：2021-07-02
申请人： 上海交通大学
IPC分类号： G06T3/40 , G06V40/16 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
摘要： 本发明公开了一种人脸超分辨率方法及系统，包括：对输入的人脸属性标签信息，使用全连接网络与激活层进行特征优化，获得属性语义特征；对输入的低分辨率图像信息，使用卷积神经网络提取视觉特征；对属性语义特征与视觉特征使用特征融合网络进行特征融合，并在训练时与教师特征通过属性法向量约束，从而保持融合特征与教师特征属性一致；使用图像恢复网络将融合特征映射为输出图像，由于图像恢复网络经过预训练，它生成的图像具有逼真的细节。通过本发明，生成的人脸高清图像具有属性保持与细节。
-
公开(公告)号：CN111259775B
公开(公告)日：2023-04-28
申请号：CN202010032794.5
申请日：2020-01-13
申请人： 上海交通大学
IPC分类号： G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明提供一种约束时域关系的视频动作定位方法和系统，包括：视频特征提取步骤：对输入的未经裁剪的长视频，使用3D深度神经网络提取其特征，得到能够表达视频语义信息的特征序列；动作曲线预测步骤：利用提取好的视频特征序列训练动作概率曲线模型，预测视频中动作的开始、持续、结束的概率曲线；动作曲线约束步骤：在训练动作概率曲线模型的过程中同时约束动作的开始、持续、结束的概率曲线，使其有平稳连续的输出并且使动作的开始、持续、结束的概率曲线峰值遵循合理的时间顺序。本发明对输入的视频进行逐个时刻的动作概率预测，重点约束动作在时间维度上的关系，通过在模型的训练过程中加入约束，使得其能够准确地预测动作发生的概率，从而能够精确的定位视频中所发生的动作。
-
-
-
-
-
-
-
-
-
搜索结果
176 条记录 (耗时 0.066 秒)
