公开(公告)号：CN116405077A

公开(公告)日：2023-07-07

申请号：CN202310386768.6

申请日：2023-04-12

申请人： 东南大学

发明人： 李春国 ,  高振 ,  张彪 ,  冷天然 ,  张翅 ,  孙希茜 ,  徐澍 ,  杨绿溪

IPC分类号： H04B7/06 ,  H04B7/08 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的大规模MIMO混合波束赋形方法，可以实现不完美信道状态信息的混合波束赋形。该方法适用于单基站多用户场景，采用SV毫米波信道模型，生成大量的完美的信道状态信息作为数据集；将完美信道状态信息采用稀疏重构的信道估计算法进行信道估计，获得不完美信道状态信息；构建神经网络模型，网络输入为不完美信道状态信息和噪声功率，网络输出为数字波束赋形矩阵和模拟波束赋形矩阵，以负的系统总下行速率作为损失函数，进行无监督的训练，对收敛的神经网络模型输入不完美信道状态信息和噪声功率进行测试，与传统的OMP算法相比，具有更低的时间复杂度和更好的性能。

公开(公告)号：CN114677403B

公开(公告)日：2024-07-09

申请号：CN202111359719.0

申请日：2021-11-17

申请人： 东南大学

发明人： 李春国 ,  陆敬奔 ,  张翅 ,  冷天然 ,  高振 ,  孙希茜 ,  杨绿溪

IPC分类号： G06T7/194 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/084

摘要： 本发明公开了一种基于深度学习注意力机制的肝脏肿瘤图像分割方法，属于图像处理领域。本发明将轴向注意力和多尺度注意力融合进深度学习肝脏肿瘤分割网络。轴向注意力能够在占用少量计算资源的情况下，有效地提取肝脏肿瘤CT图像的全局信息特征，而多尺度注意力可以有效地针对多尺度目标进行自适应的特征提取。网络整体采用U型的网络结构，主干为卷积提取路径，辅路为注意力机制，能够有效地提高肝脏肿瘤分割的性能。

公开(公告)号：CN116739909A

公开(公告)日：2023-09-12

申请号：CN202310363514.2

申请日：2023-04-07

申请人： 东南大学

发明人： 李春国 ,  冷天然 ,  刘周勇 ,  高振 ,  杨绿溪

IPC分类号： G06T5/00 ,  G06V10/774 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/088

摘要： 本发明公开了一种基于多尺度大卷积神经网络的图像修复方法，可用来实现对受损图像的纹理和语义修复，从而达到修复缺损图像且符合人类感官感受的效果。该方法包括：根据原始图像数据和图像掩膜，预处理获得被掩膜遮挡的待修复图像，进而构建训练数据集；构建基于多尺度大卷积神经网络的图像修复MSLK‑GAN生成对抗网络模型；将构建的训练数据集输入到MSLK‑GAN网络的生成器并且输出修复后的RGB图像；将已修复的RGB图像输入MSLK‑GAN网络的判别器得到此图像各个部分判别为原始图像的概率并通过加权损失函数对生成器和判别器联合训练；在测试集上评估模型MSLK‑GAN的训练效果。本发明相比于当前主流模型，在L1误差、峰值信噪比和结构相似性这三项指标中取得了更好的恢复效果。

公开(公告)号：CN116630177A

公开(公告)日：2023-08-22

申请号：CN202310362947.6

申请日：2023-04-07

申请人： 东南大学

发明人： 李春国 ,  冷天然 ,  刘周勇 ,  孙希茜 ,  杨绿溪

IPC分类号： G06T5/00 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/088

摘要： 本发明公开了一种基于频域卷积和大卷积的图像修复方法，可用来实现将缺损图像完整的修复，并保持纹理的连续性与语义的合理性，符合人类的感知。该方法包括：根据原始图像数据和图像掩膜，预处理获得被掩膜遮挡待修复图像，构建训练数据集；构建基于频域卷积和大卷积的图像修复LKFFC‑GAN生成对抗网络模型；将构建的训练数据集输入到LKFFC‑GAN网络的生成器并且输出修复后的图像；将已修复图像输入LKFFC‑GAN网络的判别器得到此图像各个部分判别为原始图像的概率并通过加权损失函数对生成器和判别器联合训练；在测试集上评估模型LKFFC‑GAN的训练效果。本发明相比于当前主流模型，在L1误差、峰值信噪比(Peak Signal‑to‑Noise Ratio，PSNR)、和结构相似性(Structural Similarity Index，SSIM)这三项指标中取得了更好的恢复效果。

公开(公告)号：CN114677403A

公开(公告)日：2022-06-28

申请号：CN202111359719.0

申请日：2021-11-17

申请人： 东南大学

发明人： 李春国 ,  陆敬奔 ,  张翅 ,  冷天然 ,  高振 ,  孙希茜 ,  杨绿溪

IPC分类号： G06T7/194 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习注意力机制的肝脏肿瘤图像分割方法，属于图像处理领域。本发明将轴向注意力和多尺度注意力融合进深度学习肝脏肿瘤分割网络。轴向注意力能够在占用少量计算资源的情况下，有效地提取肝脏肿瘤CT图像的全局信息特征，而多尺度注意力可以有效地针对多尺度目标进行自适应的特征提取。网络整体采用U型的网络结构，主干为卷积提取路径，辅路为注意力机制，能够有效地提高肝脏肿瘤分割的性能。

公开(公告)号：CN116405070A

公开(公告)日：2023-07-07

申请号：CN202310393588.0

申请日：2023-04-12

申请人： 东南大学

发明人： 李春国 ,  高振 ,  张彪 ,  冷天然 ,  孙希茜 ,  张翅 ,  杨绿溪

IPC分类号： H04B7/0413 ,  H04B7/06 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习增强的大规模MIMO下行CSI反馈方法，在现有的自编码网络CsiNet基础上修改了编码器网络、解码器网络和反馈内容，增强了对CSI矩阵的特征提取能力、减少了网络复杂度、让深度学习网络的输入与CSI矩阵处于同一个数量级。增加了拼图解谜训练策略来平衡深度学习中压缩任务和识别任务的关系，既保留CSI矩阵物理信息的完整性又不丢失其可区分性，增强下行CSI反馈性能。

公开(公告)号：CN114663283A

公开(公告)日：2022-06-24

申请号：CN202210313618.8

申请日：2022-03-28

申请人： 东南大学

发明人： 李春国 ,  冷天然 ,  刘周勇 ,  张翅 ,  杨绿溪

IPC分类号： G06T3/40 ,  G06N3/08 ,  G06V20/10 ,  G06V10/774

摘要： 本发明公开了一种基于多层感知机和奇异值分解的高光谱图像重建方法，可用来实现RGB图像到高光谱图像的高分辨率转换。该方法包括：根据高光谱数据，预处理获得RGB域图像和零空间系数真值，构建训练数据集；构建基于深度高分辨率SpectralMixer网络的端到端模型；基于构建的训练集对SpectralMixer网络进行有监督训练，进而得到收敛的优化模型SpectralMixer；在测试集上评估模型SpectralMixer的训练效果。本发明相比于传统模型HSCNN‑Rp在取得更少计算时间的同时，获得了更低的重建平均相对误差(Mean Relative Absolute Error，MRAE)和均方根误差(Root Mean SquareError，RMSE)。