公开(公告)号：CN117095460A

公开(公告)日：2023-11-21

申请号：CN202311008758.5

申请日：2023-08-10

Applicant: 中科(黑龙江)数字经济研究院有限公司 ,  北京邮电大学

Inventor： 吴钺 ,  周琬婷 ,  孔龙腾 ,  孙沐毅 ,  张曼

IPC: G06V40/20 ,  G06N3/0442 ,  G06N3/088 ,  G06V10/44 ,  G06N3/006 ,  G06N3/084

Abstract: 本发明属于视频分析技术领域，具体涉及一种基于长短时关系预测编码的自监督群体行为识别方法及其识别系统。个体时空特征提取，将视频数据转化为个体级别的时空特征；自监督学习模型，构建由时空特征编码器和长短时关系预测解码器组成的自学习网络结构来描述群体活动的状态变化；自监督训练，对自学习模型的网络进行自监督训练，得到初始化的群体行为识别目标网络；目标网络微调，利用少量样本对初始化的群体行为识别目标网络进行微调，得到目标网络，通过所述目标网络进行群体行为识别。本发明对群体行为中复杂的动态模式进行建模，并逐步预测未来的群体关系特征与状态，实现监督受限条件下高效、精确的群体行为识别。

公开(公告)号：CN116704433A

公开(公告)日：2023-09-05

申请号：CN202310598477.3

申请日：2023-05-25

Applicant: 中科(黑龙江)数字经济研究院有限公司 ,  北京邮电大学

Inventor： 周琬婷 ,  韩雨杉 ,  孔龙腾 ,  吴钺 ,  孙哲南

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/084 ,  G06N3/09 ,  H04N19/50

Abstract: 本申请公开了一种基于上下文感知关系预测编码的自监督群体行为识别方法，属于视频分析技术领域，包括获取群体行为视频数据；基于上下文感知关系预测编码，构建群体行为特征自学习模型的网络结构，网络结构包括群体标记生成器、注意力机制编码器和混合上下文Transformer解码器；对网络结构进行自监督训练，得到群体行为特征自学习目标网络；基于少量样本对特征自学习目标网络进行微调，得到用于实现群体行为识别的目标网络。本申请通过上下文感知关系预测编码捕捉上下文关系，从而得到更全面准确的群体行为自学习表征。适用于缺乏标注的高效精确群体行为识别。

公开(公告)号：CN115908253A

公开(公告)日：2023-04-04

申请号：CN202211271824.3

申请日：2022-10-18

Applicant: 中科(黑龙江)数字经济研究院有限公司

Inventor： 孙哲南 ,  孙沐毅 ,  祁星群 ,  吴卓杰 ,  任民 ,  吴钺

IPC: G06T7/00 ,  G06T7/10 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/084 ,  G06N3/0464

Abstract: 本申请公开了一种基于知识蒸馏的跨域医学影像分割方法及装置，属于医学影像分析技术领域，包括：获取训练数据，其中，该训练数据为有标注的医学影像数据；基于训练数据分别设计教师网络和学生网络；然后分别获取教师网络和学生网络的域不变特征；基于域不变特征设计知识蒸馏算法；最后基于训练数据，教师网络和知识蒸馏算法再次训练学生网络，得到目标网络，其中，目标网络用于实现跨域医学影像分割。本申请提出了一种泛化性知识蒸馏框架，得到一种适用于不同成像设备的高嵌入性、高泛化性的轻量化学生网络，可应用于如胸腔CT图像或肺部CT图像的不同成像设备中，实现数据端与算法端双高效的跨域医学影像分割。

公开(公告)号：CN115578353B

公开(公告)日：2024-04-05

申请号：CN202211271819.2

申请日：2022-10-18

Applicant: 中科(黑龙江)数字经济研究院有限公司

Inventor： 孙沐毅 ,  邹文轩 ,  祁星群 ,  吴钺

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/045 ,  G06N3/096 ,  G06N3/0895 ,  G06N3/084

Abstract: 本申请公开了一种基于图流蒸馏的多模态医学影像分割方法及装置，属于医学影像分析技术领域，通过设计蒸馏约束方案和半监督学习方案，对预训练教师网络进行蒸馏，将知识更高效的传递给学生网络学习，得到嵌入便捷的轻量化学生网络，同时，更加充分的利用现有的多模态数据，尤其是无标注数据，从而同时实现数据高效与算法高效，实现多模态数据下的数据与算法双高效的医学影像分析方案。本申请提出了一个互相融合的整体方案，可应用于如计算断层扫描图像、磁共振成像图像以及数字病理图像等多个医学领域图像的处理，综合解决现阶段医学影像智能分析存在的数据模态多样、数据标注稀有、算法嵌入难、计算代价较高等问题。

公开(公告)号：CN115578353A

公开(公告)日：2023-01-06

申请号：CN202211271819.2

申请日：2022-10-18

Applicant: 中科(黑龙江)数字经济研究院有限公司

Inventor： 孙沐毅 ,  邹文轩 ,  祁星群 ,  吴钺

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种基于图流蒸馏的多模态医学影像分割方法及装置，属于医学影像分析技术领域，通过设计蒸馏约束方案和半监督学习方案，对预训练教师网络进行蒸馏，将知识更高效的传递给学生网络学习，得到嵌入便捷的轻量化学生网络，同时，更加充分的利用现有的多模态数据，尤其是无标注数据，从而同时实现数据高效与算法高效，实现多模态数据下的数据与算法双高效的医学影像分析方案。本申请提出了一个互相融合的整体方案，可应用于如计算断层扫描图像、磁共振成像图像以及数字病理图像等多个医学领域图像的处理，综合解决现阶段医学影像智能分析存在的数据模态多样、数据标注稀有、算法嵌入难、计算代价较高等问题。