-
公开(公告)号：CN114663774A
公开(公告)日：2022-06-24
申请号：CN202210565928.9
申请日：2022-05-24
Applicant: 之江实验室
IPC: G06V20/10 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量级的显著性物体检测系统及方法，用以解决对实时性要求较高或者计算资源有限的场景下的显著性物体检测问题。基于轻量级设计原则，该方法采用自主设计的主干网络和简单的特征融合方式以及上下文信息提取结构来构造低计算能力设备场景下的轻量级显著性物体检测模型。为提升模型的精度和鲁棒性，该方法提出适用于显著性物体检测的马赛克数据增广方式和周期性多尺度训练方法，采用知识蒸馏方式对主干网络在分类任务场景下进行预训练，用以提高模型的泛化能力。为了进一步压缩模型，本发明还采用模型剪枝算法和模型量化算法对所设计模型进行压缩，可以在原有模型精度没有损失的条件下提升推理速度。
-
公开(公告)号：CN114332135A
公开(公告)日：2022-04-12
申请号：CN202210228536.3
申请日：2022-03-10
Applicant: 之江实验室
IPC: G06T7/11 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于双模型交互学习的半监督医学图像分割方法及装置，并辅以稳定性判断策略，用于解决半监督医学图像分割的伪标签质量问题。根据标签数据特征，该方法在有效学习标签数据知识时引入交叉熵和DICE的监督约束。根据伪标签特征，该方法引入伴随变量，其主要作用是缓解错误伪标签对模型学习过程的影响。对样本进行噪声增强，并在正式训练阶段提供基于样本预测结果和噪声样本预测结果之间的一致性损失。根据双模型对无标签数据的学习，该方法提出基于稳定性判断的伪标签筛选机制，实现双模型交互学习；本发明实现方法简便，手段灵活，在医学图像的训练数据上取得显著的分割效果提升。
-
公开(公告)号：CN114331849A
公开(公告)日：2022-04-12
申请号：CN202210250052.9
申请日：2022-03-15
Applicant: 之江实验室
Abstract: 本发明提出了一种跨模态核磁共振超分网络及图像超分辨率方法，通过引入T1WI核磁共振图像作为辅助信息重建高分辨率T2WI图像，实现不同模态之间的信息交流与互补，显著提高信息的融合能力，加强特征表达。将T2WI模态图像的低高频信息重建任务分而治之，利用卷积的局部感知特性及可变形网络的全局感知特性来加强网络对特征的感受能力，有效提升高频信息的重建效果。设计的模态间多头注意力模块，利用空间特征自相似性来有效融合特征非局部信息，有效提高模型泛化性。
-
Patent Agency Ranking
公开(公告)号：CN114332135B
公开(公告)日：2022-06-10
申请号：CN202210228536.3
申请日：2022-03-10
Applicant: 之江实验室
IPC: G06T7/11 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明提出了一种基于双模型交互学习的半监督医学图像分割方法及装置，并辅以稳定性判断策略，用于解决半监督医学图像分割的伪标签质量问题。根据标签数据特征，该方法在有效学习标签数据知识时引入交叉熵和DICE的监督约束。根据伪标签特征，该方法引入伴随变量，其主要作用是缓解错误伪标签对模型学习过程的影响。对样本进行噪声增强，并在正式训练阶段提供基于样本预测结果和噪声样本预测结果之间的一致性损失。根据双模型对无标签数据的学习，该方法提出基于稳定性判断的伪标签筛选机制，实现双模型交互学习；本发明实现方法简便，手段灵活，在医学图像的训练数据上取得显著的分割效果提升。
-
公开(公告)号：CN115512169A
公开(公告)日：2022-12-23
申请号：CN202211395308.1
申请日：2022-11-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/26
Abstract: 本发明公开了基于梯度和区域亲和力优化的弱监督语义分割方法及装置，本方法提出的基于视觉Transformer的弱监督语义分割框架，可以保留精确的图像结构信息，反映像素间长距离语义关联。本发明从自注意力模块中提取梯度加权的类相关物体定位图和区域亲和度关联图，用于优化通过Transformer分类网络生成的类激活图，可以有效扩大激活区域，并使用显著性约束提高激活区域的边界质量，缓解边界被错误划分现象，为分割模型提供高质量的物体定位图；在类激活图中广泛使用的二值交叉熵(BCE)损失使CAM中每个像素可以响应于同一感受野中出现的多个类别，是造成像素标注错误的重要原因。
-
公开(公告)号：CN114663774B
公开(公告)日：2022-12-02
申请号：CN202210565928.9
申请日：2022-05-24
Applicant: 之江实验室
IPC: G06V20/10 , G06V10/40 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量级的显著性物体检测系统及方法，用以解决对实时性要求较高或者计算资源有限的场景下的显著性物体检测问题。基于轻量级设计原则，该方法采用自主设计的主干网络和简单的特征融合方式以及上下文信息提取结构来构造低计算能力设备场景下的轻量级显著性物体检测模型。为提升模型的精度和鲁棒性，该方法提出适用于显著性物体检测的马赛克数据增广方式和周期性多尺度训练方法，采用知识蒸馏方式对主干网络在分类任务场景下进行预训练，用以提高模型的泛化能力。为了进一步压缩模型，本发明还采用模型剪枝算法和模型量化算法对所设计模型进行压缩，可以在原有模型精度没有损失的条件下提升推理速度。
-
公开(公告)号：CN114331849B
公开(公告)日：2022-06-10
申请号：CN202210250052.9
申请日：2022-03-15
Applicant: 之江实验室
Abstract: 本发明提出了一种跨模态核磁共振超分网络及图像超分辨率方法，通过引入T1WI核磁共振图像作为辅助信息重建高分辨率T2WI图像，实现不同模态之间的信息交流与互补，显著提高信息的融合能力，加强特征表达。将T2WI模态图像的低高频信息重建任务分而治之，利用卷积的局部感知特性及可变形网络的全局感知特性来加强网络对特征的感受能力，有效提升高频信息的重建效果。设计的模态间多头注意力模块，利用空间特征自相似性来有效融合特征非局部信息，有效提高模型泛化性。
-
公开(公告)号：CN115512169B
公开(公告)日：2023-07-25
申请号：CN202211395308.1
申请日：2022-11-09
Applicant: 之江实验室
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/26
Abstract: 本发明公开了基于梯度和区域亲和力优化的弱监督语义分割方法及装置，本方法提出的基于视觉Transformer的弱监督语义分割框架，可以保留精确的图像结构信息，反映像素间长距离语义关联。本发明从自注意力模块中提取梯度加权的类相关物体定位图和区域亲和度关联图，用于优化通过Transformer分类网络生成的类激活图，可以有效扩大激活区域，并使用显著性约束提高激活区域的边界质量，缓解边界被错误划分现象，为分割模型提供高质量的物体定位图；在类激活图中广泛使用的二值交叉熵(BCE)损失使CAM中每个像素可以响应于同一感受野中出现的多个类别，是造成像素标注错误的重要原因。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.035 seconds)
