公开(公告)号：CN111968058B

公开(公告)日：2023-08-04

申请号：CN202010863754.5

申请日：2020-08-25

Applicant: 北京交通大学

Inventor： 金一 ,  梁腾飞 ,  李晨宁 ,  李浥东 ,  王涛

IPC: G06T5/00 ,  G06T7/13 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种低剂量CT图像降噪方法，包括：获取训练数据集；建立降噪网络模型，包括自适应边缘特征提取模块用于对输入的训练数据集中低剂量CT图像进行边缘特征的提取；第一融合层对自适应边缘特征提取模块的输出信号和输入信号进行融合；卷积模块包括多层卷积层构成的编码器、多层返卷积层构成的解码器以及第二融合层，编码器对第一融合层的输出信号进行编码，第二融合层使用跳跃的方式将解码器的反卷积层的特征图与其在编码器中对称的卷积层的特征图进行融合，输出降噪后的特征图；对降噪网络模型进行训练、测试；采用测试好的降噪网络模型对低剂量CT图像降噪。本方法能够保留更多细粒度的信息，得到更加接近目标图像的降噪结果。

公开(公告)号：CN113496481A

公开(公告)日：2021-10-12

申请号：CN202110550635.9

申请日：2021-05-20

Applicant: 北京交通大学

Inventor： 金一 ,  杨皓 ,  高雅君 ,  梁腾飞 ,  李浥东 ,  冯松鹤

IPC: G06T7/00 ,  G06T5/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种少样本胸部X‑Ray图像的辅助检测方法。该方法包括：采集胸部的CXR图像，通过自适应的X‑Ray图像降噪模块对所述CXR图像进行图像预处理，利用预处理后的X‑Ray图像组成训练集和验证集；构造基于迁移学习的量子卷积神经网络，利用训练集和验证集对基于迁移学习的量子卷积神经网络和分类网络模型进行迭代优化处理，将迭代优化处理后的分类网络模型与量子卷积神经网络进行融合，得到辅助检测网络模型；利用辅助检测网络模型对待诊断的胸部的CXR图像进行诊断，输出待诊断的胸部的CXR图像的诊断结果。本发明通过融合基于迁移学习的分类网络模型与量子卷积神经网络得到辅助检测网络模型，结合了不同模型的优势，对检测准确率大大提升。

公开(公告)号：CN118366186A

公开(公告)日：2024-07-19

申请号：CN202410475803.6

申请日：2024-04-19

Applicant: 北京交通大学

Inventor： 金一 ,  梁腾飞 ,  阮弘基 ,  苏楦雯 ,  王伟 ,  王涛 ,  李浥东

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于多级跨模态联合对齐的行人重识别方法及系统，属于机器视觉图像处理技术领域，获取待识别的图像数据；利用预先训练好的行人重识别模型对获取的待识别的图像进行处理，得到图像中行人重识别结果。本发明提出可见红外模态协调器并以加权灰度、跨通道剪切混合和频谱抖动协调器三种不同的方式，减轻了可见光和红外图像之间的差异，弥合了图像级别的模态差距；引入具有可训练参数的模态分布适配器，捕获特征图的空间统计特征并自适应地对齐不同模态的特征分布，减少特征级别的模态差距；引入跨模态检索损失，减少VI‑ReID目标层面的差距；引入多光谱增强排序策略，增强了模型的鲁棒性和跨模态检索能力。

公开(公告)号：CN113496481B

公开(公告)日：2023-11-07

申请号：CN202110550635.9

申请日：2021-05-20

Applicant: 北京交通大学

Inventor： 金一 ,  杨皓 ,  高雅君 ,  梁腾飞 ,  李浥东 ,  冯松鹤

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了一种少样本胸部X‑Ray图像的辅助检测方法。该方法包括：采集胸部的CXR图像，通过自适应的X‑Ray图像降噪模块对所述CXR图像进行图像预处理，利用预处理后的X‑Ray图像组成训练集和验证集；构造基于迁移学习的量子卷积神经网络，利用训练集和验证集对基于迁移学习的量子卷积神经网络和分类网络模型进行迭代优化处理，将迭代优化处理后的分类网络模型与量子卷积神经网络进行融合，得到辅助检测网络模型；利用辅助检测网络模型对待诊断的胸部的CXR图像进行诊断，输出待诊断的胸部的CXR图像的诊断结果。本发明通过融合基于迁移学习的分类网络模型与量子卷积神经网络得到辅助检测网络模型，结合了不同模型的优势，对检测准确率大大提升。

公开(公告)号：CN116168418A

公开(公告)日：2023-05-26

申请号：CN202310043891.8

申请日：2023-01-29

Applicant: 北京交通大学

Inventor： 金一 ,  亓佳 ,  梁腾飞 ,  王旭 ,  李浥东 ,  王涛

IPC: G06V40/10 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明提供了一种图像的多模态目标感知与重识别方法。该方法包括：对跨模态图像数据进行预处理得到分块向量序列，通过ME学习跨模态图像数据的模态信息，将跨模态图像数据的分块数据、位置信息和模态信息融合在一起得到序列化图像数据，并输入到ViT模型，ViT模型输出跨模态图像数据的特征信息，计算模态感知增强损失值，根据损失值进行反向传播调整模型参数，得到训练好的目标重识别模型，利用该模型对待识别的行人图像进行跨模态目标重识别。本发明方法将可学习模态嵌入引入网络，直接编码模态信息，可以有效地用于缓解异构图像之间的差距，实现对跨模态图像的目标感知和重识别。

公开(公告)号：CN116824625A

公开(公告)日：2023-09-29

申请号：CN202310616550.5

申请日：2023-05-29

Applicant: 北京交通大学

Inventor： 金一 ,  亓佳 ,  梁腾飞 ,  王旭 ,  李浥东 ,  王涛

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/084

Abstract: 本发明提供了一种基于生成式多模态图像融合的目标重识别方法。该方法包括：利用跨模态图像生成网络生成输入图像的另一模态的图像，得到成对图像，所述输入图像包括可见光图像或者红外图像；构建并训练基于分块的双重多模态特征融合模块，将所述成对图像输入到训练好的双重多模态特征融合模块中，得到所述成对图像的融合特征；基于所述成对图像的融合特征利用余弦距离测量所述成对图像之间的差异特征，对所述差异特征进行补偿。本发明利用了丢失的模态特定特征的信息，利用对比学习来关联输入与输出图像对应位置的信息，保留了行人的身份信息，从而可以有效地对多模态图像进行行人目标重识别。

公开(公告)号：CN111968058A

公开(公告)日：2020-11-20

申请号：CN202010863754.5

申请日：2020-08-25

Applicant: 北京交通大学

Inventor： 金一 ,  梁腾飞 ,  李晨宁 ,  李浥东 ,  王涛

IPC: G06T5/00 ,  G06T7/13 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种低剂量CT图像降噪方法，包括：获取训练数据集；建立降噪网络模型，包括自适应边缘特征提取模块用于对输入的训练数据集中低剂量CT图像进行边缘特征的提取；第一融合层对自适应边缘特征提取模块的输出信号和输入信号进行融合；卷积模块包括多层卷积层构成的编码器、多层返卷积层构成的解码器以及第二融合层，编码器对第一融合层的输出信号进行编码，第二融合层使用跳跃的方式将解码器的反卷积层的特征图与其在编码器中对称的卷积层的特征图进行融合，输出降噪后的特征图；对降噪网络模型进行训练、测试；采用测试好的降噪网络模型对低剂量CT图像降噪。本方法能够保留更多细粒度的信息，得到更加接近目标图像的降噪结果。