公开(公告)号：CN116109679A

公开(公告)日：2023-05-12

申请号：CN202310145447.7

申请日：2023-02-21

Applicant: 北京工业大学

Inventor： 李建强 ,  谭卓斐 ,  赵琳娜

IPC: G06T7/269 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/048

Abstract: 一种基于PWC原则的深度学习光流估计方法涉及计算机处理技术领域。本发明利用全序列图像前后切片之间的变化特性，先生成光流图；给定两个输入图像，特征金字塔提取模块使用共享参数的卷积神经网络分别提取他们的特征表示金字塔。随后将生成的特征表示进行变形操作，接着直接计算两个特征所有像素之间的相关性。然后将特征的相关性结果、第一张图像的特征和上采样得到的粗糙光流拼接在一起作为输入，输出为当前层的光流。再将光流估计结果和光流估计网络中倒数第二层的特征输入修正网络后，上采样值原始尺寸即可得到最终光流。本发明获取高精度的估计效果，实现模型尺寸与计算精度之间的平衡。

公开(公告)号：CN113361543A

公开(公告)日：2021-09-07

申请号：CN202110642694.9

申请日：2021-06-09

Applicant: 北京工业大学

Inventor： 李建强 ,  谭卓斐 ,  付光辉

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该CT图像本质的通用特征，从而可以避免传统方法中人工标注量大且周期长的问题。

公开(公告)号：CN115294390A

公开(公告)日：2022-11-04

申请号：CN202210891523.4

申请日：2022-07-27

Applicant: 北京工业大学

Inventor： 李建强 ,  谭卓斐 ,  付光晖

IPC: G06V10/764 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种图像特征分类方法、装置、电子设备及存储介质，其中图像特征分类方法，包括：获取待测切片图像；将待测切片图像输入至目标特征分类模型，获取待测切片图像的目标图像特征和目标类别信息，目标特征分类模型是属于参考图像特征和参考类别信息的第一样本切片图像序列训练分类器所得的模型，参考图像特征和参考类别信息是基于第二样本切片图像序列和第二样本光流图像序列进行自对比学习和互对比学习得到的。本发明结合切片图像之间的自关联性、光流图像之间的自关联性以及两种自关联性所得特征之间的互关联性，全面且丰富了参考图像特征和参考类别信息，从而大幅提高了图像特征分类的精准性和可靠性。

公开(公告)号：CN113361543B

公开(公告)日：2024-05-21

申请号：CN202110642694.9

申请日：2021-06-09

Applicant: 北京工业大学

Inventor： 李建强 ,  谭卓斐 ,  付光辉

IPC: G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/0455 ,  G06V10/74

Abstract: 本发明提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该CT图像本质的通用特征，从而可以避免传统方法中人工标注量大且周期长的问题。