-
公开(公告)号：CN118447040A
公开(公告)日：2024-08-06
申请号：CN202410450720.1
申请日：2024-04-15
申请人： 北京科技大学 , 北京科技大学顺德创新学院
摘要： 本发明公开了一种基于骨架感知和拓扑错误识别的边缘图像分割方法及装置，属于图像处理技术领域，该方法包括：获取待分割图像及其标注图和预测图；利用标注图，筛选出预测图中的假阳结果和假阴结果；计算标注图和预测图的骨架信息；利用骨架信息从假阳结果和假阴结果中提取拓扑关键像素；构建边界矫正项损失，以对拓扑关键像素和非拓扑关键像素施加不同的惩罚；将边界矫正项损失与类别损失结合作为损失函数，对图像分割模型进行训练，优化图像分割模型的参数。本发明可解决现有技术中难以定位拓扑关键像素的问题，并通过在损失函数中增加拓扑关键像素的权值，提高了边界分割的准确性。
-
公开(公告)号：CN115272167A
公开(公告)日：2022-11-01
申请号：CN202210545711.1
申请日：2022-05-19
申请人： 北京科技大学 , 北京科技大学顺德研究生院
摘要： 本发明涉及一种跨模态图像生成和检测的方法及装置，属于图像处理和人工智能技术领域，能够实现跨模态生成医学影像，且完成目标检测；该方法包括：S1、获取两种以上模态的图像集并进行配准；S2、对图像集进行融合得到第一多模态融合图像；S3、利用第一多模态融合图像以及其对应的单模态图像对跨模态图像生成模型进行训练；S4、将第一多模态融合图像对应的单一模态图像输入跨模态图像生成模型中得到第二多模态融合图像；S5、将第二多模态融合图像和对应的第一多模态融合图像输入目标检测模型中进行训练；S6、对模型进行端到端调优，得到最终的跨模态图像生成模型和目标检测模型。
-
公开(公告)号：CN114972405B
公开(公告)日：2024-08-06
申请号：CN202210485822.8
申请日：2022-05-06
申请人： 北京科技大学顺德研究生院
IPC分类号： G06T7/194
摘要： 本发明公开了一种面向图像分割的损失函数加权方法及装置，所述方法包括：构建具有前景和背景标注的适用于图像分割任务的图像数据集；根据图像中前景和背景所占的像素比例计算类别损失项；根据图像中前景和背景的形态计算形态损失项；根据图像中前景和背景相对于关键前景目标的距离计算目标距离损失项；将类别损失项、形态损失项和目标距离损失项加权累加，得到权重图；将权重图与交叉熵损失函数结合，确定图像分割模型的预测结果的损失值；在训练过程中，采用梯度下降的方式约束图像分割模型关注关键前景目标位置。本发明可以驱使人工智能模型在训练过程中学习到图像中目标的形状特征，从而提高图像分割任务中对于关键前景目标位置的定位准确率。
-
公开(公告)号：CN116580188A
公开(公告)日：2023-08-11
申请号：CN202310284567.5
申请日：2023-03-22
申请人： 北京科技大学
摘要： 本发明涉及图像处理技术领域，特别是指一种基于多模态图像联邦分割的数据增广方法及系统，方法包括：汇总节点向每个参与节点下发控制信息对；各自构建初始模态生成分割网络模型；每个参与节点将本地样本图像、对应的真实标注以及控制信息对输入初始模态生成分割网络模型，得到中间网络参数；将中间网络参数传输至汇总节点，汇总节点对多个参与节点的中间网络参数进行联邦平均，得到合并网络参数，将合并网络参数回传给每个参与节点；迭代执行上述步骤，直到完成训练；每个参与节点根据训练好的模态生成分割网络模型生成多模态生成图像，进行数据增广。采用本发明，在保护各个参与方数据隐私的同时，提高图像联邦分割模型的准确度和泛化能力。
-
公开(公告)号：CN111696117B
公开(公告)日：2023-06-06
申请号：CN202010429250.2
申请日：2020-05-20
申请人： 北京科技大学
摘要： 本发明提供一种基于骨架感知的损失函数加权方法及装置，能够降低分割错误率。所述方法包括：根据图像的标注图，将图像前景分离成多个独立目标区域；提取各独立目标区域和图像背景的骨架，确定各独立目标区域内每个像素点至相应的独立目标区域骨架中最近骨架点的距离、各独立目标区域中每个骨架像素点至相应的独立目标区域边缘的最近距离、背景骨架上每个像素点至背景边缘的最近距离、背景内每个像素点至各独立目标区域边缘的最近距离；根据得到的距离，对所述前景中各独立目标区域内及背景中的每个像素点计算其权重值，形成基于骨架感知的权重图；将所述权重图与损失函数结合，优化基于机器学习方法的图像分割模型的参数。
-
公开(公告)号：CN114663369A
公开(公告)日：2022-06-24
申请号：CN202210228697.2
申请日：2022-03-08
摘要： 本发明提供了一种鼻咽癌医学影像低代价智能推理方法及装置，涉及图像处理及人工智能技术领域。包括：采集鼻咽癌医学影像；将鼻咽癌医学影像采用错切裁减方式获得局部图像集；将局部图像集送入人工智能模型进行推理获得局部图像集的分割结果；裁减局部图像集分割结果的核心区域拼合成最终分割结果。采用本发明，将核心区域裁剪方法与网络设计过程相剥离，去除了模型设计过程中的裁剪操作，使得网络模型的输出尺寸与输入尺寸相同，并将核心区域裁剪作为一种可以调节超参数的后处理操作，这种方法更进一步降低了输入图像的限制，扩增了深度模型对不同硬件资源上的适配能力。
-
公开(公告)号：CN111784595A
公开(公告)日：2020-10-16
申请号：CN202010525632.5
申请日：2020-06-10
申请人： 北京科技大学 , 中国人民解放军总医院海南医院
摘要： 本发明提供一种基于历史记录的动态标签平滑加权损失方法及装置，属于图像处理技术领域。所述方法包括：S1，为每个图像分别建立一个固定长度的历史队列，其中，历史队列中的初始值为相应图像真实的标签类别；S2，在机器学习模型每次迭代训练时，根据历史队列计算相应的图像属于真实类别和属于其他类别的权重，并将得到的权重与交叉熵函数相结合计算损失，以优化所述机器学习模型；S3，在每次迭代训练完成后，利用所述机器学习模型预测到的每个图像所属的类别更新相应的历史队列并返回S2继续迭代，直至训练完成。采用本发明，能够解决分类任务中因各类别间存在相似性而导致机器学习模型识别准确率低的问题。
-
公开(公告)号：CN109145260A
公开(公告)日：2019-01-04
申请号：CN201810975598.4
申请日：2018-08-24
申请人： 北京科技大学
摘要： 本发明提供一种文本信息自动提取方法，能够不断提高标记内容和标签自动提取的准确性。所述方法包括：获取用户上传的文本文件，将其转换为能用计算机逐字符分析的文档格式；对格式转换后的文档中的文本内容进行预处理，形成便于使用自然语言处理技术解析的多层次文本单元；捕捉用户选择的文本片段，基于形成的多层次文本单元，确定该文本片段对应的标记内容，并为每个标记内容推荐标签；基于确定的标记内容和为每个标记内容推荐的标签，采用在线学习的训练思想，训练文本自动提取模型，以实现标记内容和标签的自动提取。本发明适用于文本信息自动提取操作。
-
公开(公告)号：CN118096695A
公开(公告)日：2024-05-28
申请号：CN202410236789.4
申请日：2024-03-01
申请人： 北京科技大学
IPC分类号： G06T7/00 , G06V10/26 , G06V10/25 , G06V10/762 , G06V10/82
摘要： 本发明公开了一种面向钢材表面缺陷修磨的缺陷检测方法及装置，属于智能制造和图像分析技术领域，该方法包括：基于待进行缺陷修磨的钢材的图像，对待进行缺陷修磨的钢材的表面缺陷进行检测，得到第一钢材缺陷集；对第一钢材缺陷集中的缺陷数据按照形状和位置关系进行聚类，将可聚类的缺陷数据视为叠印缺陷，剔除叠印缺陷，得到第二钢材缺陷集；采用基于面积比的目标框聚合算法实现第二钢材缺陷集中邻近缺陷数据的聚合，得到第三钢材缺陷集；将第三钢材缺陷集中的缺陷数据的像素坐标转换为真实坐标，并将真实坐标发送给修磨机，以对缺陷进行修磨。采用本发明可提高钢坯缺陷识别和定位准确率，并聚合邻近钢材缺陷，最终提升钢材表面缺陷的修磨效率。
-
公开(公告)号：CN116630248A
公开(公告)日：2023-08-22
申请号：CN202310511546.2
申请日：2023-05-08
申请人： 北京科技大学
摘要： 本发明公开了一种排除析出相干扰的金相显微图像分析方法及装置，所述方法包括：基于预设晶界分割模型，获取金相材料显微图像的晶界分割结果；基于预设析出相分割模型，获取金相材料显微图像的析出相分割结果；基于所述晶界分割结果和所述析出相分割结果，筛选出将析出相误识别为晶粒的错分晶粒；对所述错分晶粒进行矫正，合成正确分割结果。采用本发明的金相显微图像分析方案，能够针对性地纠正金相图像分析任务中由于析出相遮挡晶粒边界而造成晶粒边界误判的问题，进一步提高后续材料微结构表征的准确度，可广泛应用于金属材料领域中的图像分析、材料评价等方面，具有广泛的应用前景。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.028 秒)
