-
Patent Agency Ranking
公开(公告)号：CN114333068B
公开(公告)日：2025-02-25
申请号：CN202111680833.3
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/084 , G06T7/246 , G06T7/269
Abstract: 本申请提供了一种训练方法及训练装置。所述方法包括：获取训练样本，所述训练样本为记录啮齿类动物运动的图像序列；将所述训练样本输入神经网络模型，得到所述啮齿类动物的姿态的识别结果，所述识别结果包括所述啮齿类动物的姿态中的关键点；根据所述啮齿类动物的姿态的识别结果，利用损失函数，使用梯度下降法对所述神经网络模型进行训练。其中，所述损失函数包括时间约束项，所述时间约束项用于约束所述啮齿类动物的姿态中的关键点在所述图像序列中的相邻图像帧之间的位置。根据上述方法训练的神经网络模型在进行小鼠等啮齿类动物的姿态识别时，能够有效避免识别结果在时域上的抖动现象。
-
公开(公告)号：CN114359802B
公开(公告)日：2024-07-05
申请号：CN202111680425.8
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本申请公开了一种处理图像序列的方法及装置。所述方法包括：利用第一神经网络对所述图像序列进行多次识别，其中，所述第一神经网络在所述多次识别中采用的模型参数不同；根据所述多次识别，确定所述第一神经网络对所述图像序列中的图像的识别结果；利用多种识别算法对所述图像序列进行多视角识别；根据所述多视角识别，确定所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性；根据所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性，从所述图像序列中选取第一图像集合，其中，所述第一图像集合中的图像的识别结果无需进行人工质检。
-
公开(公告)号：CN114359802A
公开(公告)日：2022-04-15
申请号：CN202111680425.8
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本申请公开了一种处理图像序列的方法及装置。所述方法包括：利用第一神经网络对所述图像序列进行多次识别，其中，所述第一神经网络在所述多次识别中采用的模型参数不同；根据所述多次识别，确定所述第一神经网络对所述图像序列中的图像的识别结果；利用多种识别算法对所述图像序列进行多视角识别；根据所述多视角识别，确定所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性；根据所述多种识别算法与所述第一神经网络对所述图像序列中的图像的识别结果的一致性，从所述图像序列中选取第一图像集合，其中，所述第一图像集合中的图像的识别结果无需进行人工质检。
-
公开(公告)号：CN114333068A
公开(公告)日：2022-04-12
申请号：CN202111680833.3
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246 , G06T7/269
Abstract: 本申请提供了一种训练方法及训练装置。所述方法包括：获取训练样本，所述训练样本为记录啮齿类动物运动的图像序列；将所述训练样本输入神经网络模型，得到所述啮齿类动物的姿态的识别结果，所述识别结果包括所述啮齿类动物的姿态中的关键点；根据所述啮齿类动物的姿态的识别结果，利用损失函数，使用梯度下降法对所述神经网络模型进行训练。其中，所述损失函数包括时间约束项，所述时间约束项用于约束所述啮齿类动物的姿态中的关键点在所述图像序列中的相邻图像帧之间的位置。根据上述方法训练的神经网络模型在进行小鼠等啮齿类动物的姿态识别时，能够有效避免识别结果在时域上的抖动现象。
-
公开(公告)号：CN114331900A
公开(公告)日：2022-04-12
申请号：CN202111663359.3
申请日：2021-12-30
Applicant: 南京景瑞康分子医药科技有限公司
Abstract: 本申请涉及图像处理技术领域，具体涉及一种视频去噪方法和视频去噪装置，以及计算机可读存储介质和电子设备，解决了显微视频去噪难度高，去噪效果差的问题。该视频去噪方法，通过获取视频去噪模型，其中，所述视频去噪模型基于待去噪视频对应的多个增噪视频和所述待去噪视频对初始网络模型进行训练得到，利用所述视频去噪模型，基于待去噪视频生成所述待去噪视频对应的降噪视频，从而使初始网络模型能够在训练中学习到待去噪视频的噪声信息，以使生成的视频去噪模型能够准确的对待去噪视频进行去噪，因此，利用视频去噪模型生成的待去噪视频对应的降噪视频更加准确。
-
-
-
-
Search Results
5
records
(took 0.033 seconds)
