公开(公告)号：CN116010801A

公开(公告)日：2023-04-25

申请号：CN202211658178.6

申请日：2022-12-22

Applicant: 厦门大学

Inventor： 刘洪金 ,  俞容山 ,  肖旭 ,  林雅婷

IPC: G06F18/213 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种t‑SNE降维优化方法，包括以下步骤：S1、搭建分布式训练环境；S2、读取高维数据文件，并对其进行预处理；S3、随机采样部分预处理后的数据当作训练集，计算训练集的t‑SNE结果并将其作为标签；S4、搭建神经网络模型，并进行分布式训练；S5、采用训练后的神经网络模型预测步骤S3未采样的预处理后的数据，再将预测结果进行可视化；本发明将深度学习和大数据处理进行结合，能够分布式训练神经网络模型，可缩短t‑SNE的计算时间，并且有着处理大型数据集的能力。

公开(公告)号：CN115937586A

公开(公告)日：2023-04-07

申请号：CN202211567341.8

申请日：2022-12-07

Applicant: 厦门大学

Inventor： 李豪 ,  俞容山 ,  林雅婷 ,  肖旭

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于CLIP的开集类器官定位识别方法，包括以下步骤：S1、获取类器官数据，并对其进行预处理；S2、基于CLIP模型搭建端到端的定位识别模型；S3、将预处理后的类器官数据送入定位识别模型中进行推理；S4、将推理结果还原至原图像上，再进行非极大值抑制处理，实现类器官的定位识别；本发明将CLIP模型引入类器官定位识别任务中，使得原有的Faster‑RCNN定位识别模型在保留端到端、高精度等优点的前提下，在训练及推理阶段不需要人为的特异化设计，可兼顾模型性能，提升算法效率，可以在保证对于已知类别数据的定位识别性能的同时，对未知类别数据也具有一定的定位识别能力，即有助于新型类别的定位识别，提高了模型的泛化能力。