-
公开(公告)号：CN120047459A
公开(公告)日：2025-05-27
申请号：CN202510535439.2
申请日：2025-04-27
Applicant: 厦门理工学院
IPC: G06T7/10 , G06T5/50 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06T9/00
Abstract: 本发明提供的基于变分混合专家模型的医学图像自动分割方法及装置，涉及医学图像处理技术领域。本发明通过获取三维医学图像，并输入U‑Net编码器进行多层级卷积、下采样特征提取、自适应字典增强操作，生成每一级增强特征图；将最后一级的增强特征图输入变分混合专家模块进行共享特征提取，并与多个专家模型的动态路由选择结果输出融合，生成融合特征；将融合特征结合最后一级的增强特征图输入U‑Net解码器进行上采样操作，并逐级拼接上采样的输出与当前层级的增强特征图以恢复图像的空间分辨率，得到解码融合特征；将解码融合特征输入单通道卷积层，输出分割结果。本发明有效提升了医学图像分割的准确性、鲁棒性以及对多模态医学图像的适应能力。
-
公开(公告)号：CN119943357A
公开(公告)日：2025-05-06
申请号：CN202510420935.3
申请日：2025-04-07
Applicant: 厦门理工学院
IPC: G16H50/20 , G16H50/30 , G16H50/70 , G16H40/67 , G06N5/022 , G06N3/098 , G06N3/096 , G06N3/09 , G06N3/045 , G06N3/0464 , G06F18/25 , G06F18/2415 , G06F18/2431 , G06F16/41 , G06F16/45 , G06F16/483
Abstract: 本发明提供的基于知识缓存与个性化联邦学习的诊断预测装置及系统，涉及模型学习与医学影像诊断领域。本发明通过接收多个客户端上传的医学样本索引信息，构建动态知识缓存；根据医学样本索引信息创建标签到索引、索引到哈希值的索引关系映射表；初始化每个医学样本并建立每个医学样本与R个最相似样本的索引关系映射；接收各客户端上传的类别概率向量及其索引，更新知识缓存；然后更新索引关系映射表，并检索R个最相似样本的知识向量；采用加权平均方法生成综合知识表示；将综合知识表示分发至各客户端进行个性化联邦学习；训练好的各客户端模型用于医学诊断预测。本发明解决了通信成本高、模型结构兼容性差及公共数据集获取困难的问题。
-
公开(公告)号：CN119204096B
公开(公告)日：2025-02-21
申请号：CN202411707990.2
申请日：2024-11-27
Applicant: 厦门理工学院
IPC: G06N3/042 , G06N3/084 , G06F18/214 , G06F18/2415
Abstract: 本发明提供的一种基于稀疏与远邻节点增强的图表示学习方法，涉及数据增强技术领域。本发明根据获取的待增强的图结构数据集，得到初始节点特征矩阵、邻接矩阵与原始分类标签，并划分训练集与测试集；利用特征增强技术对训练集的节点特征进行强化，得到稀疏增强图结构数据集；然后结合节点混合技术，通过对类内节点和类间节点进行特征和分类标签的混合，以增加远邻节点的可达性，得到远邻增强图结构数据集；将远邻增强图结构数据集输入图神经网络模型进行图表示学习与训练，从而得到最优的节点表示与训练好的图表示学习模型；最后经模型测试评估，得到评估好的模型。本发明解决了传统图神经网络在处理稀疏节点和远邻节点信息聚合时的不足。
-
公开(公告)号：CN118918298B
公开(公告)日：2025-01-10
申请号：CN202411411644.X
申请日：2024-10-11
Applicant: 厦门理工学院
Abstract: 本发明提供了基于球面几何的点云转移攻击方法、装置、设备及介质，涉及点云攻击技术领域，利用球面大地测量距离和配对向量之间的角度生成扰动。通过流形变换，将点云从欧几里得空间映射到球面空间，并计算球面上最近的大地测量距离，从而获得弯曲点对的几何位置。随后，通过学习正负角度偏移生成两个子扰动，控制成对矢量的角度变化以增强扰动多样性。旨在解决解决模型的可移植性较弱的问题。
-
公开(公告)号：CN118378621B
公开(公告)日：2024-11-22
申请号：CN202410808562.2
申请日：2024-06-21
Applicant: 厦门理工学院
IPC: G06F40/279 , G06F40/30 , G06F40/284 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种基于多样特征生成的零样本汉字识别方法，解析汉字的部首组成获取表意描述序列；对表意描述序列进行混合语义嵌入获得多语义向量；对已见类汉字图像进行特征提取获取真实特征；构建特征生成网络学习多语义向量到真实特征的映射；通过已见类训练集进行训练后通过多种未见类语义向量生成未见类特征；利用未见类特征结合已见类训练集的特征共同训练识别模型使其具备识别已见类和未见类汉字能力。本发明通过混合语义嵌入提供多种语义来生成训练样本，有助于缓解合成特征的域迁移问题和特征混淆问题，提高特征生成的泛化能力和鲁棒性；通过为识别模型提供高质量的未见类特征，缓解零样本汉字识别的偏倚问题，提高了未见汉字的识别能力。
-
Patent Agency Ranking
公开(公告)号：CN118898847A
公开(公告)日：2024-11-05
申请号：CN202411390566.X
申请日：2024-10-08
Applicant: 厦门理工学院
IPC: G06V30/16 , G06V30/18 , G06V10/82 , G06N3/0464
Abstract: 本发明提出一种基于注意力导向细节修复的文档图像阴影去除方法，包括以下步骤；步骤S1、利用YCbCr颜色空间变换和亮度信息生成阴影注意力图作为标签，以识别阴影区域；步骤S2、通过阴影注意力生成子网络，采用多尺度大核注意力机制，提取阴影特征，获得最优注意力图；步骤S3、对所述最优注意力图和阴影特征进行动态融合；步骤S4、通过细节细化子网络，采用轻量级空间通道卷积计算并恢复图像细节；步骤S5、基于损失函数，通过端到端训练优化网络参数；步骤S6、使用训练完成的网络对文档图像进行阴影去除处理。旨在有效去除文档图像中的复杂阴影，同时保留图像细节，并以较低的计算复杂度实现。
-
公开(公告)号：CN118471253B
公开(公告)日：2024-10-11
申请号：CN202410917115.0
申请日：2024-07-10
Applicant: 厦门理工学院
Abstract: 本发明提供了基于音高调制的音频稀疏对抗攻击方法、装置、设备及介质，包括：进行音调移位，将输入音频进行音调移位，以改变音频的频率并引发ASR系统的初步误识别；使用语音活动检测识别音频中的活跃语音片段，生成二进制掩码以标识这些片段；进行稀疏噪声生成；将优化后的扰动向量与掩码向量相结合，生成最终的对抗性音频样本，使其能够有效攻击ASR系统并且难以被人耳察觉。本发明实现了在保持对抗性音频可听性的同时，简化攻击过程并提高了对抗性噪声的隐蔽性和有效性。
-
公开(公告)号：CN118379501B
公开(公告)日：2024-08-30
申请号：CN202410805765.6
申请日：2024-06-21
Applicant: 厦门理工学院
Abstract: 本发明提供了大脑动脉环多模态分割中时间语义一致性确保方法、装置，本方法首先，通过引入跨时间对齐和注意力机制，有效整合多模态数据，提高了分割结果的准确性和鲁棒性；其次，开发了时间对齐模块（TAM）和跨时间跨模态注意力模块（CCAM），确保对治疗效果的准确评估；再次，引入了Laplacian Enhanced Fourier Encoder（LEFE），显著提升了对细小和复杂血管结构的检测和分割能力；最后，设计了一种新的损失函数，强制不同模态下的语义一致性，提高了跨模态数据处理的一致性和准确性。
-
公开(公告)号：CN118246070B
公开(公告)日：2024-08-06
申请号：CN202410670082.4
申请日：2024-05-28
Applicant: 厦门理工学院
IPC: G06F21/62 , G06V10/764 , G06V10/82 , G06N3/0475 , G06N3/094
Abstract: 本发明提供一种基于灰度不变性的双阶段集成可逆对抗攻击方法、装置、设备和介质，涉及图像对抗处理技术领域。其包含步骤S1至步骤S4以根据初始图像生成可逆对抗攻击样本。S1、获取初始图像。S2、通过动量迭代快速梯度攻击法和梯度量化二进制编码对所述初始图像进行白盒攻击，获取第一扰动信息和第一对抗攻击样本。S3、对所述第一对抗攻击样本进行黑盒攻击，对未能成功攻击目标网络的部分样本，采用阈值信息超像素攻击进一步调整扰动，获取第二扰动信息和第二对抗攻击样本。S4、将所述第二扰动信息的扰动矩阵编码为二进制信息流，然后使用可逆数据隐藏技术RDH将所述二进制信息流嵌入所述第二对抗攻击样本，获得最终的双阶段集成可逆对抗攻击样本。
-
公开(公告)号：CN117853945A
公开(公告)日：2024-04-09
申请号：CN202410037867.8
申请日：2024-01-10
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于多源信息融合的遥感图像语义分割方法（即MSGFormer）。具体来说MSGFormer包含三个模块首先，MSG(多尺度自注意全局特征融合)，通过多尺度卷积将不同大小感受野的特征图通过自注意卷积去除冗余特征，获得长距离依赖关系集成到每个解码器阶段。其次PA(坐标注意力)有效解决了类别之间的位置联系；最后提取解码器的低级语义信息(CNN_Stem)作为支流注入解码器上采样最后一层中作为细节分割补充。本发明方法在两个公开的基准数据集上优于当前最先进的算法。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.024 seconds)
