-
公开(公告)号：CN117372701B
公开(公告)日：2024-03-12
申请号：CN202311667809.5
申请日：2023-12-07
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于Transformer的交互式图像分割方法，选取想要标注的图像，载入到交互式图像分割标注软件中；选择分割目标，根据用户点击行为生成点击记录，在对应位置生成点击标记；确认交互完成后，根据点击记录将其转换为圆盘图，作为相对应的正负点击指导再和原始掩码拼接，在与原图相加后作为分割模型输入；利用预训练分割模型对图像中的指定目标进行分割，返回初始的分割掩码；根据初始的分割掩码结果，选择添加合适的正负点击对错误区域进行再次标记；将新的标记再次送入分割模型，并返回修正后的结果。如此往复，对分割结果进行细化，以得到满意的结果。本发明能提高交互式图像分割标注性能，以更少的交互次数得到更好的分割结果。
-
公开(公告)号：CN117475155B
公开(公告)日：2024-04-02
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
公开(公告)号：CN117475519B
公开(公告)日：2024-03-12
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量#imgabs0#，生成相应的四个特征向量；特征向量#imgabs1#经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
公开(公告)号：CN117475519A
公开(公告)日：2024-01-30
申请号：CN202311797195.2
申请日：2023-12-26
Applicant: 厦门理工学院 , 厦门瑞为信息技术有限公司
Abstract: 本发明公开了基于孪生网络与多重通道融合的脱机笔迹鉴别方法，将两张输入的笔迹图片进行取反操作，获取其反灰度图片，包括参考图片、测试图片、参考图片的反灰度图片、测试图片的反灰度图片四张笔迹图片；将四张笔迹图片分别进入同一个网络模型提取图像特征向量 ，生成相应的四个特征向量；特征向量经过两次双重笔迹注意力，进行权重加权处理，得到特征向量Y；将四张笔迹图片经过图像处理的128维图片进行融合，融合有512维图片；将融合后的图片经过自注意力与卷积操作，进行判断；将输出的特征向量进行sigmoid操作，将其作为置信度用来判断两张输入图片是否为同一个人书写。
-
公开(公告)号：CN117475155A
公开(公告)日：2024-01-30
申请号：CN202311797890.9
申请日：2023-12-26
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。
-
Patent Agency Ranking
公开(公告)号：CN117372701A
公开(公告)日：2024-01-09
申请号：CN202311667809.5
申请日：2023-12-07
Applicant: 厦门瑞为信息技术有限公司 , 厦门理工学院
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开基于Transformer的交互式图像分割方法，选取想要标注的图像，载入到交互式图像分割标注软件中；选择分割目标，根据用户点击行为生成点击记录，在对应位置生成点击标记；确认交互完成后，根据点击记录将其转换为圆盘图，作为相对应的正负点击指导再和原始掩码拼接，在与原图相加后作为分割模型输入；利用预训练分割模型对图像中的指定目标进行分割，返回初始的分割掩码；根据初始的分割掩码结果，选择添加合适的正负点击对错误区域进行再次标记；将新的标记再次送入分割模型，并返回修正后的结果。如此往复，对分割结果进行细化，以得到满意的结果。本发明能提高交互式图像分割标注性能，以更少的交互次数得到更好的分割结果。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.048 seconds)
