-
Patent Agency Ranking
公开(公告)号：CN112767277B
公开(公告)日：2022-06-07
申请号：CN202110107628.1
申请日：2021-01-27
Applicant: 同济大学
Abstract: 本发明公开了一种基于参考图像的深度特征排序去模糊方法。现有去模糊方法只应用于模糊图像，难以恢复结构及细节信息，本发明引入参考图像，利用参考图像中清晰的结构信息和丰富的细节信息辅助于去模糊过程得到潜在清晰图像。首先，将模糊图像和参考图像转变为对应特征空间的特征图，并计算参考图像特征中每一个元素与模糊图像特征的相关性；然后，该相关性特征图分别通过浅层神经网络与最大池化，对相关性特征图排序，其中，排序在前的特征图表示参考图像与模糊图像相关性强，反之亦然；最后，将排序后的特征图选取固定数量的特征图用于特征重建并将特征空间的特征图转化为图像空间的图像，得到潜在清晰图像。
-
公开(公告)号：CN114170426A
公开(公告)日：2022-03-11
申请号：CN202111310276.6
申请日：2021-11-04
Applicant: 同济大学
Abstract: 本发明公开了一种基于代价敏感的稀有肿瘤类别小样本分类的算法模型。现有的小样本学习方法大都忽略了特征空间的特殊性与迁移性，本发明则重点关注于此，构建的特征存储与筛选模块让前一阶段预训练中的特征能被后一阶段的元学习充分利用。首先，构建一个传统的深度学习神经网络进行预训练，对类似任务的非稀有类别数据集进行学习，冻结预训练模型的参数并存储预训练样本中每个类别的特征原型以及特征方差。接下来，通过Transformer编码当前特征与上一阶段选择出来的类别原型之间的关系，进而生成基于当前特征的新特征用于小样本分类器的分类。并在元学习过程中引入了可学习的代价敏感函数，从而使网络对稀有类别的样本更加具有敏感性。
-
公开(公告)号：CN112767277A
公开(公告)日：2021-05-07
申请号：CN202110107628.1
申请日：2021-01-27
Applicant: 同济大学
Abstract: 本发明公开了一种基于参考图像的深度特征排序去模糊方法。现有去模糊方法只应用于模糊图像，难以恢复结构及细节信息，本发明引入参考图像，利用参考图像中清晰的结构信息和丰富的细节信息辅助于去模糊过程得到潜在清晰图像。首先，将模糊图像和参考图像转变为对应特征空间的特征图，并计算参考图像特征中每一个元素与模糊图像特征的相关性；然后，该相关性特征图分别通过浅层神经网络与最大池化，对相关性特征图排序，其中，排序在前的特征图表示参考图像与模糊图像相关性强，反之亦然；最后，将排序后的特征图选取固定数量的特征图用于特征重建并将特征空间的特征图转化为图像空间的图像，得到潜在清晰图像。
-
公开(公告)号：CN114170426B
公开(公告)日：2025-03-21
申请号：CN202111310276.6
申请日：2021-11-04
Applicant: 同济大学
IPC: G06F17/40 , G06V10/40 , G06V10/764 , G06V10/82 , G16H30/20
Abstract: 本发明公开了一种基于代价敏感的稀有肿瘤类别小样本分类的方法。现有的小样本学习方法大都忽略了特征空间的特殊性与迁移性，本发明则重点关注于此，构建的特征存储与筛选模块让前一阶段预训练中的特征能被后一阶段的元学习充分利用。首先，构建一个传统的深度学习神经网络进行预训练，对类似任务的非稀有类别数据集进行学习，冻结预训练模型的参数并存储预训练样本中每个类别的特征原型以及特征方差。接下来，通过Transformer编码当前特征与上一阶段选择出来的类别原型之间的关系，进而生成基于当前特征的新特征用于小样本分类器的分类。并在元学习过程中引入了可学习的代价敏感函数，从而使网络对稀有类别的样本更加具有敏感性。
-
公开(公告)号：CN208676417U
公开(公告)日：2019-04-02
申请号：CN201820092235.1
申请日：2018-01-19
Applicant: 同济大学
IPC: A41D19/015 , A41D31/00 , A41D31/14 , A41D31/28
Abstract: 本实用新型涉及一种防治鼠标手的手套，包括手套本体，所述手套本体包括手掌部和手腕部，所述手掌部在掌关节处设有两个掌部垫块，所述手腕部在腕关节处设有一个腕部垫块，通过在手套的手掌部和手腕部设置一层垫块，避免在使用电脑或者鼠标时牵拉腕管内的肌腱使其处于高张力状态，缓冲腕管受到的压迫，垫起高度减小了腕关节背屈角度，避免手部劳损。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
