-
公开(公告)号：CN113628197A
公开(公告)日：2021-11-09
申请号：CN202110948082.2
申请日：2021-08-18
Applicant: 哈尔滨理工大学
Abstract: 一种基于对比学习的弱监督全切片组织病理图像分类方法，本发明涉及对比学习技术和弱监督分类技术。为了解决在仅有图像级标注的情况下对全切片组织病理图像分类准确率低的问题。全切片组织图像尺寸十分巨大，基于深度神经网络的全切片病理图像分类方法效果显著。但此类方法需要专业病理医生手动标注近10亿像素的全切片图像，获取精确标注数据的成本十分高昂。因此，本发明提出了一种基于对比学习的弱监督全切片图像分类方法，用于在仅有图像级标注的情况下对全切片组织病理图像分类。实验表明，在标注不足的情况下，该方法能够对全切片组织病理图像有效分类。本发明主要应用于弱监督情况下的全切片组织病理图像分类。
-
公开(公告)号：CN113409254A
公开(公告)日：2021-09-17
申请号：CN202110624234.3
申请日：2021-06-04
Applicant: 哈尔滨理工大学
Abstract: 一种针对模糊成像环境的印刷品缺陷检测方法，本发明涉及印刷品缺陷检测技术。为了解决缺陷检测任务中复杂环境和镜头畸变所导致的误检和漏检问题。基于机器视觉的表面缺陷检测技术被广泛应用，然而高精度的印刷产品表面缺陷检测依赖于高质量的图像。在目标快速移动、相机摇晃、失焦等影响下，相机捕捉的图像会有一定程度的模糊和失真，从根本上阻碍了印刷品缺陷检测精度的提升。本发明提出一种针对模糊成像环境的印刷品缺陷检测方法。实验表明，该方法可以有效地提升图像的清晰度和缺陷检测的鲁棒性，减少复杂环境和镜头畸变所导致的误检和漏检情况。本发明主要应用于模糊成像环境的印刷品缺陷检测。
-
公开(公告)号：CN113409254B
公开(公告)日：2022-06-07
申请号：CN202110624234.3
申请日：2021-06-04
Applicant: 哈尔滨理工大学
Abstract: 一种针对模糊成像环境的印刷品缺陷检测方法，本发明涉及印刷品缺陷检测技术。为了解决缺陷检测任务中复杂环境和镜头畸变所导致的误检和漏检问题。基于机器视觉的表面缺陷检测技术被广泛应用，然而高精度的印刷产品表面缺陷检测依赖于高质量的图像。在目标快速移动、相机摇晃、失焦等影响下，相机捕捉的图像会有一定程度的模糊和失真，从根本上阻碍了印刷品缺陷检测精度的提升。本发明提出一种针对模糊成像环境的印刷品缺陷检测方法。实验表明，该方法可以有效地提升图像的清晰度和缺陷检测的鲁棒性，减少复杂环境和镜头畸变所导致的误检和漏检情况。本发明主要应用于模糊成像环境的印刷品缺陷检测。
-
-
Search Results
3
records
(took 0.028 seconds)
