-
公开(公告)号：CN119672512A
公开(公告)日：2025-03-21
申请号：CN202311216474.5
申请日：2023-09-20
Applicant: 四川大学
IPC: G06V20/10 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种基于YOLOv7的遥感少样本目标检测方法。整个训练流程分为两个阶段，首先，使用YOLOv7网络对丰富的基类数据进行训练，获得一个对基类检测性能良好的模型。其次，使用前一个阶段获得的模型，按照K‑shot范式，并经过添加偏差模块的YOLOv7网络，对新类数据进行训练，最终获得既能保留对基类的良好检测效果，也能对新类检测的模型。本发明主要应用于遥感视频监控智能分析应用系统中，在其高效的检测速度的优势下，在军事、农业、航空等领域具有广阔的应用前景。
-
公开(公告)号：CN119648523A
公开(公告)日：2025-03-18
申请号：CN202311183243.9
申请日：2023-09-14
Applicant: 四川大学 , 遂宁立讯精密工业有限公司
IPC: G06T3/4053 , G06T3/4007 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于局部特征的任意尺度图像超分辨率重建方法。本发明设计了两个高效的即插即用模块，可以与现有的固定尺度超分辨率网络相结合，以实现任意尺度的超分辨率任务。其中，尺度感知特征自适应模块(SLFAM)通过生成尺度感知特征自适应动态卷积核来解决特征提取过程中对尺度和图像局部结构缺乏适应性的问题；局部特征自适应上采样模块(LFAUM)在上采样重建过程中将尺度信息、投影位置坐标、局部特征和感受野偏移等多种信息融合生成可变形上采样卷积核，实现任意尺度上采样重建的功能。本发明主要应用于图像超分辨率重建技术领域，在遥感卫星图像、医学图像、安防监控等领域中具有广阔的应用前景。
-
公开(公告)号：CN119295907A
公开(公告)日：2025-01-10
申请号：CN202310836586.4
申请日：2023-07-10
Applicant: 四川大学 , 成都西图科技有限公司
Abstract: 本发明公开了一种适用双时相遥感图像的深度神经网络变化检测方法。主要包括以下步骤：在特征提取层，构建引入坐标注意力的金字塔时空注意力模块；根据前一步骤得到的金字塔时空注意力模块，构建上采样层；根据第一个步骤得到的金字塔时空注意力模块和第二个步骤得到的上采样层，构建网络输出层，得到一种适用双时相遥感图像的变化检测深度神经网络模型；用训练数据集，引入深监督机制设计损失函数组合来训练第三个步骤构建的深度神经网络模型；双时相遥感图像输入到步骤四训练好的深度神经网络模型得到变化检测特征图像。本发明在遥感图像变化的变化检测中效果良好，是一种有效的双时相遥感图像的深度神经网络变化检测方法。
-
公开(公告)号：CN119174588A
公开(公告)日：2024-12-24
申请号：CN202310730953.2
申请日：2023-06-20
IPC: A61B5/00 , A61B5/055 , A61B6/03 , A61B6/00 , G06V10/764 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G16H50/20
Abstract: 本发明公开了一种基于多模态影像特征融合的阿尔茨海默病分类方法，用于对阿尔茨海默病的辅助诊断。首先，对大脑sMRI和PET影像数据进行预处理，提取sMRI灰质组织。其次，将sMRI灰质和PET两种影像分别送入多模态网络中的两个子残差网络进行特征提取和特征融合，并采用空间金字塔池化对融合后的特征作用。最后，两个子网络通过非共享参数的训练方式分别学习多模态影像的各自特征，再由全连接和softmax层输出预测结果。结合深度学习方法和脑影像的特点，本发明通过对多模态特征的有效融合实现了更显著的诊断性能，相对于两种单模态的诊断性能都有进一步的提升，在阿尔茨海默病的辅助诊断方面具有一定的应用前景。
-
公开(公告)号：CN119091030A
公开(公告)日：2024-12-06
申请号：CN202310621709.2
申请日：2023-05-30
Applicant: 四川大学 , 成都西图科技有限公司
IPC: G06T17/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06T3/04
Abstract: 本发明公开了基于深度生成模型的颗粒状多孔介质图像三维重建方法，主要包括如下步骤：对二值颗粒状多孔介质CT序列图像进行预处理，构建实验数据集；设计基于变分自编码器和生成对抗网络的二维图像重建三维图像的网络结构；设计基于模式分布的约束函数，以约束重建图像的形态特征；设计编码器损失函数，以提取二维图像的特征信息；设计GAN损失函数，使生成结果接近真实图像的统计和形态特征；基于上述的数据集、网络和损失函数，进行网络的训练，直到重建结果符合真实预期，获得图像三维重建的模型，基于该模型完成二维颗粒状多孔介质图像的三维重建。本发明可以准确快速地对二维图像进行三维重建，在石油地质等领域有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN117876575A
公开(公告)日：2024-04-12
申请号：CN202211239554.8
申请日：2022-10-11
Applicant: 四川大学
IPC: G06T17/00 , G06V10/74 , G06V10/772
Abstract: 本发明公开了一种岩心图像三维重建方法，主要包括以下步骤：(1)利用岩心三维结构建立字典并计算结构参数；(2)利用参考图像及下采样图像构建图像金字塔；(3)依据结构距离度量公式计算图像金字塔中图像和字典中结构参数的距离，选择距离最小的图像用逐层重建方法进行结构信息重建；(4)将已重建结构上采样为空洞结构并将底层替换为金字塔上一级图像；(5)以固定大小模板光栅路径扫描空洞结构；对扫描到的待重建区域，依据细节信息相似性度量公式在字典中选择距离最小的元素放到当前待重建区域，直至重建结束；(6)重复步骤(4)～(5)直至重建三维结构底层为参考图像。通过本发明能够重建较大尺寸图像，并有较好的精度和速度。
-
公开(公告)号：CN117197883A
公开(公告)日：2023-12-08
申请号：CN202210585517.6
申请日：2022-05-27
Applicant: 四川大学
IPC: G06V40/20 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , A61B5/00 , A61B5/11
Abstract: 本发明公开了一种基于步态特征的老年认知障碍等级分类方法。包括以下步骤：首先，在实例分割网络BlendMask的基础上结合BottleneckTransformer和CoordConv结构，构建新的实例分割网络C‑BlendMask，并应用于自建数据集。其次，结合残差结构和联合训练损失函数构建步态识别网络Res‑GaitSet，用于提取自建数据集的步态特征。最后，构建共享滤波器的分类网络用于自建数据集的步态特征分类，以此对老年患者的认知障碍等级进行初步的评估。相比现有技术，本发明所提方法在快速识别老年认知障碍等级的同时不对患者产生影响，在步态识别、老年人健康监测等方面具有广阔的应用前景。
-
公开(公告)号：CN117173521A
公开(公告)日：2023-12-05
申请号：CN202210585223.3
申请日：2022-05-27
Applicant: 四川大学
IPC: G06V10/80 , G06V10/77 , G06V10/764 , G06V10/82 , G06T7/00
Abstract: 本发明公开了一种基于残差通道注意力的细粒度脑肿瘤分类方法。该方法引入了残差通道注意力模块结合细粒度网络进行训练。首先通过残差通道注意力网络获取注意力图像，同时采用注意力剪裁和注意力丢弃的方式增强脑肿瘤图像，将原图和增强后的脑肿瘤图像全部作为输入信息进行训练学习；接着利用双线性注意池化算法融合特征图像和注意力图像输出部分特征图，再使用池化操作对这些部分的特征图进行降维处理；最后，获得特征矩阵，作为整个网络线性分类层的输入信息。本方法在医学图像方向，脑肿瘤分类领域具有广阔的应用前景。
-
公开(公告)号：CN116978540A
公开(公告)日：2023-10-31
申请号：CN202210420649.3
申请日：2022-04-21
Abstract: 本发明公开一种基于多粒度嵌入的多尺度交互的中文医学问答方法研究。中文医学问答模型可大致分为输入表示层、上下文感知交互层、多视角融合层和答案预测层等四个模块，各个模块之间相互关联，紧密结合。在先前中文医学问答模型的基础上，本发明提出了基于多粒度嵌入的多尺度上下文感知交互的新型中文医学问答模型，以手动构建的问答对为数据基础，设计一个高效的序列匹配模型为核心，通过损失函数约束来进行模型训练，最终完成答案的预测。本发明基于先进的人工智能技术，结合医学背景的特点和实际应用的需求，设计了一个先进的中文医学问答匹配模型。本发明的方法在医学智能问诊，导诊，预问诊等方面均有广阔的应用前景。
-
公开(公告)号：CN113947535B
公开(公告)日：2023-10-13
申请号：CN202010694542.9
申请日：2020-07-17
Applicant: 四川大学
IPC: G06T5/00
Abstract: 本发明提出一种基于光照分量优化的低照度图像增强方法。首先通过对低照度原图使用max‑RGB模型估计初始光照分量，对初始光照分量使用奇异值分解和引导滤波进行优化，得到最终光照图。根据Retinex理论，将低照度原图和最终光照图逐点相除，并利用低照度原图RGB三通道中的G通道对得到的图像进行引导滤波去除噪声。由于结合了奇异值分解和引导滤波，从而能更加精准地估计出光照分量，提高了增强后图片的主观视觉效果和各项客观指标。在多次图像增强的实验中验证了方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
393
records
(took 0.027 seconds)
