-
公开(公告)号：CN115762808A
公开(公告)日：2023-03-07
申请号：CN202211466376.2
申请日：2022-11-22
Applicant: 山东纬横数据科技有限公司 , 烟台毓璜顶医院
Abstract: 本发明涉及一种呼吸道疾病临床辅助决策系统，包括：数据采集模块、智能决策模块和若干个信息采集模块；所述数据采集模块用于获取时间序列环境信息；任一所述信息采集模块用于将基本信息发送至所述智能决策模块；所述智能决策模块用于基于所述时间序列环境信息和所述基本信息得到辅助诊断信息；所述智能决策模块还用于根据所述时间序列环境信息得到预测环境信息；所述智能决策模块根据所述预测环境信息和所述辅助诊断信息，结合知识图谱，得到辅助用药信息。本发明能辅助医生对呼吸道疾病患者给出快速准确的诊断和治疗方案，提升医生的诊断能力及效率。
-
公开(公告)号：CN116385890A
公开(公告)日：2023-07-04
申请号：CN202210905706.7
申请日：2022-07-29
Applicant: 大连理工大学 , 辽宁师范大学 , 山东纬横数据科技有限公司 , 中国船舶集团有限公司第七0九研究所
IPC: G06V20/13 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明属于图像信息处理技术领域，公开了一种特征分而治之的遥感图像目标识别方法。本方法在将特征学习与分类学习解耦的基础上，首先将多数类和少数类的特征空间分离，再在各自的特征空间中学习具体的类边界，以“分而治之”的方式降低多数类和少数类之间的相互影响。本方法也可以直接嵌入到其他受长尾问题影响的与分类相关的视觉任务中，并且可以起到良好的分类效果。同时本方法对于其他分类有关的视觉任务都具有良好的泛化性，可以作为长尾问题的一种有效的解决方案。
-
公开(公告)号：CN115222600A
公开(公告)日：2022-10-21
申请号：CN202210904585.4
申请日：2022-07-29
Applicant: 大连理工大学 , 辽宁师范大学 , 山东纬横数据科技有限公司 , 中国船舶集团有限公司第七0九研究所
Abstract: 本发明属于计算机视觉的图像处理领域，公开了一种本发明的对比学习多光谱图像超分辨重建方法。该方法的模型分为两个部分：教师模型部分和学生模型部分。教师模型用于输出遥感图像的细节特征，以便给学生模型作为监督，使学生模型能够得到图像的细节信息，从而增加图像的分辨率。此外，在学生模型中增加对比学习模块，将最终输出与真值高分辨图像作为正样本对，将输出与原始输入作为负样本对，使输出更接近高分辨率图像。本发明利用对比学习以及超分辨重建的方法，实现了低分辨率遥感图像转化为高分辨率的清晰遥感图像。同时本方法对于其他图像质量提升有关的视觉任务都具有良好的泛化性，可以作为图像质量提升问题的一种有效的解决方案。
-
公开(公告)号：CN117237720B
公开(公告)日：2024-04-12
申请号：CN202311201932.8
申请日：2023-09-18
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/045 , G06N3/08 , G06F17/11
Abstract: 本发明属于图像信息处理技术领域，公开一种基于强化学习的标签噪声矫正图像分类方法。基于强化学习的标签噪声矫正图像分类方法，通过含有噪声标签的数据集和一个干净数据集训练分类网络，利用强化学习算法得到噪声转移矩阵；本发明利用强化学习的思想，通过策略网络和分类网络进行交互，并从小型干净的数据集上获得奖励，从而得到最优的噪声转移矩阵。根据预测的噪声转移矩阵，通过损失矫正的方法来改善网络在含有标签噪声数据集上训练的分类性能。本发明的方法能够提高网络的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN116912593B
公开(公告)日：2024-01-23
申请号：CN202310950762.7
申请日：2023-07-31
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/094 , G06N3/09
Abstract: 本发明属于计算机视觉图像处理技术领域，公开了一种域对抗的遥感图像目标分类方法。通过多种遥感图像数据集以及训练损失训练域编码器和域分类器；输入某个域样本至类别编码器，输入同类别的另一域样本至域编码器中；固定域编码器、域分类器和生成器，通过分类损失、对抗损失和数据增强损失训练类别编码器和分类器。通过第一步训练，训练出好的域编码器和域分类器，为第二步训练提供辅助训练网络；第二步训练通过第一步训练好的域分类器与类别编码器进行对抗，提升类别编码器的域泛化效果，再通过第一步训练好的域编码器充分解耦出域特征的特点，通过数据增强的训练方式使类别
-
公开(公告)号：CN117237720A
公开(公告)日：2023-12-15
申请号：CN202311201932.8
申请日：2023-09-18
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/092 , G06N3/048 , G06N3/045 , G06N3/08 , G06F17/11
Abstract: 本发明属于图像信息处理技术领域，公开一种基于强化学习的标签噪声矫正图像分类方法。基于强化学习的标签噪声矫正图像分类方法，通过含有噪声标签的数据集和一个干净数据集训练分类网络，利用强化学习算法得到噪声转移矩阵；本发明利用强化学习的思想，通过策略网络和分类网络进行交互，并从小型干净的数据集上获得奖励，从而得到最优的噪声转移矩阵。根据预测的噪声转移矩阵，通过损失矫正的方法来改善网络在含有标签噪声数据集上训练的分类性能。本发明的方法能够提高网络的分类准确率。
-
公开(公告)号：CN117011763A
公开(公告)日：2023-11-07
申请号：CN202310866413.7
申请日：2023-07-14
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V20/40 , G06V10/82 , G06N3/0464 , G06V10/86 , G06V10/764
Abstract: 本发明属于视频信息处理技术领域，提出一种音视频跨模态特征表达的目标行为感知方法。该方法基于目标行为感知网络模型实现，其包括视频特征提取网络、跨模态信息融合网络和分类器。将视频数据进行空间降维后利用变换操作将信息模式转化为与音频类似的频率表示，消除了两种模态间存在的维度差异与表述差异；在此基础之上采用中间融合与后期融合相结合的方式进行音视频结合，提升跨模态信息融合效果。本方法可以简单拓展应用于其他需要借助音视频融合信息的任务中，有效解决了音频与视频的差异对于模态融合产生的影响。
-
公开(公告)号：CN116912593A
公开(公告)日：2023-10-20
申请号：CN202310950762.7
申请日：2023-07-31
Applicant: 大连理工大学 , 山东纬横数据科技有限公司
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06N3/094 , G06N3/09
Abstract: 本发明属于计算机视觉图像处理技术领域，公开了一种域对抗的遥感图像目标分类方法。通过多种遥感图像数据集以及训练损失训练域编码器和域分类器；输入某个域样本至类别编码器，输入同类别的另一域样本至域编码器中；固定域编码器、域分类器和生成器，通过分类损失、对抗损失和数据增强损失训练类别编码器和分类器。通过第一步训练，训练出好的域编码器和域分类器，为第二步训练提供辅助训练网络；第二步训练通过第一步训练好的域分类器与类别编码器进行对抗，提升类别编码器的域泛化效果，再通过第一步训练好的域编码器充分解耦出域特征的特点，通过数据增强的训练方式使类别编码器充分解耦出类别特征，进一步提升泛化能力。
-
公开(公告)号：CN115222600B
公开(公告)日：2023-04-07
申请号：CN202210904585.4
申请日：2022-07-29
Applicant: 大连理工大学 , 辽宁师范大学 , 山东纬横数据科技有限公司 , 中国船舶集团有限公司第七0九研究所
Abstract: 本发明属于计算机视觉的图像处理领域，公开了一种本发明的对比学习多光谱图像超分辨重建方法。该方法的模型分为两个部分：教师模型部分和学生模型部分。教师模型用于输出遥感图像的细节特征，以便给学生模型作为监督，使学生模型能够得到图像的细节信息，从而增加图像的分辨率。此外，在学生模型中增加对比学习模块，将最终输出与真值高分辨图像作为正样本对，将输出与原始输入作为负样本对，使输出更接近高分辨率图像。本发明利用对比学习以及超分辨重建的方法，实现了低分辨率遥感图像转化为高分辨率的清晰遥感图像。同时本方法对于其他图像质量提升有关的视觉任务都具有良好的泛化性，可以作为图像质量提升问题的一种有效的解决方案。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
