公开(公告)号：CN115953663A

公开(公告)日：2023-04-11

申请号：CN202211739474.9

申请日：2022-12-30

Applicant: 杭州电子科技大学

Inventor： 周凯 ,  邵艳利 ,  方景龙 ,  魏丹

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/778 ,  G06V10/80 ,  G06V10/44 ,  G06V20/70 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/082

Abstract: 本发明公开了一种利用线标注的弱监督阴影检测方法。本发明首先用线重新标注两个现有的基准数据集，命名为S‑SBU和S‑ISTD；设计一个基于Transformer的阴影检测网络来捕获显著的上下文信息交互，并提出一个边缘导向的多任务学习框架，以产生具有丰富结构的中间和主要预测。通过融合这两个互补的预测，得到一个边缘保留的精细阴影图；还引入一个特征导向的语义感知损失来克服复杂场景干扰，使模型能够使用更高层次的语义信息来感知阴影和非阴影区域。本发明可以从线标注的弱监督学习中获得高质量的阴影预测图。在三个基准数据集上的实验结果表明，与全监督的最先进方法相比，本方法获得了具有竞争力的性能。

公开(公告)号：CN115661505A

公开(公告)日：2023-01-31

申请号：CN202211089904.7

申请日：2022-09-07

Applicant: 杭州电子科技大学

Inventor： 周凯 ,  邵艳利 ,  方景龙 ,  魏丹 ,  王兴起

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种语义感知的图像阴影检测方法，以阴影图像为输入，进行端到端的阴影掩膜预测。包括构建阴影检测网络、制作语义标注集和实现多任务学习三部分。具体是通过构建一个基于Swin Transformer的阴影检测网络，用于学习全局和长程信息交互，融合了阴影多尺度预测图，保证检测结果的完整度和细粒度。然后利用公开数据集对阴影图像GT进行了语义标注以获得语义标签。最后设计了一个结合阴影监督和语义监督的多任务学习框架，巧妙的利用了图像多尺度特征信息，进行鲁棒的阴影知识学习。经过训练后得到了一个参数大小为24.37M的高效阴影检测网络，可以有效地避免歧义区域的干扰，克服了现有阴影检测方法存在的局限性。

公开(公告)号：CN119494840A

公开(公告)日：2025-02-21

申请号：CN202411176217.8

申请日：2024-08-26

Applicant: 杭州电子科技大学

Inventor： 魏丹 ,  蒙江川 ,  史晓颖 ,  周凯 ,  王兴起

IPC: G06T7/10 ,  G06T7/00 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于边缘引导和深监督PVT的息肉分割方法。该方法针对存在息肉的结肠镜图像，利用构建的息肉分割网络，输出息肉的位置及形状。所述息肉分割网络使用PVT‑v2作为特征提取的主干网络，还包括上下文融合解码分支、边界提取分支、边界感知模块和级联特征融合分支。所述上下文融合解码分支作为图像解码器，接收PVT‑v2主干网络输出的语义特征图。所述边界提取分支使用细化模块丰富细节特征图的内容，得到边缘预测结果。所述边界感知模块将细化特征与上下文融合解码的输出特征图融合，得到边界感知预测结果。所述级联特征融合分支按照从深到浅的顺序逐层融合不同尺度下的融合特征，输出最终的息肉分割预测结果P5。