公开(公告)号：CN117809198A

公开(公告)日：2024-04-02

申请号：CN202410025432.1

申请日：2024-01-08

Applicant: 杭州电子科技大学

Inventor： 朱晨薇 ,  颜成钢 ,  张继勇 ,  周晓飞 ,  江劭玮 ,  赵强 ,  王鸿奎

IPC: G06V20/13 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于多尺度特征聚合网络的遥感图像显著性检测方法。首先进行数据集的收集和扩增；然后通过主干网络进行特征提取；再采用多尺度特征引导模块，使用不同膨胀率的膨胀卷积和特征注意力引导操作，同时融合主干网络分支的不同尺度的特征信息；对于得到的两个分支的特征通过特征对齐模块使用可变形卷积DCN来进行特征对齐聚合；最后解码最终特征生成预测图并进行损失监督。本发明提出了一种双分支架构网络来聚合两主干网络的特征，通过多尺度特征引导模块将来自不同分支的多尺度特征进行融合，更好地建模特征之间的上下文关系，增强了模型对不同尺度目标的感知能力，提高了对目标的识别和定位精度。

公开(公告)号：CN117333770A

公开(公告)日：2024-01-02

申请号：CN202311296212.4

申请日：2023-10-09

Applicant: 杭州电子科技大学

Inventor： 朱晨薇 ,  周晓飞 ,  张继勇

IPC: G06V20/10 ,  G06V10/46 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于双分支架构的遥感图像显著性检测方法，包括如下步骤：收集遥感图像数据集和扩增；通过主干网络进行特征提取；对于步骤2中的Swin‑Transformer主干网络获取的初始特征通过通道注意力进行特征增强，而对于VGG16主干网络获取的初始特征通过空间注意力进行特征增强，然后将输出的两个增强特征在通道维度上进行初步融合；对于上述得到的初步融合特征利用图结构的表示能力，建立图上每个像素和每个通道之间的语义关系，得到若干层级的编码特征；对编码特征进行解码生成解码特征；得到最终预测图结果。该方法针对遥感图像数据集自身的特点进行设计，引入并行分支编码器分别尝试使用Transformer和CNNs来提取全局上下文信息和局部细节特征。

公开(公告)号：CN118072008A

公开(公告)日：2024-05-24

申请号：CN202410048811.2

申请日：2024-01-12

Applicant: 杭州电子科技大学

Inventor： 唐冬晨 ,  颜成钢 ,  张继勇 ,  陈相儒 ,  陈兴颖 ,  朱晨薇

IPC: G06V10/26 ,  G06V10/28 ,  G06V20/70 ,  G06V10/74 ,  G06V10/762 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于Matcher的医疗影像序列分割方法。首先对目标医疗影像序列和参考医疗影像序列中的图像进行预处理和特征提取，并计算对应关系矩阵；通过双向匹配策略对参考掩码跟对应关系矩阵进行匹配，得到匹配层；对匹配层进行筛选，采用k‑means++聚类对筛选得到的匹配层进行处理，生成提示采样集合；对得到的提示采样集合进行处理作为预训练好的SAM模型的输入，得到提案列表；执行参考掩码和预测掩码之间的实例级匹配，得到结果列表；最后将结果列表进行排序，得到最终的分割结果并输出。本发明采用双向匹配、提示采样以及实例级匹配等策略，能够生成高质量的掩码，实现更清晰、更精确的分割结果。