公开(公告)号：CN117576396A

公开(公告)日：2024-02-20

申请号：CN202311576849.9

申请日：2023-11-24

Applicant: 杭州电子科技大学

Inventor： 蒋凯盛 ,  俞俊 ,  王显赟 ,  朱素果

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/82

Abstract: 本发明公开了基于扩散先验修复的牙体结构化实例分割方法，首先获取由口腔全景片结构注释的初步数据集TSD。其次对初步数据集进行中心裁剪，根据注释分割牙体实例，获取全景图内所有牙体实例的结构化标注结果得到数据集TPSD。然后定义牙体实例结构化分割网络DSIS，将TSD数据集输入该网络中进行牙体实例分割，并得到牙体结构化分割结果，并输入构建的异常检测模块ADM，获取融合的异常结构掩码。最后使用TPSD数据集训练构建的扩散先验牙体结构修复网络DPR，修复结构化分割结果。本发明实现了在有填充材料或断牙等常见破坏牙体区域的情况下实现正常牙体结构的分割。

公开(公告)号：CN113255443B

公开(公告)日：2024-02-09

申请号：CN202110412867.8

申请日：2021-04-16

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  杨津 ,  朱素果

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于金字塔结构的图注意力网络时序动作定位方法。本发明主要涉及利用图注意力网络搭建的多尺度金字塔模型融合预测多时间跨度的行为检测。本发明步骤：1、数据预处理，提取视频数据的初始时空特征，2、基于图注意力机制的金字塔网络模型，搭建带有时序注意力机制的多尺度模型，3、模型训练，利用反向传播算法训练神经网络参数。4、生成定位检测结果。本发明引入了金字塔结构来构造不同感受野的特征层，以解决行为在尺度上的预测问题。并引入了图注意力机制，在时序信息上加入了注意力模块，在特征中充分融合了时序上的内容；本发明在时序动作定位领域中的最好效果，相比于原始的单一特征图预测方法在性能上有了很大的提升。

公开(公告)号：CN119418155A

公开(公告)日：2025-02-11

申请号：CN202411463375.1

申请日：2024-10-21

Applicant: 杭州电子科技大学

Inventor： 匡振中 ,  赵沈杰 ,  朱素果

IPC: G06V10/776 ,  G06N3/0455 ,  G06N5/04

Abstract: 本发明提出了一种基于掩码自编码器的对抗环境下可验证鲁棒性优化方法，包括如下步骤：首先，获取图像数据集并对数据集进行随机攻击和预处理；然后，对随机攻击后的数据集中的对抗样本进行分布边界曲率评估，并根据评估结果剔除可净化潜力低下的对抗样本；其次，使用掩码自编码器重构净化剔除后的对抗样本，得到净化样本；最后，对净化样本进行全局平滑优化提升全局代表性。该方法可以有效净化对抗攻击后的样本，并通过流程设计规避了净化模型是黑盒而无法理论证明的问题，而且还优化了随机平滑技术的诸多方法过程。

公开(公告)号：CN118505652A

公开(公告)日：2024-08-16

申请号：CN202410651059.0

申请日：2024-05-24

Applicant: 杭州电子科技大学

Inventor： 李金辉 ,  朱素果 ,  俞俊

IPC: G06T7/00 ,  G06T7/11 ,  G06N5/04 ,  G06N3/084

Abstract: 本发明公开了一种基于提示工程与思维链推理技术的全景片龋齿分割方法，该方法首先获取牙齿全景片结构化分割数据，并进行预处理，得到思维链数据。其次构建全景片龋齿分割网络模型，包括顺序组建的图像编码器、提示编码器、掩码解码器。然后将思维链数据输入全景片龋齿分割网络模型，得到分割结果，设计损失函数，进行反向训练，优化全景片龋齿分割网络模型参数。最后使用训练后的全景片龋齿分割网络模型预测全景片龋齿分割结果。本发明将复杂任务解耦，使用提示工程和思维链推理技术使模型分步推理，引导视觉分割模型进行精确分割。

公开(公告)号：CN113536916B

公开(公告)日：2024-02-13

申请号：CN202110647035.4

申请日：2021-06-10

Applicant: 杭州电子科技大学

Inventor： 朱素果 ,  赵果 ,  俞俊

IPC: G06V40/20 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/84 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于骨骼信息的分组混淆图卷积动作识别方法。本发明采用了一种分组的思想，在进行空间操作的时候，我们对动态图进行分组来提取不同图结构的信息，获得丰富的行为信息。同时分组的形式还可以降低模型的参数量。然后在时序上进行操作的时候，采用深度可分离卷积的形式来降低参数和计算量。由于在空间和时序上都是采用分组的形式，所以需要对不同分组的信息进行融合，以达到信息的流通。结果显示本方法在保持高性能的情况下，参数量和计算量有着大幅的减小，证明了本方法有效性。

公开(公告)号：CN117437416A

公开(公告)日：2024-01-23

申请号：CN202311395566.4

申请日：2023-10-26

Applicant: 杭州电子科技大学

Inventor： 易星宇 ,  丁佳骏 ,  俞俊 ,  朱素果

IPC: G06V10/26 ,  G06V10/25 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/09 ,  G06N3/092

Abstract: 本发明公开了一种基于TRANSFORMER的医学分割模型优化方法，包括如下步骤：S1、对原始图像进行U‑Net分割，所述U‑Net分为三层，分别是主干提取网络、加强特征提取网络和预测网络；S2、对原始图像进行Swin‑UNet分割，所述Swin‑UNet采用U‑Net作为主干网络，并将两个连续的Swin Transformer块替换U‑Net中的卷积模块；S3、将步骤S1和步骤S2输出的结果互相作为伪标签进行特征补充；S4、通过监督损失的方法对步骤S1‑S3组成的模型进行学习。该方法有效压缩了整个编码解码的学习参数，使Swin‑UNet模型参数从原来的110M缩小到55M。

公开(公告)号：CN114998989A

公开(公告)日：2022-09-02

申请号：CN202210579421.9

申请日：2022-05-25

Applicant: 杭州电子科技大学

Inventor： 朱素果 ,  汪利娟 ,  俞俊 ,  范建平

IPC: G06V40/20 ,  G06V10/40 ,  G06V10/74 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于动态实例交互头的稀疏时序动作检测方法。本发明使用基于查询的方法，初始化N个提案特征和提案框，解决了锚框的复杂性问题。本发明还引入了基于时序特征金字塔的动态实例交互头模块，使用时序特征金字塔可以对不同尺度的行为都能进行较好的预测，解决由于每个行为时间跨度不同对实验结果造成的影响；动态实例交互头模块仅仅将提案特征与局部特征进行稀疏交互，就可以很好的学习有价值的信息，大大减少了计算量。最后，使用基于集合预测损失的最佳二分匹配，可以一对一的进行标签匹配，而且最后仅仅输出与初始提案框相等数量的N个候选框，在计算性能之前不用使用非极大值抑制后处理，可以直接作为预测框进行输出。

公开(公告)号：CN110516536A

公开(公告)日：2019-11-29

申请号：CN201910630472.8

申请日：2019-07-12

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  朱素果 ,  方振影 ,  曾焕滨

IPC: G06K9/00 ,  G06N3/04

Abstract: 本发明公开了一种基于时序类别激活图互补的弱监督视频行为检测方法。本发明步骤如下：1、对视频数据和视频的类别标注进行预处理，2、特征嵌入模块，来学习嵌入后的特征，3、在线生成时序类别激活图，4、生成时序类别激活图的互补激活图，5、生成检测结果，6、模型训练，利用反向传播算法训练神经网络参数。本发明提出一种弱监督时序行为检测领域中在线生成时序类别激活图并基于此生成互补激活图的方法，以及在弱监督时序行为检测中更加适用的特征嵌入结构，并且获得了目前在弱监督时序行为检测领域中的较好效果，相比于原始的时序类别激活图的方法性能有了很大提升。

公开(公告)号：CN116935274A

公开(公告)日：2023-10-24

申请号：CN202310888432.X

申请日：2023-07-19

Applicant: 杭州电子科技大学

Inventor： 朱素果 ,  戚武滕 ,  俞俊

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/74 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于模态特征对齐的弱监督跨模态视频定位方法，首先进行数据预处理，提取视频和文本的初始模态特征；构建网络整体架构以及设计损失函数；然后进行模型训练，优化网络参数；最后根据训练好的网络模型生成定位检测结果。本发明在跨模态交互前引入了特征对齐模块，该模块能够有效地使两种模态的空间距离变小，还能够学习非匹配样本之间的差异。并在正候选片段学习时将最优正候选片段作为伪标签，使与最优正候选片段的交并比较大的正候选片段也能够参与训练，增加正候选片段之间的交互性。

公开(公告)号：CN114998428A

公开(公告)日：2022-09-02

申请号：CN202210390591.2

申请日：2022-04-14

Applicant: 杭州电子科技大学

Inventor： 胡长峰 ,  富嘉杰 ,  朱素果 ,  戚武藤

IPC: G06T7/73 ,  G06T7/13 ,  G06T7/136 ,  G06V30/413

Abstract: 本发明公开了一种基于图像处理的折线/曲线数据提取系统及方法。本发明步骤：1、曲线/折线图边框的查找；2、对曲线/折线图片的预处理；3、坐标轴数字轮廓的查找；4、对x、y坐标轴数字的识别；5、x、y坐标轴比例的计算；6、y值的查找获取。本发明能应对更多的特殊情况。本发明能够对包含背景颜色多样、带网格、曲线斜率大的复杂曲线/折线图实现重建、抽样，并获取图片的坐标信息，从而实现对图片中数据的复用。本发明不需要输入原点的坐标等参数，只需要输入图片即可，减少人为的操作，并且相对于传统方法而言，本发明能应对更多的特殊情况。