-
公开(公告)号：CN119560132A
公开(公告)日：2025-03-04
申请号：CN202411642952.3
申请日：2024-11-18
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G16H50/20 , G06F18/10 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06F18/213 , G06N3/047 , G06N3/084 , G06F18/2131 , G06N3/048 , G06F18/24 , G16H50/70
Abstract: 本发明涉及一种基于编码器‑解码器框架的中医脉象诊断方法，包括收集数据、数据集的预处理、构建基于编码器‑解码器框架的神经网络、训练网络和测试。本发明将脉象信号诊断问题建模为机器翻译问题，在脉象信号与诊断文本之间建立映射，解决如何利用深度神经网络从复杂的脉象信号中提取出关键特征，提升脉象信号诊断的准确度，并直接生成对于脉象信号的诊断文本。
-
公开(公告)号：CN119559396A
公开(公告)日：2025-03-04
申请号：CN202411642448.3
申请日：2024-11-18
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明涉及一种基于CNN、RNN和交叉注意力机制的小样本语义分割方法，包括数据集的预处理、构建小样本语义分割网络、训练网络和测试。本发明解决查询图像背景特征无法匹配上支持图像的前景特征，丢失一些空间细节等主要问题。
-
公开(公告)号：CN116664546A
公开(公告)日：2023-08-29
申请号：CN202310751136.5
申请日：2023-06-25
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于UNet网络的眼底图像视盘检测方法，包括以下步骤：步骤一：收集公开的眼底图像数据集并进行数据预处理，对图像进行数据扩增、随机切割和归一化处理；步骤二：以BASNet的预测模块为网络主干结构，在BASNet第一至第五层的编码器与译码器之间加入融合多注意力的桥接模块以提高眼底图像视盘检测精度；步骤三：模型训练与评估，本发明提出一种融合多注意力机制的桥接模块加入到BASNet预测模块中的第一层至第五层编码器与解码器之间，融合了图像的前景信息、背景信息与原始信息，能够提高检测准确性。同时，将本发明将测试集放到训练好的网络参数上进行测试，从而验证了本发明所提出的模型性能良好，能够适应不同的图像且检测精度高。
-
公开(公告)号：CN115019140A
公开(公告)日：2022-09-06
申请号：CN202210620670.8
申请日：2022-06-02
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明公开一种注意力引导的伪装目标检测方法，包括如下步骤：S1、通过深度特征提取网络对初始伪装目标区域特征图进行特征提取；S2、将提取的特征进行搜索；S3、通过注意力机制增强进一步增强特征；S4、通过识别模块获得最终的伪装目标区域特征图；S5、最终的伪装目标区域特征图通过解码模块获取最终的伪装目标区域预测图。该方法将注意力机制引入到图像处理中，同时利用多种注意力机制相互配合，其中搜索注意力机制是以sigmoid函数激活后的初始伪装目标区域预测图作为引导，对经过空间注意力机制与通道注意力机制增强特征后的中层特征做进一步的增强，同时应用感受野模块对特征进行合并融合，能有效利用多种注意力机制的配合来实现对伪装目标的检测。
-
公开(公告)号：CN115294359A
公开(公告)日：2022-11-04
申请号：CN202210990986.6
申请日：2022-08-17
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明涉及一种基于深度学习的高分辨率图像显著性目标检测方法，包括步骤一、低分辨率分支的特征提取；步骤二、中分辨率分支的特征提取；步骤三、高分辨率分支的特征提取；步骤四、多分辨率特征的融合；步骤五、残差解码网络得到预测图；步骤六、级联标签监督并进行端到端训练。本发明提供的网络模型是并行网络，可以在充分有效地利用语义信息和细节信息来实现对高分辨率图像中显著性目标的预测的同时，在网络中保持高分辨率。
-
Patent Agency Ranking
公开(公告)号：CN115019068A
公开(公告)日：2022-09-06
申请号：CN202210580683.7
申请日：2022-05-26
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明公开了一种基于编解码架构的渐进式显著目标识别方法，包括如下步骤：S1、图像数据预处理，并将预处理后的图像数据制作成训练集；S2、搭建目标识别网络并获取精确显著图像；S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式，有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用，另外，通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接，在保证多尺度特征信息能有效传递的同时，对不同特征层间的噪声信息进行筛除、提纯，使得伪装图像的显著目标检测模型性能得到巨大提升。
-
公开(公告)号：CN115019068B
公开(公告)日：2024-02-23
申请号：CN202210580683.7
申请日：2022-05-26
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/72 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/44 , G06V10/46 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于编解码架构的渐进式显著目标识别方法，包括如下步骤：S1、图像数据预处理，并将预处理后的图像数据制作成训练集；S2、搭建目标识别网络并获取精确显著图像；S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式，有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用，另外，通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接，在保证
-
-
公开(公告)号：CN115587967B
公开(公告)日：2023-10-10
申请号：CN202211093428.6
申请日：2022-09-06
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/774 , G06V10/74 , G06N3/0464 , G06N3/08 , A61B3/12 , A61B3/14
Abstract: 本发明涉及一种基于HA‑UNet网络的眼底图像视盘检测方法，包括如下步骤：数据预处理、模型构建、模型训练和模型评估。所述数据预处理包括对图像的缩放与剪切；所述构建的HA‑UNet网络在原始UNet网络的基础上，采用残差模块替代原UNet中的卷积层，并提出混合注意力模块，即HA模块，建立多注意力机制与特征之间的关系，对前景信息与背景信息进行挖掘与融合，同时，该网络采用混合损失函数，即BCE损失函数、SSIM损失函数和IoU损失函数的结合作为模型最终的损失函数；所述模型训练即当模型的损失函数不再降低之后，保存模型；所述模型评估即将训练好的模型放到测试集上进行评估。
-
公开(公告)号：CN115359019A
公开(公告)日：2022-11-18
申请号：CN202211045106.4
申请日：2022-08-25
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于交互式特征和级联特征的钢铁表面缺陷检测方法，包括深度特征提取网络、深度特征融合网络和显著性预测网络。模型的输入是经扩增后的SD‑saliency‑900数据集。首先以级联的方式部署多分辨率的两个卷积分支(即高/低)级联特征集成(CFI)单元融合了来自多分辨率分支的最后一个卷积块的深度特征，得到增强的高级深度语义特征，并传递给解码器，在编码器部分，还部署了另一个连接，将相邻编码器级别的特征转移到解码器的同一阶段。本发明方法提供的网络模型可以充分有效地利用空间信息来生成高质量的显著性图，能够较好地突出缺陷。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.066 seconds)
