公开(公告)号：CN118570527A

公开(公告)日：2024-08-30

申请号：CN202410646713.9

申请日：2024-05-23

Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司

Inventor： 郭礼豪 ,  郭春生 ,  应娜 ,  陈华华 ,  叶学义

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/20 ,  G06V10/40

Abstract: 本发明属于基于深度学习的图像异常检测技术领域，具体涉及基于受控特征生成器的图像异常检测方法及系统。方法包括：S1：获取图像异常检测数据集；S2：对图像数据集进行预处理；S3：构建深度学习模型，将预训练权重加载到特征提取器中；S4：生成伪标签，定义不确定特征和模糊域；S5，伪标签控制特征生成器中生成异常的数量；S6，伪标签控制特征生成器中添加对抗扰动的幅度；S7，受控特征迭代生成；S8，定义模型损失函数，对经过生成的特征进行约束；S9，对受控特征生成器进行参数设置；S10，迭代深度学习模型中的参数，保存迭代训练好的深度学习模型；S11，导入模型训练参数，将待检测的图像数据输入模型进行异常检测。

公开(公告)号：CN118505762A

公开(公告)日：2024-08-16

申请号：CN202410646716.2

申请日：2024-05-23

Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司

Inventor： 欧阳金芳 ,  郭春生 ,  应娜 ,  叶学义 ,  陈华华

IPC: G06T7/30 ,  G06V10/74 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供一种基于多分辨率层次化结构的梯度调节医学图像配准方法及系统，方法包括以下步骤：S1.获取医学图像，制作数据集，分成训练集和测试集；S2.构建多分辨率层次化网络架构，分辨率分为三层，从低到高进行配准；S3.制定多层次梯度调节策略；S4.确定优化使用的相似性损失和正则化损失函数；S5.设计多分辨率层次化网络的梯度调节实施方案；S6.将数据集输入设计好的多层次网络架构中，通过各层梯度调节完成训练，并保存模型。本发明利用多分辨率层次化结构对医学图像从全局到局部完成多尺度配准。

公开(公告)号：CN118820762A

公开(公告)日：2024-10-22

申请号：CN202410799944.3

申请日：2024-06-20

Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司

Inventor： 宋瑛沛 ,  郭春生 ,  应娜 ,  陈华华 ,  叶学义

IPC: G06F18/2132 ,  G06F18/2136 ,  G06F18/214

Abstract: 本发明提出了一种基于动态调整多采样区域的低维K中心数据遴选的方法及系统。方法包括：S1、根据损失预测网络度量未选择训练数据集中样本不确定性；S2、根据样本的不确定性对未选择的训练数据集中的样本进行排序；S3、根据排序后的结果，将未选择训练数据集中样本按不确定性划分为不确定性最大和不确定性渐进多个采样区域；S4、迭代过程中动态调整区域权重调整多个采样区域的大小；S5、将多采样区域内样本特征投影到低维空间；S6、在低维空间中K中心贪婪采样，选择出具有代表性的样本添加到训练子集；S7、根据S6中的训练子集训练目标模型和损失预测网络，并根据训练后的损失预测网络，执行S1到S6，直到训练子集样本数量达到预先设定个数。