-
公开(公告)号：CN119559106B
公开(公告)日：2025-04-29
申请号：CN202510118250.3
申请日：2025-01-24
Applicant: 江南大学
IPC: G06T5/90 , G06N3/0455 , G06N3/096 , G06T5/60
Abstract: 本发明公开了基于双教师知识蒸馏的图像增强方法、装置及存储介质，属于数字图像处理技术领域。所述方法提出了一个双教师知识蒸馏的水下图像增强网络，该框架将图像处理的问题分成多个小问题；设计了Freq‑UIE网络并且设计了基于视觉的傅里叶处理模块，对网络不同层添加频域信息从而达到边缘与细节增强的效果；为了更好地对多教师和学生的特征进行匹配和蒸馏，提出了知识收集和蒸馏模块，在每个尺度上对学生与多教师的特征进行处理。实验结果证明，本发明相比于现有技术能够很好地增强图像的细节和纹理信息，颜色恢复地更准确，边缘更清晰。
-
公开(公告)号：CN118279581A
公开(公告)日：2024-07-02
申请号：CN202410377363.0
申请日：2024-03-29
Applicant: 江南大学
Abstract: 本发明涉及减少噪声特征的技术领域，具体为一种实现降噪效果的黑色素瘤医学图像分割模型搭建方法，包括，构建黑色素瘤医学图像数据集并对数据集进行数据预处理；基于处理后的数据集搭建黑色素瘤医学图像分割模型框架；利用矩阵分解技术完成黑色素瘤医学图像分割模型的降噪效果；本发明通过搭建黑色素瘤医学图像分割模型，能够减少网络的参数量，提高模型的整体性能；通过矩阵分解技术在通道以及空间上的利用，能够减少黑色素瘤医学图像中噪声特征对分割性能的影像，提高模型对黑色素瘤医学图像的分割效果。
-
公开(公告)号：CN115063393B
公开(公告)日：2024-06-07
申请号：CN202210785138.1
申请日：2022-06-29
Applicant: 江南大学
Abstract: 本发明公开了一种基于边缘补偿注意力的肝脏及肝脏肿瘤自动分割方法，包括采集原始数据，按比例分为训练集和测试集，并对其进行预处理；通过对监督信息进行变换，生成辅助监督标签；通过Unet网络对肝脏进行快速粗略定位，得到肝脏区域后进行裁剪和插值处理；建立ECA‑Net网络；基于预处理后的训练集数据，对ECA‑Net网络进行训练；基于ECA‑Net网络进行分割。本发明所述方法分割算法采样次数少，并利用边缘敏感信息对生成的全局边缘引导图进行监督，可以有效弥补由于多次带步长卷积或者池化造成的细节信息丢失问题，并且在肝脏及肿瘤的边界部分分割效果也很显著。
-
公开(公告)号：CN115760810B
公开(公告)日：2024-04-12
申请号：CN202211486882.8
申请日：2022-11-24
Applicant: 江南大学
Abstract: 一种医学图像分割分割装置、方法及计算机可读存储介质，所述装置包括：显著性特征获取单元，提取待分割图像的显著性特征；显著性特征编码单元，对显著性特征进行编码；掩模获取单元，用于提取待分割主体的边缘信息；编码器对接收的待分割图像进行特征提取；第一编码单元的显著性特征融合模块将待分割图像与待分割图像的显著性特征进行融合；解码器恢复图像细节，最终输出图像分割结果；第一编码单元还包括掩模融合模块，接收显著性特征融合模块的输出特征图和掩模获取单元输出的掩模，并将二者融合。通过显著性特征融合模块和掩膜融合模块，结合深度语义网络提高了待分割主体的分割准确性。
-
公开(公告)号：CN113643261B
公开(公告)日：2023-04-18
申请号：CN202110930377.7
申请日：2021-08-13
Applicant: 江南大学
IPC: G06T7/00 , G06T5/10 , G06N3/0464 , G06N3/08 , A61B6/00
Abstract: 本发明公开了一种基于频率注意网络的胸肺部疾病诊断方法，包括，利用离散余弦变换将胸部X光片由空间域转换到频率域，将相同频率的离散余弦变换系数组合为矩阵，获得所述胸部X光片的不同频率标记；去除所述胸部X光片中的高频离散余弦变换系数矩阵以减少噪声对诊断结果的影响；将三个经过选择的不同频率的所述离散余弦变换系数矩阵分别输入设计了注意力模块的分支；融合每个频率提取出的特征后得出胸部疾病的诊断结果。本发明使用DCT变换获得胸部X片在不同频率的表示，以获取多尺度的特征，借助注意力模块可以有效地提取胸肺部疾病特征，并有效提升胸肺部疾病的诊断性能。
-
Patent Agency Ranking
公开(公告)号：CN115829962A
公开(公告)日：2023-03-21
申请号：CN202211497454.5
申请日：2022-11-25
Applicant: 江南大学
IPC: G06T7/00 , G06T7/12 , G06T7/13 , G06T5/00 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 一种医学图像分割装置，包括：编码器，接收待分割图像，并对待切割图像进行特征提取；所述编码器包括n层编码单元，每层编码单元包括纹理信息提取模块、形状信息提取模块、边缘信息提取模块和融合模块；n≥3；解码器，用于恢复图像细节，最终输出图像分割结果；所述解码器包括n层解码单元；每层解码单元包括上采样模块；n≥3；所述编码器和解码器通过跳跃连接方式连接；每层编码单元的所述边缘信息提取模块与所述第n层解码单元的上采样模块连接，用于接收上一次的图像分割结果。通过提取待处理图像的多维度信息，然后对所提取的细节纹理，形状偏差和边缘信息进行融合，能够全面、高效地利用病灶图片的信息，从而达到精准分割病灶的目的。
-
公开(公告)号：CN109978935A
公开(公告)日：2019-07-05
申请号：CN201910242784.1
申请日：2019-03-28
Applicant: 江南大学
IPC: G06T7/55
Abstract: 本发明公开了一种基于深度学习和傅里叶域分析的图像深度估计算法，其包括，读取数据集里的图像对，将图像对输入提出的网络架构中获取重建视图；将图像对和重建视图带入损失函数，训练并确认网络架构，得到最初视差图；带入以裁剪比λ裁剪的图像对至确认的网络架构，获取视差映射候选对象；以及，融合视差映射候选对象，估计深度并显示于显示设备上；其中，所述图像对区分为左视图和右视图，所述重建视图区分为重建左视图和重建右视图；本发明基于深度学习的网络架构和傅里叶域分析无监督单目图像估计深度学习算法，有效提高了深度图精度和运动图像深度估计的精度，改进的网络架构，提升算法准确度和鲁棒性。
-
公开(公告)号：CN105282090B
公开(公告)日：2018-11-27
申请号：CN201410247360.1
申请日：2014-06-03
Applicant: 江南大学
IPC: H04L29/06
Abstract: 本发明提出了一种互联网上用于防止URL任意信息获取攻击的编码方法，关键地设计了一种基于快速对称加密编码的数字码与字符串码的隐秘编码方法。基于一套自主设计的快速转换、混淆加密处理，编码方法对源数字码进行四轮加密后获得隐秘字符串码，保护URL中敏感数字信息不被任意获取访问。该发明包括：服务器端对URL中的敏感数字信息进行加密编码从而生成公开URL；用户使用公开URL发出访问请求；服务器端读取用户URL访问请求时，首先对其中含有的隐秘字符串参数进行解码，若解码结果正确，则给予正常请求响应，否则认为其为非法攻击，不予正常响应，或作其它进一步处理。本发明方法加解码速度快、安全强度较高，具有较强的抗URL任意访问攻击能力，对于URL中的参数篡改访问攻击无需额外数据库比对操作，实现效率高。
-
公开(公告)号：CN108393274A
公开(公告)日：2018-08-14
申请号：CN201810162211.3
申请日：2018-02-26
Applicant: 江南大学
Abstract: 本发明公开了一种可区分大小的步进式自动分级装置，包括进料单元，包括进料组件和旋转开合组件；传送单元，包括输送组件和间隔调控组件，所述间隔调控组件设置于所述输送组件的一侧；所述间隔调控组件包括第二驱动件、曲臂和摇摆件，所述第二驱动件与所述曲臂的一端进行连接，所述曲臂的另一端铰接有滑块；以及，出料单元，与所述推料单元的设置一一对应，所述出料单元包括出料轨道，所述出料轨道的下端均对应有一个集料桶。本发明通过计算机视觉技术，并结合传送单元和推料单元的作用，可以实现对苹果外观品质的自动识别和分级处理，无需人工参与生产过程，其生产效率高，具有较高的自动化程度水平。
-
公开(公告)号：CN108380517A
公开(公告)日：2018-08-10
申请号：CN201810162201.X
申请日：2018-02-26
Applicant: 江南大学
Abstract: 本发明公开了一种区分大小的苹果自动分级装置，包括进料单元，包括进料组件和旋转开合组件，所述旋转开合组件固定于所述进料组件的底部；传送单元，设置于所述进料单元的下方，所述传送单元包括有输送组件，所述输送组件包括传送带、传动滚筒和导向滚筒，所述传动滚筒与导向滚筒分别设置于所述传送带的两端；以及，出料单元，与所述推料单元的设置一一对应，所述出料单元包括出料轨道，所述出料轨道的下端均对应有一个集料桶。本发明通过计算机视觉技术，并结合传送单元和推料单元的作用，可以实现对苹果外观品质的自动识别和分级处理，无需人工参与生产过程，其生产效率高，具有较高的自动化程度水平。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.029 seconds)
