公开(公告)号：CN113536995B

公开(公告)日：2022-11-18

申请号：CN202110734275.8

申请日：2021-06-30

Applicant: 河南大学

Inventor： 付春玲 ,  侯巍 ,  石昌森 ,  李军伟 ,  刘先省

IPC: G06V40/10 ,  G06V10/77 ,  G06V10/80 ,  G06V10/56 ,  G06V10/44 ,  G06V10/54 ,  G06V10/74

Abstract: 本发明公开了一种基于特征映射空间和样本判定的行人重识别方法，它可以在安全监控、行人搜索和刑事调查等领域得到大量应用。为解决视角和光照的变化易导致视觉模糊现象，对行人重识别精度产生影响的问题。首先，在映射空间中引入水平方向图像块分布的均值与最大值加权融合模型，优化局部特征；其次，引入具有将像素特征的均值和协方差层次化的高斯分布模型，增强特征表达；最后，考虑训练样本数量对度量学习精度的影响，利用样本判定来选择合适的度量学习方法，进一步提高行人重识别精度。可以满足实际工程系统的设计需求，具有良好的工程应用价值。

公开(公告)号：CN115375665B

公开(公告)日：2024-04-16

申请号：CN202211060580.4

申请日：2022-08-31

Applicant: 河南大学

Inventor： 胡振涛 ,  王正 ,  金勇 ,  周林 ,  侯巍 ,  田刘洋

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  A61B5/00 ,  A61B5/055

Abstract: 本发明涉及人工智能医疗技术领域，具体涉及一种基于深度学习策略的早期阿尔兹海默症发展预测方法；获取多名MCI患者在固定时间间隔对应的三维脑部核磁共振图像，得到各个样本；对各样本中预处理后的核磁共振图像进行切片操作，使用卷积神经网络提取各张切片的特征并将其表示为特征向量；对每个样本中的两个特征向量序列进行位置嵌入；使用特征融合模型对经过位置嵌入后的两个特征向量序列执行横向特征融合和纵向特征融合；将融合后的特征全局平均后输入分类器，得到各样本的预测结果；本发明既避免了手动提取特征主观性较大的缺点，又考虑了早期阿尔兹海默症的进展性，避免了横向研究受个体差异影响和观察时间较短的缺点。

公开(公告)号：CN115690833A

公开(公告)日：2023-02-03

申请号：CN202211091748.8

申请日：2022-09-07

Applicant: 河南大学

Inventor： 付春玲 ,  侯巍 ,  郑文奎

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/762 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于深度主动学习和模型压缩的行人重识别方法；采用基于主动学习的行人重识别策略得到样本并对其进行标注，将标注过的样本送入ResNet101网络中进行训练，得到训练好的网络模型；采用基于知识蒸馏的模型压缩方法对训练好的网络模型进行压缩；获取行人Re‑ID网络模型的特征输出，根据特征间的局部L2范数，得到特征信息传递差距的特征蒸馏损失；将特征蒸馏损失加入学生模型，得到学生模型的总体损失；本发明可以在安全监控、行人搜索和刑事调查等领域得到大量应用，解决了现实情况中耗费大量人力获取标注数据的问题，能够满足实际工程系统的设计需求，具有良好的工程应用价值。

公开(公告)号：CN115375665A

公开(公告)日：2022-11-22

申请号：CN202211060580.4

申请日：2022-08-31

Applicant: 河南大学

Inventor： 胡振涛 ,  王正 ,  金勇 ,  周林 ,  侯巍 ,  田刘洋

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00 ,  A61B5/055

Abstract: 本发明涉及人工智能医疗技术领域，具体涉及一种基于深度学习策略的早期阿尔兹海默症发展预测方法；获取多名MCI患者在固定时间间隔对应的三维脑部核磁共振图像，得到各个样本；对各样本中预处理后的核磁共振图像进行切片操作，使用卷积神经网络提取各张切片的特征并将其表示为特征向量；对每个样本中的两个特征向量序列进行位置嵌入；使用特征融合模型对经过位置嵌入后的两个特征向量序列执行横向特征融合和纵向特征融合；将融合后的特征全局平均后输入分类器，得到各样本的预测结果；本发明既避免了手动提取特征主观性较大的缺点，又考虑了早期阿尔兹海默症的进展性，避免了横向研究受个体差异影响和观察时间较短的缺点。

公开(公告)号：CN113536995A

公开(公告)日：2021-10-22

申请号：CN202110734275.8

申请日：2021-06-30

Applicant: 河南大学

Inventor： 付春玲 ,  侯巍 ,  石昌森 ,  李军伟 ,  刘先省

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种基于特征映射空间和样本判定的行人重识别方法，它可以在安全监控、行人搜索和刑事调查等领域得到大量应用。为解决视角和光照的变化易导致视觉模糊现象，对行人重识别精度产生影响的问题。首先，在映射空间中引入水平方向图像块分布的均值与最大值加权融合模型，优化局部特征；其次，引入具有将像素特征的均值和协方差层次化的高斯分布模型，增强特征表达；最后，考虑训练样本数量对度量学习精度的影响，利用样本判定来选择合适的度量学习方法，进一步提高行人重识别精度。可以满足实际工程系统的设计需求，具有良好的工程应用价值。