一种基于文本正则化的领域泛化方法

    公开(公告)号:CN116628555A

    公开(公告)日:2023-08-22

    申请号:CN202310648049.7

    申请日:2023-06-02

    Abstract: 本发明公开了一种基于文本正则化的领域泛化方法,包括:建立DG分类模型,包括文本编码器、特征提取器和分类器,特征提取器包括依次连接的图像编码器和投影头,投影头用于维度对齐且与分类器连接,文本编码器采用CLIP模型的文本编码器,并定义总损失函数和目标函数;采用第一训练集训练DG分类模型的特征提取器,并基于不平衡学习策略将特征提取器的学习率与分类器的学习率的比值调整为预设比例,将第一训练集的类别单词经文本编码器生成的文本向量作为训练过程中额外的监督信号,获得训练好的DG分类模型;将待识别图片输入训练好的DG分类模型,获得对应分类结果。该方法可增强DG分类模型的泛化性并抑制协变量偏移问题。

    一种面向领域泛化任务的跨域数据增强方法

    公开(公告)号:CN116578872A

    公开(公告)日:2023-08-11

    申请号:CN202310615665.2

    申请日:2023-05-29

    Abstract: 本发明公开了一种面向领域泛化任务的跨域数据增强方法,包括从K个领域的原始数据集中采样若干个样本,并将各样本依次输入到网络模型中进行训练。本面向领域泛化任务的跨域数据增强方法通过不重复随机选择其中一个领域的历史统计量对另一个领域的特征图进行跨域数据增强操作得到新特征图,其余领域的特征图也采用同样方式进行跨域数据增强操作,最终得到所有领域的新特征图,然后继续前向传播,完成一批样本数据的训练,并且通过指数移动平均算法,可以不断收集新批次样本的统计量,最终所得统计量近似表示每个领域原始数据集的完整风格信息,实现了提取领域整体风格信息的目的,且真实全面。

    一种面向少样本稀土晶体分割任务的迁移学习方法

    公开(公告)号:CN117078690A

    公开(公告)日:2023-11-17

    申请号:CN202310875522.5

    申请日:2023-07-17

    Abstract: 一种面向少样本稀土晶体分割任务的迁移学习方法,包括以下步骤:步骤1:准备大量易获取的微观结构数据集,以及少量样本的稀土晶体结构数据集;步骤2,在大规模微观结构数据集上对图像分割模型进行预训练;步骤3,将预训练结束的图像分割模型迁移到稀土晶体结构数据集上进行微调训练;步骤4,使用贝叶斯优化方法优化每一次微调训练过程,搜索最优的迁移学习超参数配置,并保存每一次完整微调训练结束后的模型;步骤5,输出最优超参数配置及其对应的最优分割模型。本发明将模型在大量易获取的微观结构数据集上学习到的知识迁移到下游少量样本的稀土晶体分割任务上,改善了因稀土晶体结构数据量不足而导致深度学习模型难以训练的问题。

    一种面向瞳孔分割任务的数据集制作方法

    公开(公告)号:CN117011326A

    公开(公告)日:2023-11-07

    申请号:CN202310841094.4

    申请日:2023-07-10

    Abstract: 一种面向瞳孔分割任务的数据集制作方法,包括以下步骤:步骤1:使用便携式摄像头在黑暗室内开启闪光灯对眼部进行拍摄(以增加瞳孔区分度),并筛选出瞳孔位置差异较大的图像,最终得到尺寸为240*320的RGB彩色眼部图像;步骤2,使用计算机进行灰度化图像处理,以加快后续图像处理速度,同时减少噪声并提高对比度;步骤3,对眼部图像采取数据增强技术以扩充数据集,增加其多样性;步骤4,设计python脚本辅助生成瞳孔椭圆区域,具体采用最小二乘法来拟合瞳孔区域,将人工标注成本降到最低;步骤5,对瞳孔区域和背景区域进行二值化处理,最终得到分割标签图。本发明适合基于深度学习的图像分割方法使用本数据集。

    一种基于链码法的钕铁硼磁性稀土材料晶体分割方法

    公开(公告)号:CN117011317A

    公开(公告)日:2023-11-07

    申请号:CN202310856822.9

    申请日:2023-07-13

    Abstract: 一种基于链码法的钕铁硼磁性稀土材料晶体分割方法,包括以下步骤:步骤1:输入钕铁硼磁性稀土材料晶体结构图像,并对其进行直方图均衡化,增强对比度;步骤2,训练deeplabv3+图像分割模型;步骤3,训练结束后,使用分割模型对钕铁硼磁性稀土材料晶体结构图像进行分割预测,获得分割结果图;步骤4,对分割结果图进行开运算形态学图像处理;步骤5,使用链码法进行优化,处理粘连晶体结构;步骤6,输出优化后的最终分割结果图,并统计图像中的晶体数量及其特征信息。本发明利用链码法来解决晶体结构粘连的问题,提高对晶体计数以及晶体结构特征统计工作的准确性。

    一种基于眼动异常自动识别的脑卒中初筛分析方法

    公开(公告)号:CN116869470A

    公开(公告)日:2023-10-13

    申请号:CN202310864384.0

    申请日:2023-07-13

    Abstract: 一种基于眼动异常自动识别的脑卒中初筛分析方法,包括以下步骤:步骤1:录制眼部区域视频;步骤2,部署基于深度学习的瞳孔跟踪模型,使用该模型预测视频中每一帧图像的瞳孔中心位置并记录,同时保存每个预测结果的置信度;步骤3,使用python脚本处理每一帧图像的瞳孔中心坐标数据,绘制相关的曲线图;步骤4,基于上一步骤绘制的曲线图,辅助医生进行HINTS眼动异常检查,其中的检查包括眼震试验和扭转偏斜试验;步骤5,生成脑卒中初期的诊断结果及分析报告,并保存诊断视频以便后续检查。本发明提供一种基于眼动异常自动识别的脑卒中初筛分析方法,自动分析眼动体征来辅助临床医生进行脑卒中初期筛查工作。

    基于深度学习模型结合分水岭算法的稀土晶体观测方法

    公开(公告)号:CN117173093A

    公开(公告)日:2023-12-05

    申请号:CN202310871645.1

    申请日:2023-07-17

    Abstract: 一种基于深度学习模型结合分水岭算法的稀土晶体观测方法,包括以下步骤:步骤1:准备稀土晶体结构图像数据集,将整个数据集划分成训练集和测试集;步骤2,对训练集图像进行数据增强;步骤3,使用训练集对改进的Unet3+深度学习模型进行训练,并在测试集上根据图像分割评价指标对分割模型进行评估,得到最终图像分割模型,使用该模型对晶体结构图进行预测得到原始分割结果图;步骤4,针对原始分割结果图,利用分水岭算法对其进行后处理;步骤5,对步骤4后处理得到最终分割结果图进行观测,使用OpenCV库统计所有连通区的特征信息。本发明能够提供更快速、更准确的晶体分割和统计分析。

    一种辅助脑卒中初筛的瞳孔中心跟踪方法

    公开(公告)号:CN117011334A

    公开(公告)日:2023-11-07

    申请号:CN202310840590.8

    申请日:2023-07-10

    Abstract: 一种辅助脑卒中初筛的瞳孔中心跟踪方法,准备瞳孔分割数据集,输入到deeplabv3+图像分割模型进行训练;训练阶段中,设置图像分割模型的总损失函数包括经典IoU损失、边界损失、中心点损失;训练结束后进入测试阶段,处理视频片段中的一帧图像,分割出图像中的瞳孔区域;使用数字图像技术对分割结果进行后处理,并拟合出瞳孔椭圆方程;获取椭圆方程的圆心坐标视为瞳孔中心,并记录该帧的瞳孔中心位置;如有下一帧则继续进行下一帧处理,否则视频片段结束,绘制视频中瞳孔中心运动轨迹,并记录运动过程完整坐标信息用于辅助医生进行脑卒中初筛。本发明实现瞳孔中心轨迹跟踪效果,辅助医生进行脑卒中初筛。

Patent Agency Ranking