-
公开(公告)号：CN118037555A
公开(公告)日：2024-05-14
申请号：CN202410133124.0
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种联合非局部自相似性与张量链分解的图像填充方法，获取待恢复图像，将待恢复图像划分为多个预设大小的图像块；其中，待恢复图像包含部分缺失像素；对每个图像块，分别确定图像块对应的多个相似图像块，将图像块和相似图像块确定为一个图像块组；基于待恢复图像张量对应的张量链秩，构建张量链秩最小化函数，基于各图像块组张量对应的tucker秩，构建Tucker秩最小化函数；基于张量链秩最小化函数和Tucker秩最小化函数，构建图像填充优化函数；求解图像填充优化函数，得到与待恢复图像对应的恢复图像张量，以基于恢复图像张量确定目标恢复图像，减少了恢复图像的伪影现象，提高了图像的恢复性能。
-
公开(公告)号：CN117474069A
公开(公告)日：2024-01-30
申请号：CN202311484826.5
申请日：2023-11-08
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06N3/082 , G06N3/063 , G06N3/084 , G06F18/24 , G06F18/214
Abstract: 本发明公开了一种模型蒸馏方法，包括：将训练数据集合分别输入教师模型和学生模型，得到教师预测结果和学生预测结果；其中，训练数据集合中包括多个训练数据；基于教师预测结果，将训练数据集合划分为至少一个训练数据子集；其中，训练数据子集中包括至少一个训练数据；对于各训练数据子集，确定当前训练数据子集所对应的所述教师预测结果和学生预测结果之间的差异度结果，并基于差异度结果调整蒸馏温度；基于蒸馏温度对学生模型中的模型参数进行修正，直至学生模型的关联信息满足迭代条件，得到目标学生模型。解决了模型蒸馏精度较低的问题，提高模型蒸馏精度。
-
公开(公告)号：CN113689419A
公开(公告)日：2021-11-23
申请号：CN202111030782.X
申请日：2021-09-03
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明属于医疗技术领域，尤其是一种基于人工智能的图像分割处理方法，其包括以下处理方法步骤：S1：数据预处理：第一，创建N个数据文件，同时输入N个CT图像，并对N个CT图像数据进行勾画，存储到N个数据文件中；第二，对N个CT图像勾画后，进行简单的CT图像预处理；第三，将N个数据文件作为样本并归一化，最后进行数据集的划分图像数据；S2：使用基模型对归一化后的数据文件进行处理；S3：创建风格适应训练模型，风格模型创建为M个。本发明通过基模型与风格模型的结构让模型适应不同医生的勾画风格，从而当新的数据通过模型进行预测勾画时，为医生的临床诊断治疗提供便利。
-
公开(公告)号：CN117993439A
公开(公告)日：2024-05-07
申请号：CN202410131122.8
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06N3/0464 , G06N3/0455 , G06F18/25 , G06F18/213 , G06F18/22
Abstract: 本发明公开了一种应用于移动终端的数据处理方法，包括：将获取到的待处理数据输入至预先训练得到的目标网络模型中进行数据分析处理；其中，目标网络模型中包括至少一组特征提取网络，特征提取网络包括第一特征提取单元和降采样单元，第一特征提取单元和降采样单元均对应于深度可分离卷积，第一特征提取单元和所述降采样单元所对应的卷积尺寸不同；基于第一特征提取单元对待处理数据进行特征提取，得到待处理特征；基于降采样单元对待处理特征进行特征提取，得到目标特征；通过对目标特征分析处理，确定与待处理数据相对应的数据处理结果。解决了模型的性能和参数量难以平衡的问题，降低模型复杂度，减少计算延迟。
-
公开(公告)号：CN117992608A
公开(公告)日：2024-05-07
申请号：CN202410131781.1
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F16/35 , G06F18/214 , G06F18/241 , G06F18/213
Abstract: 本发明公开了一种数据检测方法，包括：获取待检测数据，并依据预先设定的数据划分规则，确定与所述待检测数据相对应的至少一个待处理数据；对所述至少一个待处理数据进行特征提取，得到与所述待检测数据相对应的特征数据；对于每个待处理数据，基于所述待处理数据中各数据之间的关联关系，确定与所述待处理数据相对应的目标检测单位，并基于所述目标检测单位更新所述特征数据；基于预先训练得到的数据检测模型对所述特征数据进行数据检测，得到与所述特征数据相对应的预测结果；基于所述预测结果，确定所述待检测数据的目标数据；解决数据检测准确度较低的问题，提高数据检测准确度。
-
Patent Agency Ranking
公开(公告)号：CN117216637A
公开(公告)日：2023-12-12
申请号：CN202311181203.0
申请日：2023-09-08
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种分类预测模型的训练方法及装置。其中，该方法包括：获取初始训练数据集，基于初始训练数据集对初始分类预测模型进行训练，得到初步分类预测模型；将待学习的增量训练数据输入至初步分类预测模型的特征提取模块中，得到增量特征嵌入向量；基于与增量训练数据对应的旋转矩阵对增量特征嵌入向量进行修正，得到待识别特征向量；将待识别特征向量输入至初步分类预测模型中的分类预测模块中，基于分类预测模块的输出结果对初步分类预测模型的模型参数进行调整，以得到目标分类预测模型。本发明实施例的技术方案，实现了对在分类预测模型学习增量数据时出现的灾难性遗忘问题的抑制，提高了目标分类预测模型的泛化能力和预测准确率。
-
公开(公告)号：CN117036384A
公开(公告)日：2023-11-10
申请号：CN202311059057.4
申请日：2023-08-21
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/11 , G06V10/74 , G06V10/82 , G06N3/0895 , G06N3/09 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明实施例公开了一种医学图像分割方法、装置、设备和存储介质，其中，方法包括：获取待分割医学图像；将所述待分割医学图像输入至目标医学图像分割模型中，得到所述待分割医学图像的分割结果；其中，所述目标医学图像分割模型是通过自监督和有监督的方式训练得到的模型。本发明实施例的技术方案解决了现有医学图像分割模型多采用有标签的样本图像训练获得，模型训练效率不足，医学图像分割模型的鲁棒性不足，图像分割的准确性不足的问题，可以通过自监督和有监督的方式训练得到医学图像分割模型，在提高模型训练效率的同时，提高医学图像分割模型的鲁棒性，进而提高图像分割的准确性。
-
公开(公告)号：CN115526882A
公开(公告)日：2022-12-27
申请号：CN202211275348.2
申请日：2022-10-18
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种医学图像的分类方法、装置、设备及存储介质。该方法包括：将获取到的待测医学图像以及与所述待测医学图像对应的临床特征数据输入到预先训练完成的目标图像分类模型中；其中，所述目标图像分类模型包括主干网络、类别分支网络和分类网络；通过所述主干网络，基于输入的待测医学图像，确定待测特征图；通过所述类别分支网络，基于所述临床特征数据和所述主干网络输出的待测特征图，确定融合特征图；通过所述分类网络，基于所述类别分支网络输出的所述融合特征图，输出所述待测医学图像对应的目标分类结果。本发明实施例解决了现有的目标图像分类模型的输入数据过于简单的问题，提高了目标图像分类模型的分类准确率。
-
公开(公告)号：CN118781466A
公开(公告)日：2024-10-15
申请号：CN202410870914.7
申请日：2024-07-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种图像处理模型的训练方法，获取多个训练样本集；对各训练样本集，将训练样本输入至第一处理模型，得到第一样本的第一损失函数、第二样本图像的第二预测结果、融合特征的样本间第一相关性；基于第一损失函数对第一处理模型进行参数更新，并对第二处理模型进行参数优化，得到待训练第二处理模型；将第二样本输入至待训练第二处理模型，得到第二样本的第三预测结果、融合特征的样本间第二相关性；基于第一损失函数、第二预测结果、样本间第一相关性、第三预测结果以及样本间第二相关性，确定目标损失函数，以对图像处理模型进行修正；在最后一次目标损失函数收敛的情况下，得到图像处理模型，提高了对图像处理模型的模型训练效果。
-
公开(公告)号：CN117993478A
公开(公告)日：2024-05-07
申请号：CN202410130275.0
申请日：2024-01-30
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于双向知识蒸馏和联邦学习的模型训练方法、装置、电子设备及存储介质。该方法由客户端执行，包括：接收服务器发送的全局模型；对所述全局模型和位于客户端的局部模型进行双向知识蒸馏训练，得到中间全局模型；将所述中间全局模型发送至所述服务器，以使所述服务器对各客户端发送的中间全局模型进行模型聚合，得到目标全局模型。上述技术方案，提升了模型训练精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
