公开(公告)号：CN105160358B

公开(公告)日：2018-08-17

申请号：CN201510560969.9

申请日：2015-09-07

Applicant: 苏州大学张家港工业技术研究院 ,  苏州大学

Inventor： 王邦军 ,  李凡长 ,  张莉

IPC: G06K9/62 ,  G06K9/66

Abstract: 本申请提供了一种图像分类方法及系统，该分类方法包括：根据待分类图像的特征对所述待分类图像进行分层，并获取符合预设条件的图像层；利用预先构建的分类器中的变换群获取所述图像层对应的轨道；将所述轨道的轨道中心与所述分类器中的近似轨道中心集合中的多个近似轨道中心进行对比，判断所述待分类图像的类别。该方法通过进行分层，然后利用预先构建的分类器寻找轨道，根据获取的轨道的轨道中心与分类器中的近似轨道中心进行对比，判断得到待分类图像的类别，该分类方法既满足了速度的需求，且从根本上进一步提高了图像分类的速度。

公开(公告)号：CN115908828B

公开(公告)日：2024-08-16

申请号：CN202211415263.X

申请日：2022-11-11

Applicant: 苏州大学

Inventor： 张莉 ,  郭晨怡 ,  赵雷 ,  王邦军 ,  周伟达 ,  李映

IPC: G06V10/32 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及图像描述技术领域，尤其是指一种图像描述生成方法及装置。本发明所述的图像描述生成方法，通过局部通道注意力计算图像各个通道的权重，关注不同布纹之间的底层特征差异，从而提升网络的表征能力；通过全局通道注意力将局部通道注意力所提取的特征进行更好的融合。此外，本发明将通道注意力结构进行堆叠，局部邻域向全局进行扩散，局部特征与全局相关性结合，以提取图像局部与全局特征间以及特征通道间依赖关系，从而获得图像的上下文信息，有利于生成更精确的描述。该模块能够减少冗余特征并抑制与任务无关特征的干扰，使得网络高效的利用于生成描述强相关的特征，得到更加准确、质量更高的布纹图像描述。

公开(公告)号：CN111680575B

公开(公告)日：2024-06-14

申请号：CN202010425239.9

申请日：2020-05-19

Applicant: 苏州大学

Inventor： 张莉 ,  张梦倩 ,  屈蕴茜 ,  王邦军 ,  孙涌

IPC: G06V20/69 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本申请公开了一种人类上皮细胞染色分类装置，包括：训练模块，用于预先利用多尺度卷积神经网络和样本人类上皮细胞染色图像数据训练出目标分类模型；获取模块，用于获取待测人类上皮细胞染色图像数据；分类模块，用于将待测人类上皮细胞染色图像数据输入至目标分类模型中，输出对应的分类结果。可见，由于本装置中所使用的多尺度卷积神经网络充分利用不同尺度的网络信息，使得前后特征信息能够进一步的融合，从而提高模型的效率，并且能够充分利用网络训练中的有效信息，从而提高人类上皮细胞染色分类结果的准确度。本申请还公开了一种人类上皮细胞染色分类设备及计算机可读存储介质，均具有上述有益效果。

公开(公告)号：CN117312848A

公开(公告)日：2023-12-29

申请号：CN202311217587.7

申请日：2023-09-20

Applicant: 苏州大学

Inventor： 张莉 ,  侯月莲 ,  章晓芳 ,  王邦军 ,  赵雷

IPC: G06F18/214 ,  G06F18/23213 ,  G06F11/36

Abstract: 本发明涉及一种软件缺陷数据生成方法和系统，方法包括：步骤S1：获取软件数据集，其中，所述软件数据集包括缺陷数据集和非缺陷数据集，将所述缺陷数据集作为少数类数据集，将所述非缺陷数据集作为多数类数据集；步骤S2：对所述缺陷数据集和非缺陷数据集进行过采样，生成所需的新的缺陷样本，将新的缺陷样本放入缺陷数据集中，使放入新的缺陷样本后的缺陷数据集的样本点和非缺陷数据集的样本点达到平衡。本发明能够将软件数据集中的缺陷数据集和非缺陷数据集达到平衡，实验证明，本发明构造出的新的缺陷数据集能够使得用于软件缺陷预测的模型学习到有区分度的信息，保证模型的高效性。

公开(公告)号：CN111563843B

公开(公告)日：2023-11-28

申请号：CN202010365311.3

申请日：2020-04-30

Applicant: 苏州大学

Inventor： 张莉 ,  徐石 ,  屈蕴茜 ,  孙涌 ,  王邦军

IPC: G06T3/40 ,  G06T5/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请提供一种图像超分辨重构方法，包括：获取高分辨率图像；对所述高分辨率图像进行图像预处理，得到训练集；利用多尺度损失卷积神经网络对所述训练集训练，得到训练模型；利用所述训练模块对待重构图像进行超分辨率重建，得到超分辨率图像。本申请基于多尺度损失卷积神经网络得到训练模型，对模型中的损失函数加以改进，综合考虑了不同尺寸下SR图像与HR图像间的差异，实现高低层信息的融合，有效提高了图像超分辨率重构质量。本申请还提供一种图像超分辨重构系统、计算机可读存储介质和图像处理终端，具有上述有益效果。

公开(公告)号：CN111275135B

公开(公告)日：2023-09-12

申请号：CN202010125156.8

申请日：2020-02-27

Applicant: 苏州大学

Inventor： 张莉 ,  干敏 ,  周伟达 ,  王邦军 ,  屈蕴茜 ,  孙涌

IPC: G06F18/24 ,  G06F18/214

Abstract: 本申请公开了一种故障诊断方法、装置、设备、介质，该方法包括：获取待测样本；对所述待测样本进行预处理，得到目标待测样本；利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，以便确定所述目标待测样本是否是故障数据。由此可见，本申请在获取到待测样本之后，先对待测样本进行相应的预处理，得到目标待测样本，然后利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类，根据分类结果确定所述目标待测样本是否是故障数据。这样能够利用预先得到的参考集对待检测数据进行分类，从而确定出待检测数据是否是故障数据，提高故障诊断的效率以及检测率。

公开(公告)号：CN110879982B

公开(公告)日：2023-06-20

申请号：CN201911122534.0

申请日：2019-11-15

Applicant: 苏州大学

Inventor： 张莉 ,  陆金刚 ,  王邦军 ,  周伟达

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种人群计数系统及方法，该系统包括图像预处理模块、模型训练模块及人群计数预测模块，其中：所述图像预处理模块，用于：获取训练集中每个训练样本的人群密度图及人数类别；其中，所述训练样本为人群图像；所述模型训练模块，用于：利用所述训练集中的每个训练样本、每个训练样本的人群密度图及每个训练样本的人数类别训练预先创建的神经网络，得到对应的预测模型；其中，所述神经网络包括实现人群计数预测的多尺度卷积神经网络及用于实现人数类别预测的人数分类器；所述人群计数预测模块，用于：利用所述预测模型预测待测样本的人群密度图；其中，所述待测样本为人群图像。从而能够准确预估不同密集度的人群图像的密度图。

公开(公告)号：CN109711469B

公开(公告)日：2023-06-20

申请号：CN201811615503.4

申请日：2018-12-27

Applicant: 苏州大学

Inventor： 张莉 ,  庞晴晴 ,  王邦军 ,  周伟达

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/771 ,  G06V10/774 ,  G16H50/20

Abstract: 本发明公开了一种基于半监督邻域判别指数的乳腺癌诊断系统，包括数据获取模块、特征提取模块、特征筛选模块、分类模块，能够获取有标签的乳腺细胞数据样本和无标签的乳腺细胞数据样本，并提取出乳腺细胞数据样本的多个特征，然后计算各个特征的半监督邻域判别指数，并从这些特征中筛选出半监督邻域判别指数满足预设条件的特征，最后根据筛选出的特征对待诊断的乳腺细胞数据样本进行诊断，得到诊断结果。可见，该方法基于半监督学习实现，通过计算各个特征的半监督邻域判别指数，筛选出与乳腺癌关联程度最大的特征，并在诊断过程中从待诊断数据样本中提取出这些特征数据，最后得到诊断结果，避免了为大量数据增加标签的过程，大大节省了开销。

公开(公告)号：CN109670552B

公开(公告)日：2023-03-10

申请号：CN201811585699.7

申请日：2018-12-24

Applicant: 苏州大学

Inventor： 张莉 ,  唐白鸽 ,  王邦军 ,  周伟达

IPC: G06F18/24 ,  G06F18/2413

Abstract: 本发明公开了一种图像分类方法，该方法在计算众多图像的特征权重矩阵时，仅关注不同图像之间的距离，而不关注图像的类别，因此当众多图像中包括多类别的图像时，该方法仍然适用；并且该方法处理的图像集合中包括有标签图像和无标签图像，因此能够很好地处理有标签图像和无标签图像。所以本发明打破了现有的图像分类方法的局限，提高了图像分类方法的通用性。相应地，本发明公开的一种图像分类装置、设备及可读存储介质，也同样具有上述技术效果。

公开(公告)号：CN112884248B

公开(公告)日：2023-01-06

申请号：CN202110314985.5

申请日：2021-03-24

Applicant: 苏州大学

Inventor： 梁合兰 ,  李煌 ,  李凡长 ,  王邦军

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q10/10

Abstract: 本发明涉及一种大规模云服务流程的优化方法，包括：将多个执行计划随机分配到多个并行节点；每个并行节点并行执行局部迭代来对并行节点内部的执行计划进行处理直至局部迭代停止，每次局部迭代时，并行节点需利用离散帝王蝶优化算法和依赖‑冲突修复算法对执行计划进行处理；再将所有并行节点中局部迭代处理结束后得到的执行计划集合在一起；判断是否满足全局迭代停止条件，若判断为是，则直接输出最优执行计划；否则，就将集合后的执行计划重新分配到多个并行节点，然后再重复上述步骤。本发明提升了云服务流程优化方法的求解效率和求解精度，能够有效适用于具有不同服务流程结构、QoS约束和服务关联约束的大规模云服务流程优化问题。