-
公开(公告)号：CN111784653B
公开(公告)日：2023-08-01
申请号：CN202010594321.4
申请日：2020-06-28
申请人： 西安电子科技大学 , 首都医科大学宣武医院
IPC分类号： G06T7/00 , G06T7/12 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于形状约束的多尺度网络MRI胰腺轮廓定位方法，主要解决现有技术在MRI图像对比度低和样本不均衡情况下对胰腺图像分割困难的问题。本发明的技术方案为：(1)生成训练集和标注集；(2)预训练U‑net网络；(3)构建多尺度网络；(4)训练形状约束网络；(5)构建形状约束的多尺度网络；(6)训练形状约束的多尺度网络；(7)对MRI图像中胰腺区域进行分割。本发明方法利用了胰腺图像的形状信息，并结合边界和区域信息进行图像分割，可以较好的定位MRI图像中胰腺区域，具有分割精度高的优点，可用于对人体腹部MRI图像中胰腺组织轮廓进行自动定位分割。
-
公开(公告)号：CN110533631B
公开(公告)日：2023-07-04
申请号：CN201910635704.9
申请日：2019-07-15
申请人： 西安电子科技大学
摘要： 本发明提供了一种基于金字塔池化孪生网络的SAR图像变化检测方法，主要解决传统方法中变化检测精度依赖于差异图而导致结果不准确的问题。其实现步骤是：1)生成训练样本、测试样本和样本标签；2)构建深度金字塔池化孪生网络；3)构建分类网络；4)使用训练样本和样本标签对深度金字塔池化孪生网络和分类网络进行训练，得到训练好的模型；5)用训练好的模型对测试样本进行测试，得到变化检测结果。本发明能避免使用差异图，有效解决了差异图对变化检测结果的影响，提高了变化检测的准确率，可用于环境检测和灾害检测。
-
公开(公告)号：CN111368914B
公开(公告)日：2023-04-07
申请号：CN202010143794.2
申请日：2020-03-04
申请人： 西安电子科技大学
IPC分类号： G06V10/764 , G06V10/40 , G06V10/26 , G06V10/762 , G06V10/30 , G06T7/11
摘要： 本发明公开了一种基于全概率协同分割的极化合成孔径雷达变化检测方法，主要解决现有技术对噪声不鲁棒，依赖人工标注数据及无法给出发生变化具体类别的问题。其实现步骤为：输入极化相干矩阵T，从中提取极化特征；使用极化特征进行谱聚类和判别聚类，得到初始的分割结果；对初始的分割结果进行全概率协同分割，得到两幅图像的协同分割结果和变化检测结果；从变化检测结果中筛选出所有发生变化的像素，从协同分割结果中提取所有发生变化像素在变化前后的类别，确定出该像素发生变化的具体类别。本发明提高了对噪声的鲁棒性，无需人工标注，使应用更加广泛，且可给出像素发生变化的具体类别，可用于两时相雷达图像的地物分类、变化检测和变化识别。
-
公开(公告)号：CN109740924B
公开(公告)日：2022-12-06
申请号：CN201811640589.6
申请日：2018-12-29
申请人： 西安电子科技大学
摘要： 本发明公开一种融合属性信息网络和矩阵分解的物品评分预测方法，解决了如何更准确地对物品评分预测的问题。实现步骤有：构建属性信息网络；采集数据和信息；构建融合分解模型；初始化参数；选择评价指标和损失函数计算公式；计算预测评分矩阵；计算训练集预测评分矩阵损失；对参数优化更新得到新的预测评分矩阵；计算测试集预测评分矩阵评价指标；判断评价指标；若满足停止条件直接输出结果；否则，返回迭代计算逐渐降低损失；直至满足条件输出结果。本发明将用户和物品更多信息经过属性信息网络得到的维度变换结果又与矩阵分解融合形成预测模型，采用两种损失函数，使得物品评分预测更为准确，本发明可应用于对网上物品进行自动化的预测。
-
公开(公告)号：CN115098787A
公开(公告)日：2022-09-23
申请号：CN202210869627.5
申请日：2022-07-21
申请人： 西安电子科技大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08 , G06K9/62
摘要： 本发明提出了一种基于余弦排名损失和虚拟边图神经网络的物品推荐方法，实现步骤为：(1)构建用户信息、物品信息以及用户‑物品交互信息；(2)构建用户‑物品虚拟边交互二部图；(3)构建基于余弦排名损失和虚拟边图神经网络的物品推荐模型；(4)对基于余弦排名损失和虚拟边图神经网络的物品推荐模型进行迭代训练；(5)获取向用户推荐的物品列表。本发明通过使用用户‑物品虚拟边交互二部图，挖掘了用户‑物品的潜在交互可能，关注了节点间的隐式反馈以获得更好的嵌入表征向量；同时通过使用余弦排名损失函数，过滤冗余样本以自适应的计算损失函数值，提高了物品推荐的准确性。
-
公开(公告)号：CN114065048A
公开(公告)日：2022-02-18
申请号：CN202111413243.4
申请日：2021-11-25
申请人： 西安电子科技大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06N3/04
摘要： 本发明提出了一种基于多异构图图神经网络的物品推荐方法，实现步骤为：获取用户信息、物品信息以及用户‑物品交互信息；构建属性异构图；构建用户‑物品交互异构图；构建全相邻异构图；构建基于多异构图图神经网络的物品推荐模型；对基于多异构图图神经网络的物品推荐模型进行迭代训练；获取向用户推荐的物品。本发明首先通过在多个异构图上构造一个属性辅助层、一个全相邻辅助层和多个图卷积神经网络层以更高效地获得用户嵌入向量和物品嵌入向量，从而更好地挖掘信息；其次通过保留部分层的节点自连接，充分利用了有限的数据，有效提高了物品推荐的准确性。
-
公开(公告)号：CN113706491A
公开(公告)日：2021-11-26
申请号：CN202110958505.9
申请日：2021-08-20
申请人： 西安电子科技大学
摘要： 本发明公开了一种基于混合注意力弱监督迁移学习的半月板损伤分级方法，主要解决现有方法对半月板损伤程度分级难度大且缺乏临床可解释性的问题。其方案是：通过目标检测网络对半月板区域定位生成半月板区域图像数据集；再对上述数据进行二维直方图均衡化增强操作；然后利用迁移学习预训练网络提取增强后图像的显著性特征，生成特征图，同时利用弱监督注意力学习，生成增强后图像的注意力地图；最后通过双线性注意力池化算法，结合特征图和注意地图对半月板损伤等级进行分类，得到可视化的半月板损伤分级结果。本发明实现了临床上对半月损伤分级自动化诊断的需求，提高了深度学习在临床诊断上的可解释性，可用于对核磁共振病灶的图像检测和分类。
-
公开(公告)号：CN112288744A
公开(公告)日：2021-01-29
申请号：CN202011407382.1
申请日：2020-12-02
申请人： 西安电子科技大学
摘要： 本发明公开一种基于整型推理量化CNN的SAR图像变化检测方法，其步骤为：(1)生成源域SAR图像的训练集；(2)构建整型推理量化卷积神经网络；(3)利用整型推理量化算法，对整型推理量化卷积神经网络进行模拟量化训练；(4)对待检测的SAR图像进行检测。本发明引入整型推理量化算法，在训练过程中将特征值和权重值由32位浮点型数据转换为低比特的整型数据，在不影响变化检测正确率的前提下，降低变化检测对计算资源的要求，促进变化检测算法在通用的嵌入式移动平台中的应用优点。可对农作物的生长、城市的规划布局、自然灾害等进行监测。
-
公开(公告)号：CN110736163B
公开(公告)日：2020-11-24
申请号：CN201810709654.X
申请日：2018-07-02
申请人： 西安电子科技大学
摘要： 本发明涉及一种环境监控及空气净化系统，包括：电源模块(1)、控制管理模块(2)、空气质量检测模块(3)、人脸识别体温检测模块(4)、除霾除甲醛杀菌消毒模块(5)、通讯模块(6)、检测中心云平台(7)和用户终端(8)。本发明提供的环境监控及空气净化系统具有环境监控能力的同时还具有除霾和杀菌能力，且这些功能相互关联，可以进行统一部署，占用空间小，使用方便；而且本发明能够通过调节除霾除甲醛杀菌消毒模块，分别进行除霾处理或是产生臭氧进行杀菌消毒处理。
-
公开(公告)号：CN110671756B
公开(公告)日：2020-11-10
申请号：CN201810708914.1
申请日：2018-07-02
申请人： 西安电子科技大学
IPC分类号： F24F3/16 , F24F11/64 , F24F110/64
摘要： 本发明涉及一种室内空气净化方法，包括：利用空气净化系统产生的负离子对室内空气进行除霾、除甲醛净化处理；利用空气净化系统产生的臭氧对室内空气进行杀菌消毒处理；杀菌消毒处理后利用空气净化系统去除室内空气中的臭；其中，空气净化系统包括除霾除甲醛杀菌模块、臭氧处理模块。本发明的室内空气净化方法，根据室内使用情况及室内空气状况进行除霾、除甲醛净化处理或是杀菌消毒处理，再利用臭氧进行杀菌消毒处理之后，能根据室内的臭氧浓度进行排除臭氧的处理，以免空气中残留有臭氧对身体造成伤害，通过除霾、除甲醛处理、杀菌消毒处理和排除臭氧处理后，能够改善室内的空气状况，避免室内因雾霾浓度过高或是残留病菌导致病毒传播。
-
-
-
-
-
-
-
-
-
搜索结果
76 条记录 (耗时 0.057 秒)
