公开(公告)号：CN118504656A

公开(公告)日：2024-08-16

申请号：CN202410694396.8

申请日：2024-05-31

Applicant: 重庆大学

Inventor： 黄晟 ,  张卓尔 ,  王一杰 ,  王海林 ,  刘倍言 ,  石华展 ,  葛永新 ,  徐玲 ,  洪明坚 ,  杨梦宁

IPC: G06N3/096 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及一种对比扩散零样本学习方法，主要由语义引导的扩散对抗网络模型，对比嵌入模型E以及条件化去噪CD构成。其中S‑DDGAN作为本发明方法的核心，专门设计来解决GZSL中样本质量、模式覆盖及计算成本的均衡问题。在E部分，提出了一种创新架构以应对GZSL中合成视觉特征与语义信息不匹配的挑战。该模型通过在新的嵌入空间内实施对比学习策略，有效提升了分类性能。通过CD环节，利用分类器优化扩散生成器，确保了生成特征的有效性，从而提高判别性分类器的训练效果。

公开(公告)号：CN120070283A

公开(公告)日：2025-05-30

申请号：CN202510151871.1

申请日：2025-02-12

Applicant: 重庆大学

Inventor： 黄晟 ,  朱翔 ,  石华展 ,  刘倍言 ,  邱可真 ,  董佳俊 ,  章鑫 ,  葛永新 ,  洪明坚 ,  徐玲

IPC: G06T5/90 ,  G06T5/60 ,  G06N3/045 ,  G06V10/764 ,  G06V10/82 ,  G16H30/40

Abstract: 本发明涉及一种基于扫描不变性Mamba的高分辨率医学病理WSI图像分析方法，包括如下步骤：选取公开数据库，数据库中的图片需要含有组织信息；构建SMC‑MIL网络模型W，W包含三部分模块；从数据库中选择一张图片q输入到W中，q依次通过3个模块，最后得到q的预测包标签。实际检测中，可以根据预测包标签来提高对图片分析结果的准确性。

公开(公告)号：CN118504656B

公开(公告)日：2024-09-27

申请号：CN202410694396.8

申请日：2024-05-31

Applicant: 重庆大学

Inventor： 黄晟 ,  张卓尔 ,  王一杰 ,  王海林 ,  刘倍言 ,  石华展 ,  葛永新 ,  徐玲 ,  洪明坚 ,  杨梦宁

IPC: G06N3/096 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明涉及一种对比扩散零样本学习方法，主要由语义引导的扩散对抗网络模型，对比嵌入模型E以及条件化去噪CD构成。其中S‑DDGAN作为本发明方法的核心，专门设计来解决GZSL中样本质量、模式覆盖及计算成本的均衡问题。在E部分，提出了一种创新架构以应对GZSL中合成视觉特征与语义信息不匹配的挑战。该模型通过在新的嵌入空间内实施对比学习策略，有效提升了分类性能。通过CD环节，利用分类器优化扩散生成器，确保了生成特征的有效性，从而提高判别性分类器的训练效果。

公开(公告)号：CN118570534A

公开(公告)日：2024-08-30

申请号：CN202410675507.0

申请日：2024-05-29

Applicant: 重庆大学

Inventor： 黄晟 ,  方珩 ,  唐文浩 ,  朱翔 ,  石华展 ,  杨俣豪 ,  官子焱 ,  洪明坚 ,  葛永新 ,  徐玲

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/70 ,  G06V10/774

Abstract: 本发明公开了一种基于空间上下文感知的全视野数字切片图像分类方法，它包括数据预处理：将每张WSI通过SAM进行分割得到分割先验信息，并对WSI进行分块后处理得到图块特征和组合特征，再将所有的图块特征和组合特征进行拼接得到WSI对应的特征文件；对特征文件进行实例级别和包级别处理，处理后的实例输入到模型中来训练SAM‑MIL模型；最后对一张新的全视野数字切片图像WSI先得到其对应的特征文件，将WSI对应的特征文件中的图块特征和组合特征全部输入训练好的SAM‑MIL模型中，推理得到WSI的分类结果#imgabs0#通过实验可知，本发明方法图像分类准确性高。

公开(公告)号：CN118135557A

公开(公告)日：2024-06-04

申请号：CN202410317885.1

申请日：2024-03-20

Applicant: 重庆大学 ,  重庆市沙坪坝区人民医院

Inventor： 李由 ,  黄晟 ,  张译 ,  贺曦 ,  段然 ,  李珩 ,  王海林 ,  刘倍言 ,  石华展 ,  王小寒 ,  冉志川

IPC: G06V20/68 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及一种面向缺少训练样本场景的食物视觉识别方法，该方法使用对抗擦除策略自动发现图像中的成分并学习更全面的表示。该方法包括两个分类器，分别挖掘目标的不同区域。首先，使用一个分类器识别和擦除中间特征图上的局部判别区域。然后，将已擦除的特征输入到另一个分类器中，以发现有关目标的互补信息。此外，使用软标签而非成分标签来监督第二个分类器，从而减少由于样本中不可见的成分而引起的模型偏差。在两个基准数据集上进行了实验证明，包括Food‑101和VIREO Food‑172，并展示了RER相对于最先进的FSFR方法的更好性能。