-
公开(公告)号：CN115965829B
公开(公告)日：2024-11-15
申请号：CN202211482182.1
申请日：2022-11-24
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/09
-
公开(公告)号：CN118365632A
公开(公告)日：2024-07-19
申请号：CN202410766838.5
申请日：2024-06-14
申请人： 阿里巴巴(中国)有限公司
摘要： 本说明书实施例提供图像处理方法及装置、脑部疾病的计算机辅助诊断方法，其中图像处理方法包括：接收图像处理任务，其中，图像处理任务携带三维脑图像；将三维脑图像输入至解剖分割模型，获得解剖分割模型基于三维脑图像的对比度信息输出的灰质信息、白质信息和皮层下结构信息；根据灰质信息生成目标大脑皮层，并确定目标大脑皮层上顶点的曲率特征信息；根据灰质信息和目标大脑皮层上顶点的曲率特征信息，确定目标大脑皮层对应的皮层表面分割结果；根据皮层表面分割结果、白质信息和皮层下结构信息，确定三维脑图像对应的全脑分割结果。本方法提供了从粗粒度到细粒度的两步分割方法，加快了数据处理速度，又能提升图像处理的准确度。
-
公开(公告)号：CN118397377A
公开(公告)日：2024-07-26
申请号：CN202410843483.5
申请日：2024-06-26
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/764 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06T7/00
摘要： 本说明书实施例提供目标图像处理模型训练方法、图像处理方法，该目标图像处理模型训练方法包括，确定目标对象的初始图像、增强图像；将初始图像以及增强图像进行融合获得融合图像以及对初始图像进行掩码处理获得掩码图像；将融合图像输入参考图像处理模型，利用参考图像处理模型对融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；将掩码图像输入目标图像处理模型，利用目标图像处理模型对掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；根据初始解码图像特征、初始解码分类特征、目标解码图像特征、目标解码分类特征，训练目标图像处理模型；提升利用初始图像对目标对象进行检测和分割的准确性。
-
公开(公告)号：CN116012586A
公开(公告)日：2023-04-25
申请号：CN202310020027.6
申请日：2023-01-06
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/26 , G06V20/70 , G06V20/64 , G06V10/42 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/047 , G06N3/08
摘要： 本申请公开了一种图像处理方法、存储介质及计算机终端，可应用于图像识别、图像分割领域。其中，该方法包括：获取三维图像；对三维图像进行特征提取，得到身体组织图像的第一特征集合；对第一特征集合和多个查询向量进行注意力处理，得到第一查询向量集合，第一查询向量集合中的第一查询向量用于表征身体组织图像，及身体组织图像中不同类型的身体组织的组织信息；基于第一特征集合和第一查询向量集合，对三维图像进行语义分割，得到目标语义分割结果，目标语义分割结果用于表征三维图像中属于不同类型的身体组织图像的体素点。本申请解决了相关技术中对图像进行处理的性能较低的技术问题，达到同时对多种类型的身体组织图像进行识别的目的。
-
公开(公告)号：CN116012586B
公开(公告)日：2024-10-29
申请号：CN202310020027.6
申请日：2023-01-06
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/26 , G06V20/70 , G06V20/64 , G06V10/42 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/047 , G06N3/08
摘要： 本申请公开了一种图像处理方法、存储介质及计算机终端，可应用于图像识别、图像分割领域。其中，该方法包括：获取三维图像；对三维图像进行特征提取，得到身体组织图像的第一特征集合；对第一特征集合和多个查询向量进行注意力处理，得到第一查询向量集合，第一查询向量集合中的第一查询向量用于表征身体组织图像，及身体组织图像中不同类型的身体组织的组织信息；基于第一特征集合和第一查询向量集合，对三维图像进行语义分割，得到目标语义分割结果，目标语义分割结果用于表征三维图像中属于不同类型的身体组织图像的体素点。本申请解决了相关技术中对图像进行处理的性能较低的技术问题，达到同时对多种类型的身体组织图像进行识别的目的。
-
公开(公告)号：CN118397377B
公开(公告)日：2024-09-13
申请号：CN202410843483.5
申请日：2024-06-26
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/764 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06T7/00
摘要： 本说明书实施例提供目标图像处理模型训练方法、图像处理方法，该目标图像处理模型训练方法包括，确定目标对象的初始图像、增强图像；将初始图像以及增强图像进行融合获得融合图像以及对初始图像进行掩码处理获得掩码图像；将融合图像输入参考图像处理模型，利用参考图像处理模型对融合图像进行编码解码处理，获得初始解码图像特征以及初始解码分类特征；将掩码图像输入目标图像处理模型，利用目标图像处理模型对掩码图像进行编码解码处理，获得目标解码图像特征以及目标解码分类特征；根据初始解码图像特征、初始解码分类特征、目标解码图像特征、目标解码分类特征，训练目标图像处理模型；提升利用初始图像对目标对象进行检测和分割的准确性。
-
公开(公告)号：CN118015431A
公开(公告)日：2024-05-10
申请号：CN202410405104.4
申请日：2024-04-03
申请人： 阿里巴巴(中国)有限公司
摘要： 本发明实施例提供一种图像处理方法、设备、存储介质和程序产品，该方法包括：确定多个图像对，并根据同一图像对中不同图像各自特征之间的相似度，以及不同图像对中来源于同一成像设备的图像各自的特征之间的相似度，训练具有图像识别能力的学生模型。其中，一个图像对可以包含利用不同成像设备对相同对象拍得的两张图像，两张图像的特征分别由教师模型和学生模型提取得到。上述训练过程中使用到教师模型从单张图像中提取出的特征，可以使学生模型学习到单张图像的语义。同时，训练过程中还使用到教师模型从语义存在关联的、不同图像中提取出的特征，这样可以使学生模型学习到不同图像之间的语义关联，从而提高学生模型的图像理解能力。
-
公开(公告)号：CN118365632B
公开(公告)日：2024-09-13
申请号：CN202410766838.5
申请日：2024-06-14
申请人： 阿里巴巴(中国)有限公司
摘要： 本说明书实施例提供图像处理方法及装置、脑部疾病的计算机辅助诊断方法，其中图像处理方法包括：接收图像处理任务，其中，图像处理任务携带三维脑图像；将三维脑图像输入至解剖分割模型，获得解剖分割模型基于三维脑图像的对比度信息输出的灰质信息、白质信息和皮层下结构信息；根据灰质信息生成目标大脑皮层，并确定目标大脑皮层上顶点的曲率特征信息；根据灰质信息和目标大脑皮层上顶点的曲率特征信息，确定目标大脑皮层对应的皮层表面分割结果；根据皮层表面分割结果、白质信息和皮层下结构信息，确定三维脑图像对应的全脑分割结果。本方法提供了从粗粒度到细粒度的两步分割方法，加快了数据处理速度，又能提升图像处理的准确度。
-
公开(公告)号：CN118015431B
公开(公告)日：2024-07-26
申请号：CN202410405104.4
申请日：2024-04-03
申请人： 阿里巴巴(中国)有限公司
摘要： 本发明实施例提供一种图像处理方法、设备、存储介质和程序产品，该方法包括：确定多个图像对，并根据同一图像对中不同图像各自特征之间的相似度，以及不同图像对中来源于同一成像设备的图像各自的特征之间的相似度，训练具有图像识别能力的学生模型。其中，一个图像对可以包含利用不同成像设备对相同对象拍得的两张图像，两张图像的特征分别由教师模型和学生模型提取得到。上述训练过程中使用到教师模型从单张图像中提取出的特征，可以使学生模型学习到单张图像的语义。同时，训练过程中还使用到教师模型从语义存在关联的、不同图像中提取出的特征，这样可以使学生模型学习到不同图像之间的语义关联，从而提高学生模型的图像理解能力。
-
公开(公告)号：CN115965829A
公开(公告)日：2023-04-14
申请号：CN202211482182.1
申请日：2022-11-24
申请人： 阿里巴巴(中国)有限公司
IPC分类号： G06V10/774 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/09
摘要： 本说明书实施例提供对象检测模型训练方法以及对象检测方法，该训练方法包括将图像训练样本输入对象检测模型的至少两个网络层的特征提取网络进行特征处理，获得图像训练样本在目标网络层的初始图像特征；将初始图像特征经过目标网络层对应的残差网络进行特征处理，获得图像训练样本在目标网络层的目标图像特征；将目标图像特征输入目标网络层对应的检测头进行预测，获得图像训练样本在目标网络层的预测结果；根据图像训练样本在所述至少两个网络层的预测结果、以及图像训练样本对应的样本标签，训练对象检测模型。该方法可用于图像及视频检测等领域通过在不同网络层中加入残差网络进行特征提取，提高小尺寸目标对象的检出率,提升图像的检测效果。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.035 秒)
