“史颖欢”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果19个，建议您升级VIP下载更多相关专利

[发明专利]一种基于交错结构的半监督医学图像分割方法-CN202310577604.1在审
发明人： 史颖欢;马瑞池;凌彤;高阳;余长州 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2023-05-22 - 公布日： 2023-09-05 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于交错结构的半监督医学图像分割方法，该方法将分割模型U‑Net作为骨干网络，构建了半监督分割架构Mean TeacherU‑Net，该架构对有监督部分的预测与标签进行约束，并加强了学生模型的预测与教师模型的预测的一致性；使用交错结构对模型的性能进行了提升，交错结构包括时序上的交错结构和方向上的交错结构，这两种结构进一步约束了学生模型中间层的特征图与教师模型中间层的特征图。本发明加强了网络编码与解码过程中，特征图的相关性以及学生模型和教师模型的一致性，从而提升了分割效果，具有较高实用价值。
一种基于交错结构监督医学图像分割方法

[发明专利]一种基于多重约束的跨源无监督域适应分割模型-CN202010443049.X有效
发明人：陈震涛;祁磊;史颖欢;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-05-22 - 公布日： 2023-06-23 - 主分类号： G06V10/26 文献下载
摘要：本发明是专门针对医学图像中的跨模态分割问题而提出的一种基于多重约束的跨源无监督域适应分割模型。该模型研究无监督域适应问题，并应用于跨模态的医疗图像分割，领用了迁移学习的思想，减少了对人工标注的需求，提高了分割模型的泛化能力。相比当前已有技术，该方法具有如下特点：1）在一个统一的框架中融合了自编码网络、生成对抗网络、分割网络，并且在多个网络结构中共享参数，使得各个部分的参数学习能够互相增益、互相补充；2）从图像对齐和特征对齐两个角度缩小域偏移，使得模型学习域不变的特征；3）在跨模态医学图像分割的表现超过了已有方法，并且训练过程更加稳定。
一种基于多重约束跨源无监督适应分割模型

[发明专利]一种基于多源数据融合的帕金森氏病药物推荐模型-CN202010443048.5有效
发明人： 史颖欢;陈震涛;高阳;张丽;潘杨 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-05-22 - 公布日： 2023-06-20 - 主分类号： G16H20/10 文献下载
摘要：本发明是专门针对帕金森病提出的一种基于多源数据融合的药物推荐模型，属于计算机应用领域。一种基于多源数据融合的帕金森氏病药物推荐模型，包括如下步骤：步骤（1）前期数据收集PD患者的运动和非运动症状以及相对应的医生开具临床治疗的药物处方，步骤（2）根据观察到的运动和非运动症状的设计基于特征和基于相似度的表示；步骤（3）学习一个将观察到的症状与处方药联系起来的潜在症状空间；步骤（4）迭代优化PALAS模型参数；步骤（5）保存模型参数；步骤（6）测试集测试结果并评估。本发明通过分析观察到的PD患者的运动和非运动症状来实现，计算机自动预测适合帕金森氏病患者的药物，从而从数据驱动角度为神经病理学家提供参考。
一种基于数据融合帕金森药物推荐模型

[发明专利]一种基于半监督学习的领域泛化图像分类方法-CN202210487051.6在审
发明人： 史颖欢;汪睿琪;凌彤;高阳;冯华 -专利权人：南京大学;中和智同（北京）科技有限公司
申请日： 2022-05-06 - 公布日： 2022-08-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于半监督学习的领域泛化图像分类方法，获取图像数据集，对图像进行预处理；构建包括双分支领域对抗网络和集成网络的网络框架；双分支领域对抗网络包含两个结构相同的领域对抗网络，每个领域对抗网络由一个特征提取器、一个分类器和一个领域判别器组成；集成网络由一个和领域对抗网络相同的特征提取器和一个分类器组成；使用经过预处理的图像数据集对步骤两个领域对抗网络进行训练，更新和保存无标签数据的伪标签；使用训练好的模型对目标域图像进行测试，得到分类结果。本发明构建的双分支领域对抗网络的结构框架同时实现了半监督学习和领域泛化的目标，提升了模型在目标域上的测试精度，具有较高的使用价值。
一种基于监督学习领域泛化图像分类方法

[发明专利]基于自适应权重的类间关系的半监督多标签图像分类方法-CN202210487043.1在审
发明人： 史颖欢;王子元;凌彤;高阳 -专利权人：南京大学
申请日： 2022-05-06 - 公布日： 2022-07-22 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于自适应权重的类间关系的半监督多标签图像分类方法；对预先获取的图像进行归一化操作，构建包括有监督数据和无监督数据的半监督分类数据集；构建包括原始分类器、类相关分类器以及权重计算模块的权重计算和预测融合模型；并训练分类器以及权重计算模块；采用训练好的权重计算和预测融合模型预测图像分类结果。本发明能够在有效时间内训练权重计算和预测融合模型并预测目标图像分类结果，同时可迁移到多种主流的基于类间关系的多标签分类模型，实现简单，适合实际应用环境，具有可观的使用价值。
基于自适应权重关系监督标签图像分类方法

[发明专利]一种基于对称自适应网络的跨模态医学图像分割方法-CN202210485695.1在审
发明人： 史颖欢;韩晓婷;凌彤;高阳 -专利权人：南京大学
申请日： 2022-05-06 - 公布日： 2022-07-08 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于对称自适应网络的跨模态医学图像分割方法，对预先获取的医学图像进行预处理，获取源域和目标域数据集；构建对称自适应网络：采用两个对称且共享编码器的转换子网络，以生成跨域图像，利用不同风格的图像挖掘丰富的语义信息；基于源域和目标域数据集对对称自适应网络进行优化训练；基于优化训练好对称自适应网络对目标图像进行测试，得到最终的医学图像分割结果。本发明利用两个对称的转换子网络双向拉近特征分布及利用不同风格的图像挖掘丰富的语义信息两方面减小源域和目标域之间的分布差异；进而在目标域图像上获得了较好的分割性能，具有较高的实用价值。
一种基于对称自适应网络跨模态医学图像分割方法

[发明专利]一种基于多模态特征融合深度网络的视频人物识别方法-CN202010444043.4在审
发明人：陈建蓉;史颖欢;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-05-22 - 公布日： 2020-08-07 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多模态特征融合深度网络的视频人物识别方法，是专门针对多模态人物视频特征数据的目标识别问题而提出的一种的深度学习目标识别多模态融合算法。该算法的网络结构由多个单模态多层感知器识别模块和一个多模态特征融合模块组成。该算法先预处理视频生成的多模态数据，使用预处理后的不同模态数据训练多个深度网络，在此基础上，再将多个子网络生成的特征加权融合，通过特征加权融合模块结合不同的模态的模型以达到更好的识别效果。本发明在公开视频人物数据集（iQIYI‑VID‑2019）上，对于预处理视频生成的多模态特征，使用多模态特征集权融合策略构建视频人物目标识别器，无需多模型集成，单个模型的平均精度均值达到了89.52%。
一种基于多模态特征融合深度网络视频人物识别方法

[发明专利]一种基于RGB-D图像分类问题的对抗度量学习算法-CN202010444044.9在审
发明人： 史颖欢;陈建蓉;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2020-05-22 - 公布日： 2020-08-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于RGB‑D图像分类问题的对抗度量学习算法，属于计算机应用领域。其中，该算法引入对抗学习的思想从多视图特征的视图内和视图间两个角度学习度量距离，1）对于每个单独的视图，该算法生成了难以与原始正样本区分的难区分负样本。对抗地学习原始样本和合成的难区分负样本的视图内度量距离，目的是更好地区分特定视图；2）为了整合多个视图以挖掘视图共享关系，该算法生成具有挑战性的公共子空间，对抗地学习视图间度量来区分这些生成的具有挑战性的样本；续的分类任务。本发明的有益效果为：在RGB‑D目标识别数据集JHUIT‑50准确率达到了97.2%。同时在各种基准多视图数据集上进行的大量实验证明了本发明有效性，最终模型精度高，适用性强。
一种基于 rgb 图像分类问题对抗度量学习算法

[发明专利]图像分割模型的训练方法、装置、电子设备及存储介质-CN201910888527.5在审
发明人：张剑;史颖欢;郑冶枫 -专利权人：腾讯科技(深圳)有限公司;南京大学
申请日： 2019-09-19 - 公布日： 2019-12-20 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种图像分割模型的训练方法、装置、电子设备及存储介质；其中，方法包括：基于第一代价比例的损失函数训练第一图像分割模型；通过所述第一图像分割模型从图像样本中提取图像特征；通过待训练的第二图像分割模型从所述图像样本中提取图像特征；将所述第一图像分割模型提取的图像特征、与所述第二图像分割模型提取的图像特征进行融合处理，得到融合图像特征；基于第二代价比例的损失函数、以及所述融合图像特征，训练所述第二图像分割模型。通过本发明，能够提升图像分割的精度。
图像分割模型提取图像特征融合图像损失函数图像特征图像样本存储介质电子设备融合处理图像分割

[发明专利]一种基于深度神经网络的点交互式医学图像分割方法-CN201910374698.6在审
发明人：孙晋权;史颖欢;高阳 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2019-05-06 - 公布日： 2019-11-05 - 主分类号： G06T7/11 文献下载
摘要：本发明是专门针对医学图像中的肾肿瘤分割问题而提出的一种点交互的深度学习分割算法。该算法由点交互预处理模块，双向ConvRNN单元、核心深度分割网络组成。该算法从专家提供的肿瘤中心位置出发，在间隔均匀的16个方向上，由内向外按4像素步长，密集采集16个大小为32×32的图像块，形成图像块序列，并使用具有序列学习的深度分割网络学习目标内外变化趋势，确定目标边缘，实现对肾肿瘤的分割。该方法能够克服医学图像对比度低、目标位置多变、目标边缘模糊的影响，适用于器官分割和肿瘤分割任务。相比当前已有技术，该方法具有如下特点：1）交互方式简洁方便；2）提出了Sequential Patch Learning概念，使用序列图像块捕捉长程语义关系，即使较浅的网络也可以获得较大的感受野；3）提出了全新的ConvRNN单元，学习目标内外变化趋势，具有较强的可解释性，符合医生的实际工作方式，最终模型精度高，适用性强。
分割变化趋势目标边缘医学图像肾肿瘤图像块算法医学图像分割预处理模块分割算法间隔均匀交互方式目标位置器官分割神经网络网络学习网络组成序列图像学习目标由内向外语义关系肿瘤分割最终模型解释性长程像素肿瘤捕捉采集模糊学习医生网络

[发明专利]面向后台多源数据的特征提取和特征选择方法-CN201410491742.9有效
发明人：范剑锋;杨琬琪;高阳;史颖欢;孙良君 -专利权人：南京大学;中博信息技术研究院有限公司
申请日： 2014-09-23 - 公布日： 2017-10-27 - 主分类号： G06K9/62 文献下载
摘要：一种面向后台多源数据的特征提取和特征选择方法，其特征在于，包括如下步骤(1)在多个月份的后台数据上划分训练集和测试集；(2)训练集上针对不同的源数据提取相应分组特征；(3)使用Group Lasso方法，在测试集上通过交叉验证进行特征组选择。本发明的有益效果为对于选择出来的组特征，使用C45决策树建立分类器离网用户分析分类器，对离网用户预测的准确率达到了45％，对存在离网倾向的停机用户预测的准确率达到了88％。
面向后台数据特征提取选择方法

[发明专利]基于第二代身份证人像和视频人像的异构人脸核实方法-CN201610052757.4在审
发明人：张媛媛;史颖欢;高阳;霍静 -专利权人：南京大学
申请日： 2016-01-26 - 公布日： 2016-07-13 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于第二代身份证人像和视频人像的异构人脸核实方法，包括如下步骤：人脸关键点检测：从原始人脸图像中检测出人脸关键点信息；图像预处理：将所述原始人脸图像中的人脸分割出来，进行归一化处理和DOG光照预处理；多特征提取：提取上述步骤处理后图像的Gabor特征、LBP特征和SIFT特征；相似性度量：利用LCSR度量学习方法，将不同模态下的所述Gabor特征、LBP特征和SIFT特征分别映射到公共子空间，再在公共子空间内进行匹配；特征决策投票：对所述Gabor特征、LBP特征和SIFT特征在公共子空间内的匹配结果进行多数投票确定核实结果。本发明实现对二代证人像和视频人像的快速精准核实。
基于第二代身份证人像视频异构人脸核实方法

[发明专利]一种基于hadoop的改进的物品推荐方法-CN201310568662.4在审
发明人：高阳;王睿;史颖欢 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2013-11-15 - 公布日： 2014-02-26 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于hadoop的改进的物品推荐方法，包括如下步骤：将数据存储到分布式数据存储环境中；从用户-物品矩阵中抽取物品集；通过mapreduce利用改进的聚类方法对物品集进行聚类；计算类别内的物品相似度，存储在哈希表中；利用所得到的物品相似度，进行物品推荐。本发明解决在处理海量数据时运行速度和推荐精度的问题。
一种基于 hadoop 改进物品推荐方法

[发明专利]一种对数据挖掘算法的评估与选择方法-CN201310570978.7在审
发明人：高阳;林木丰;史颖欢 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2013-11-15 - 公布日： 2014-02-05 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种对数据挖掘算法的评估与选择方法，包括：选取测试基准数据集；选取数据挖掘算法的评价标准；得到算法在这些基准数据集上的属性值；使用多属性决策的方法计算每一个候选算法在不同基准数据集上的效用值；计算用户给定数据集与每一个基准数据集的相似程度；再次使用多属性决策的方法得到每一个候选算法的质量值；选择质量值较高的算法，并推荐给用户。本发明在海量数据的背景下，保证数据挖掘服务的服务质量。
一种数据挖掘算法评估选择方法

[发明专利]一种不完美信息扩展式博弈中计算最佳反应策略的方法-CN201310568689.3有效
发明人：高阳;胡裕靖;史颖欢 -专利权人：南京大学;江苏万维艾斯网络智能产业创新中心有限公司
申请日： 2013-11-15 - 公布日： 2014-02-05 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种不完美信息扩展式博弈中计算最佳反应策略的方法，包括如下步骤：（1）初始化策略、所有信息集的虚拟价值和虚拟遗憾值；（2）根据当前策略，与对手进行一次博弈，并记录博弈结果；（3）对于在本次博弈中每一个被访问的信息集，根据博弈结果计算出该信息集的虚拟价值；（4）根据步骤（3）所得到的各个信息集的虚拟价值，计算出每个信息集上每一个动作的虚拟遗憾值；（5）在每一个被访问的信息集上执行遗憾值匹配过程，更新该信息集上的策略；（6）返回步骤（2），直至不再有博弈进行。本发明避免了对手策略动态变化所带来的误差，同时也提高了计算效率。
一种完美信息扩展博弈计算最佳反应策略方法

1
2
下一页»
尾页
共 19 条