“解天舒”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种用于肝癌患者PD-1和PD-L1表达的无创预测方法-CN202310130457.3在审
发明人：徐礼锋;张峰;解天舒;刘明;龚海刚 -专利权人：衢州市人民医院
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种用于肝癌患者PD‑1和PD‑L1表达的无创预测方法，包括：利用自监督对比学习帮助模型提取肝癌患者CT图像中的PD‑1和PD‑L1表达的深层表示，使用补丁洗牌增强模型学习CT图像中PD‑1和PD‑L1表达本地局部特征的能力，引入未标记的训练图像用于自我监督训练；将肝癌患者的CT图像输入预测模型中，通过迁移学习策略同时获得其PD‑1和PD‑L1表达的概率，选择所有图像中概率高的前k个图像，计算其平均值作为最终概率。本发明通过自监督对比学习策略来提高深度学习模型提取CT图像深层表示的能力，引入了补丁洗牌的数据增强方法，以丰富训练CT图像的特征模式，增强模型的局部特征表示的提取能力。
一种用于肝癌患者 pd l1 表达预测方法

[发明专利]一种丰富数据模式的数据增强方法-CN202211492454.6在审
发明人：王晓敏;卢辉;解天舒;程旋;刘明辉;龚海刚;吴磊;刘明 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-11-25 - 公布日： 2023-05-09 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及一种丰富数据模式的数据增强方法，包括：将每个样本图像框选一个与样本图像大小一样的图像框，将样本图像朝图像框某一个方向移动，且移动的距离小于移动方向上样本图像的长度；将移出图像框外的图像信息作为填充部分重新填充会完成图像移动步骤后图像框中的空白区域，与图像框内的图像信息构成跟原始样本图像大小相同的新样本图像，实现样本数据的增强。本发明通过简单有效地操作，产生新的训练样本，可以在已有的数据增强方法上无缝叠加，能在已有的数据增强方法产生的样本基础上，生成更多的新的训练样本，而更多的训练样本意味着训练数据集具有更为丰富的数据模式，从而提高网络模型的性能，以及网络模型的鲁棒性和泛化性。
一种丰富数据模式增强方法

[发明专利]一种基于潜层表征的主动学习样本标注方法-CN202211599181.5在审
发明人：龚海刚;孙怡忻;吴磊;刘明;王晓敏;刘明辉;解天舒;程旋 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-12-12 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于潜层表征的主动学习样本标注方法，述样本标注方法包括：S1、特征提取步骤：通过自动编码器模拟从病理图像中提取潜层的表征；S2、判别步骤：将病理图像作为判别器D的输入，训练一个二分类模型，通过判别器D区分有标签和无标签的样本数据集，得到概率值；S3、样本标注步骤：设置样本选择策略ALHS，根据判别器的输出概率值分布通过样本选择策略ALHS选择未标注的样本进行标注，实现病理数据集的自动标注。本发明能够极大减轻病理学家标注数据集的沉重负担，能够缓解样本冗余问题，提高样本选择的质量；能够极大地节省样本标注成本；通用性强，能适用于类不平衡和噪声样本的场合。
一种基于表征主动学习样本标注方法

[发明专利]基于强化学习的检测模型训练方法及相关装置-CN202210625588.4在审
发明人：杜鸿飞;陈思颖;刘明;王晓敏;龚海刚;程旋;刘明辉;解天舒;邓佳丽 -专利权人：电子科技大学
申请日： 2022-06-02 - 公布日： 2022-10-25 - 主分类号： G06V10/774 文献下载
摘要：本申请提供的基于强化学习的检测模型训练方法及相关装置中，模型训练设备利用强化学习的思想，基于当前构建策略为多个初始模型构建不同的损失函数，用于训练出多个候选模型；然后，从多个候选模型中确定出训练效果最好的作为目标模型；并根据目标模型对病灶的识别精度更新构建策略；以及将目标模型复制多份作为下一轮迭代周期的多个初始模型。如此，经过至少一轮的迭代，获得满足预设条件的病灶检测模型。因此，在以上训练过程中，自动最优地选择损失函数，从而能够避免人为选择损失函数所引入的主观影响，从而在一定程度上提升所训练病灶检测模型的泛化能力。
基于强化学习检测模型训练方法相关装置

[发明专利]图像生成模型训练方法、图像生成方法及相关装置-CN202210625806.4在审
发明人：杜鸿飞;邓攀;刘明;王晓敏;龚海刚;刘明辉;程旋;邓佳丽;解天舒 -专利权人：电子科技大学
申请日： 2022-06-02 - 公布日： 2022-09-06 - 主分类号： G06V10/774 文献下载
摘要：本发明的提供图像生成模型训练方法、图像生成方法及相关装置，方法包括：获取随机噪声样本和图像样本；根据随机噪声样本和图像样本，对初始的生成对抗网络进行迭代训练，直到预构建的损失函数达到设定条件，将训练后的生成对抗网络作为图像生成模型；其中，损失函数是基于随机噪声样本得到的生成图像之间的距离信息、生成图像和图像样本的判别信息以及预设参数信息构建的；迭代训练用于降低生成图像之间的相似度。针对相似度很高的噪声，本发明可以得到不同的生成图像，拉大生成图像对应的分布模式之间的距离，从而可以解决模式崩溃问题。
图像生成模型训练方法相关装置

[发明专利]图像分类模型训练方法、图像分类方法、电子设备和存储介质-CN202210625461.2在审
发明人： 解天舒;杨宇航;刘明;王晓敏;龚海刚;程旋;刘明辉;邓佳丽 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-02 - 公布日： 2022-08-30 - 主分类号： G06V10/44 文献下载
摘要：本发明的实施例提供了一种图像分类模型训练方法、图像分类方法、电子设备及存储介质，涉及计算机视觉领域。获取已标注类型标签的多张图像样本。针对每一张图像样本，将图像样本输入至图像分类模型，在图像分类模型中的任意一层卷积层中，从图像样本中提取出多张具有不同通道的特征图像。其中，不同通道表征图像样本不同的图像特征。利用预测得到的图像样本的类型标签和特征图像的类型标签，以及该图像样本已标注的类型标签，计算得到图像分类模型的损失值，基于该损失值调整图像分类模型的参数。重复执行上述步骤，以使可以达到预期训练目标。如此，由于没有增加输入图像分类模型的图像样本的数量，使得每次模型训练耗费的时间更少。
图像分类模型训练方法电子设备存储介质

[发明专利]图像分类模型训练方法、图像分类方法及相关装置-CN202210626206.X在审
发明人：邓佳丽;丁子霖;刘明;龚海刚;王晓敏;刘明辉;程旋;解天舒 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-02 - 公布日： 2022-08-30 - 主分类号： G06V10/44 文献下载
摘要：本发明的实施例提供了一种图像分类模型训练方法、图像分类方法及相关装置，涉及图像处理领域。首先，获取原始图像及原始图像的类型标签；将原始图像输入预先构建的图像分类模型，图像分类模型包括特征提取网络和类型预测网络，特征提取网络包括N个依次串联的卷积层；再利用特征提取网络对原始图像进行特征提取，得到第N个所述卷积层输出的第一特征图和第N‑1个卷积层输出的第二特征图；基于第一特征图、类型标签和预设的多个二值掩码，生成第一训练集，基于第二特征图、类型标签和多个二值掩码，生成第二训练集；最后，利用第一训练集和第二训练集对类型预测网络进行训练，得到训练后的图像分类模型，从而减少模型训练过程产生的额外开销。
图像分类模型训练方法相关装置

[发明专利]一种基于通道自监督的在线知识蒸馏方法-CN202210674288.5在审
发明人：刘明;王晓敏;范世晓;龚海刚;程旋;解天舒;邓佳丽 -专利权人：电子科技大学长三角研究院（衢州）
申请日： 2022-06-14 - 公布日： 2022-08-16 - 主分类号： G06V10/44 文献下载
摘要：本发明涉及一种基于通道自监督的在线知识蒸馏方法，包括：粗粒度特征提取步骤：将数据进行归一化处理后的输出结果output分别输入到两个网络模型中进行特征提取；自监督学习步骤：将经过粗粒度特征提取步骤后的特征图输入到样本多样性模块中进行特征转换操作，对数据输出不同的联合标签；在线动态蒸馏步骤：通过对两个网络模型分别设置一个动态系数对具有同样特征转换的分支之间进行相互学习，不断优化两个网络多样性模块的权重，并在损失函数值最小时输出输入样本的标签。本发明随着样本、网络和分支多样性的增强，样本数据量变大，人工标注标签任务繁琐，在知识蒸馏中加入自监督学习，使其不需要人工干预，可以降低成本和资源。
一种基于通道监督在线知识蒸馏方法

[发明专利]一种基于缩略图的数据增强方法-CN202011337355.1有效
发明人：王晓敏;刘明;解天舒 -专利权人：电子科技大学
申请日： 2020-11-24 - 公布日： 2022-07-01 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于缩略图的数据增强方法，包括以下步骤：S1：对训练样本进行下采样，得到缩略图；S2：将缩略图贴在其对应的一批样本中；S3：重复步骤S1‑S2，对每一批样本的所有图片进行贴图处理，并输入深度网络模型中进行训练，完成基于缩略图的数据增强。本发明通过在训练样本上随机粘贴该样本或其它样本的缩略图，不用改变原来网络的训练方法，在几乎零成本的条件下，可以增强网络对样本全局信息的学习能力，从而极大幅提升深度网络的性能，在各种分类任务和目标检测任务上都取得了最优的结果。
一种基于缩略图数据增强方法

1
共 9 条