“张鼎文”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50个，建议您升级VIP下载更多相关专利

[发明专利]一种多尺度引导和多层次监督的内镜息肉分割方法-CN202310709584.9在审
发明人：韩军伟;吴英杰;杨乐;韩龙飞;张鼎文;黄培亮 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2023-06-14 - 公布日： 2023-10-24 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种多尺度引导和多层次监督的内镜息肉分割方法，包括获取数据集；将数据集输入基于多尺度卷积注意力模块构建的用于下采样提取特征的编码器，并进行处理形成加权语义图；采用转置卷积构建用于上采样恢复原图尺寸的解码器；将加权语义图作为高级语义导引模块，传递至各层解码器，并采用多尺度的特征聚合模块处理特征图后送入各层解码器；将数据集输入构建的联合网络进行训练，并采用多重监督模块将真实标签经resize后传递到各层解码器计算损失，得到最终的内镜息肉分割模型，并保存模型进行内镜息肉分割。本发明通过设计内镜息肉分割方法处理实现对图像逐像素分类，生成质量更高的内窥镜肠道息肉分割图。
一种尺度引导多层次监督息肉分割方法

[发明专利]一种基于点监督的组织病理学图像细胞核检测方法-CN202310787203.9在审
发明人：姚洁茹;郑朝晖;韩军伟;张鼎文;丁进;郑钰辉;杨凯辉 -专利权人：西北工业大学
申请日： 2023-06-29 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于点监督的组织病理学图像细胞核检测方法。采用点监督学习方式，首先，在像素级表示的基础上进行点标签与其周围区域之间的关系推理，确定哪些区域高质量的覆盖了整个实例；然后，采用深度学习框架构建密集细胞核检测网络并进行网络训练，训练时点标注和区域伪标注作为监督约束；最后，利用训练好的网络完成细胞核检测。本发明能够在组织病理学图像上学习大量细胞核与其相邻背景区域之间的关系，使网络在密集的细胞核场景下获得良好的检测性能，改善在具有类内异质性和细胞核重叠分布场景下的细胞核检测效果。
一种基于监督组织病理学图像细胞核检测方法

[发明专利]基于有向图信息交互的在线动作检测算法、系统、设备-CN202310403357.3在审
发明人： 张鼎文;高源远;杨乐;程乐超;孙佳欣;韩军伟;彭春蕾 -专利权人：西北工业大学
申请日： 2023-04-17 - 公布日： 2023-10-13 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于有向图信息交互的在线动作检测算法，用于建模时序信息，完成时序动作定位任务。其针对一个动作类别，首先，收集此类所有动作实例的每个特征并进行聚类，选取有代表性的特征作为典型动作片段。其次，将典型动作片段划分为三个阶段并按照时间顺序嵌入到一个有向图中，从类别层面全局地构建典型动作网络。再次，在典型动作网络中设计四种信息交互步骤：阶段内部交互、相邻阶段传递、典型信息聚合和视频帧广播，按顺序处理时序信息，调整典型动作网络中每个典型动作片段的特征，为所处理的每帧视频提供恰当的时序信息引导。最终，该基于有向图信息交互的在线动作检测算法与已有的时序动作定位方法相结合，在有监督的情况下取得性能增益。
基于信息交互在线动作检测算法系统设备

[发明专利]用于缺陷检测的神经网络模型及其训练方法、系统和设备-CN202310401126.9在审
发明人： 张鼎文;韩军伟;李龙;刘念;彭春蕾 -专利权人：西北工业大学
申请日： 2023-04-15 - 公布日： 2023-09-29 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种用于缺陷检测的神经网络模型及其训练方法、系统和设备，属于工业产品图像缺陷检测技术领域。用于缺陷检测的神经网络模型包括分割模块和分类模块；分割模块用于对原始图片进行分割预测，分类模块用于对分割模块预测的图片进行缺陷或正常分类。该神经网络模型的训练包括具体为：从不同的缺陷图片中提取缺陷构件；将缺陷构件随机粘贴到不同的正常图片上，形成合成图片；将合成图片对应的缺陷图片和正常图片进行复制，形成训练集数据；采用训练集数据对用于缺陷检测的深度神经网络模型进行训练。该训练方法能够利用极少量缺陷图片生成大量的含有缺陷图像特征的合成图片，来有效训练缺陷检测深度神经网络模型。
用于缺陷检测神经网络模型及其训练方法系统设备

[发明专利]基于图变换网络的弱监督视频动作检测方法、系统、设备-CN202310417858.7在审
发明人： 张鼎文;孙佳欣;杨乐;程乐超;高源远;韩军伟;彭春蕾 -专利权人：西北工业大学
申请日： 2023-04-19 - 公布日： 2023-09-29 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于图变换网络的弱监督视频动作检测方法，其从动作背景判别性特征学习的角度研究弱监督视频动作检测，构建了一个新颖的图变换网络模块。该模块从每类动作中选择有代表性的典型特征，按照时空结构嵌入有向图中，并设计阶段内部交互、相邻阶段传递、典型信息聚合和视频帧广播四种信息传播机制。通过本发明方法能在视频帧和图变换网络之间进行有效的信息交互，为弱监督视频动作检测任务提供动作结构信息引导。并且本发明的图变换网络模块能够有效地建模动作结构，可以作为即插即用模块部署到已有的弱监督视频动作检测框架中，显著地提升其在相关任务上的性能。
基于变换网络监督视频动作检测方法系统设备

[发明专利]一种基于边界监督和时序关联的内窥镜息肉分割方法-CN202310709572.6在审
发明人：韩军伟;史航飞;杨乐;张鼎文;韩龙飞;黄培亮 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2023-06-14 - 公布日： 2023-09-29 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于边界监督和时序关联的内窥镜息肉分割方法，包括获取内窥镜息肉视频数据生成mask标签，同时形成数据集；构建内窥镜息肉分割模型；将数据集输入内窥镜息肉分割模型进行训练并得到预测分割结果，再根据mask标签计算损失函数，同时利用AdamW优化器优化模型参数，进行优化后得到内窥镜息肉分割模型，并进行模型部署；实时获取内窥镜息肉图像数据，并输入模型中，得到内窥镜息肉分割结果，确定息肉位置辅助诊断。本发明通过边界监督模块来约束息肉边界部分的分割，可以有效改善模型在息肉边界处分割的性能，通过时序关联模块关联视频息肉分割任务中的时序信息，利用之前的分割信息来辅助当前帧的息肉分割，提升了视频息肉分割的性能。
一种基于边界监督时序关联内窥镜息肉分割方法

[发明专利]基于多模态特征融合的多任务MRI脑瘤图像分割方法-CN202010752119.X有效
发明人： 张鼎文;黄国海;张强;张佳佳;韩军功;王龙 -专利权人：西安电子科技大学
申请日： 2020-07-30 - 公布日： 2023-08-15 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多模态特征融合的多任务MRI脑瘤图像分割方法，包括获取第一多模态3D MRI图像集；对第一多模态3D MRI图像进行标准化处理得到第二多模态3D MRI图像；将第二T1图像、第二T1c图像、第二T2图像和第二Flair图像输入至训练完成的脑瘤分割网络模型，得到第一ET区域分割图、第一TC区域分割图和第一WT区域分割图；得到第二ET区域分割图、第二TC区域分割图和第二WT区域分割图；将第二ET区域分割图、第二TC区域分割图和第二WT区域分割图结合成为最终的3D多类别脑瘤分割图。本发明根据三个脑瘤区域间的相互联系设计了级联的多任务分割网络结构，根据分析得到的不同模态MRI图像在分割不同的肿瘤区域时的重要性不同。
基于多模态特征融合任务 mri 脑瘤图像分割方法

[发明专利]基于轻量级卷积神经网络和空间先验传播的胰腺分割方法-CN202010753872.0有效
发明人： 张鼎文;张佳佳;张强;韩军功;王龙 -专利权人：西安电子科技大学
申请日： 2020-07-30 - 公布日： 2023-08-11 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于轻量级卷积神经网络和空间先验传播的胰腺分割方法，本发明的胰腺分割方法将小目标胰腺分割问题解耦为分割子问题和定位子问题，并分别设计了函数具体的子网络。基于此，构建了一个新的端到端的深度卷积神经网络模型，能够以较低的计算复杂度获得较高的胰腺分割准确率，便于实际临床的应用。
基于轻量级卷积神经网络空间先验传播胰腺分割方法

[发明专利]基于梯度和区域亲和力优化的弱监督语义分割方法及装置-CN202211395308.1有效
发明人： 张鼎文;薛文灏;张晓;程乐超;方超伟;韩军伟 -专利权人：之江实验室
申请日： 2022-11-09 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了基于梯度和区域亲和力优化的弱监督语义分割方法及装置，本方法提出的基于视觉Transformer的弱监督语义分割框架，可以保留精确的图像结构信息，反映像素间长距离语义关联。本发明从自注意力模块中提取梯度加权的类相关物体定位图和区域亲和度关联图，用于优化通过Transformer分类网络生成的类激活图，可以有效扩大激活区域，并使用显著性约束提高激活区域的边界质量，缓解边界被错误划分现象，为分割模型提供高质量的物体定位图；在类激活图中广泛使用的二值交叉熵(BCE)损失使CAM中每个像素可以响应于同一感受野中出现的多个类别，是造成像素标注错误的重要原因。
基于梯度区域亲和力优化监督语义分割方法装置

[发明专利]3D景深估计方法、装置及终端设备-CN201811151734.4有效
发明人：俞大海;张鼎文;凌健;曾鸣 -专利权人： TCL科技集团股份有限公司
申请日： 2018-09-29 - 公布日： 2023-07-25 - 主分类号： G06T7/50 文献下载
摘要：本发明实施例适用于计算机视觉技术领域，公开了一种3D景深估计方法、装置、终端设备及计算机可读存储介质，其中，方法包括：获取待估计2D图像；通过预训练的编码器神经网络模型，得到待估计2D图像的显著性特征图像；根据预训练的景深估计解码器神经网络模型、显著性特征图像以及待估计2D图像，得到待估计2D图像的3D景深估计结果。本发明实施例通过预训练的编码器神经网络模型，得到待估计2D图像的显著性特征图像，再基于显著性特征图像和预训练的景深估计解码器神经网络模型，得到3D景深估计结果，利用待估计2D图像中的显著性特征，为景深估计提供更准确的特征，从而提高了2D图像的3D景深估计结果的准确率。
景深估计方法装置终端设备

[发明专利]基于存储库鲁棒区域特征合成器的零样本目标检测方法-CN202310254266.8在审
发明人： 张鼎文;黄培亮;韩军伟;程德;杨乐;刘念;郭广宇 -专利权人：西北工业大学
申请日： 2023-03-16 - 公布日： 2023-07-11 - 主分类号： G06V20/70 文献下载
摘要：本发明提供了一种基于存储库鲁棒区域特征合成器的零样本目标检测方法。构建目标检测网络，输入语义描述子和随机噪音，在训练的第一阶段，在可见类视觉特征上训练特征生成器，为获得类内多样和类间可区分性特征，加入类内语义发散模块和类间结构保持模块来约束学习过程，训练结束后用此特征生成器合成不可见类视觉特征；在训练的第二阶段，构造一个存储库来保存真实的可见类存储单元和第一阶段合成的不可见类存储单元，基于该存储库构建的跨模态对比增强损失使得特征合成器可以同时在可见类和不可类数据上进行优化，生成器可以合成类内多样性、类间可区性以及跨域可区分的视觉特征用于训练鲁棒的目标检测器，最终得到准确的零样本目标检测结果。
基于存储库鲁棒区域特征合成器样本目标检测方法

[发明专利]一种基于模态差异缩减的RGB-T图像语义分割方法-CN202110187778.8有效
发明人：张强;赵什陆;黄年昌;张鼎文;韩军功 -专利权人：西安电子科技大学
申请日： 2021-02-18 - 公布日： 2023-06-27 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于模态差异缩减的RGB‑T图像语义分割方法，包括(1)构建双向模态差异缩减子网络，对输入的RGB和热红外配准的图像对提取更具辨别力的RGB特征和热红外特征并同时构建监督学习模型：(2)构建自适应通道加权融合模块，通过加权融合模块对多层级RGB特征和热红外特征进行逐通道加权融合得到多层级融合特征；(3)获取多层级融合特征，再通过计算得到空间相关性矩阵和通道相关性矩阵；(4)将空间相关性矩阵和通道相关性矩阵通过反卷积操作恢复为全分辨率，经过通道变换操作以及softmax函数进行逐像素分类计算后预测语义分割掩膜图；(5)训练算法网络得到模型参数。
一种基于差异缩减 rgb 图像语义分割方法

[发明专利]一种基于多尺度上下文的多元时序信号分析方法-CN202310283544.2在审
发明人： 张鼎文;姚洁茹;郑朝晖;韩军伟;刘念;韩龙飞;杨凯辉 -专利权人：西北工业大学
申请日： 2023-03-21 - 公布日： 2023-06-09 - 主分类号： G06F18/213 文献下载
摘要：本发明提供了一种基于多尺度上下文的多元时序信号分析方法。首先，对多元时序信号进行时频转换和不同尺度的切分，以切分后的切片向量作为网络训练的输入用向量；然后，对构建的多元时序信号分析网络进行训练，所构建的网络采用多尺度上下文Transformer模型，包括多层级编码模块和双向特征融合模块，能够更好挖掘不同尺度间的潜在上下文关系，提升时序信号的特征表示；最后，应用训练好的网络进行时序信号分析。本发明通过使用Transformer来建模MTS信号的多尺度相关性，不仅可以最大限度地提高每个单一尺度生成特征的能力，还可以充分利用多尺度特征增强MTS分析网络的整体表示能力。
一种基于尺度上下文多元时序信号分析方法

[发明专利]基于显著性分析与低秩表示的红外与可见光图像融合方法-CN201910397498.2有效
发明人：张强;田赛赛;张鼎文;史涛;韩军功;王龙 -专利权人：西安电子科技大学
申请日： 2019-05-14 - 公布日： 2023-04-25 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了基于显著性分析与低秩表示的红外与可见光图像融合方法，包括：步骤(1)、分别对输入的待融合红外图像与可见光图像执行图像块的划分，得到红外图像的图像块数据矩阵和可见光图像的图像块数据矩阵；步骤(2)、构建一个分层树形结构；步骤(3)、利用输入源图像，构建背景字典D；步骤(4)、构建分层联合低秩表示模型，然后执行分层联合低秩表示，得到红外/可见光图像的低秩表示系数矩阵以及代表显著信息的稀疏重构误差系数矩阵；步骤(5)、将系数矩阵分别执行融合操作，得到融后的表示系数矩阵，然后利用融合后的表示系数矩阵重构出粗融合图像IF；步骤(6)、利用引导滤波算法对粗融合结果IF进行进一步处理，得到最终的融合图像
基于显著分析表示红外可见光图像融合方法

[发明专利]基于复习网络的内窥镜影像报告生成方法及存储介质-CN202211334343.2在审
发明人：韩龙飞;韩军伟;吴英杰;徐晨初;张鼎文;张贺晔;屈亚威 -专利权人：合肥综合性国家科学中心人工智能研究院（安徽省人工智能实验室）
申请日： 2022-10-28 - 公布日： 2023-04-11 - 主分类号： G16H15/00 文献下载
摘要：本发明的一种基于复习网络的内窥镜影像报告生成方法及存储介质，该方法包括：下载并处理预训练数据，获取他们的标签；集预训练骨干分类RESNET网络，获得适合内窥镜图像的初始参数；训练目标检测与特征提取网络N1；利用目标检测与特征提取网络N1训练加入了复习网络模块的自注意力文本生成网络；训练文本特征提取网络与注意力机制网络及视觉门控网络；将上述网络联合进行生成报告。本发明采用了transformer用于充分发掘输入图像特征的关系，采用了获得良好初始权重的FASTER‑RCNN检测框架用于提取高质量的视觉概念，并采用了复习模块用于兼顾当前正在查看的图片与过去查看的图片间的关系，从而更加智能的模仿专业医生的学习、检测过程，生成质量更高的内窥镜报告。
基于复习网络内窥镜影像报告生成方法存储介质

1
2
3
4
下一页»
尾页
共 50 条