“林兰芬”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29个，建议您升级VIP下载更多相关专利

[发明专利]基于多模态时序信息融合的工程进度确定方法及装置-CN202310788030.2有效
发明人： 林兰芬;王弘毅;孙浩;石钟韶;徐宏 -专利权人：杭州新中大科技股份有限公司;浙江大学;杭州浩联智能科技有限公司
申请日： 2023-06-30 - 公布日： 2023-10-20 - 主分类号： G06Q10/0631 文献下载
摘要：本发明实施例公开了一种基于多模态时序信息融合的工程进度确定方法及装置。其中，方法包括：获取当前工程进度信息，以及与各所述工程进度信息对应的历史工程进度信息；分别根据各所述当前工程进行信息，以及与各所述当前工程进度信息对应的历史工程进度信息确定各时序工程特征；将各所述时序工程特征输入至基于维度解耦的多模态融合模块中，得到融合后的多模态时序信息；根据所述融合后的多模态时序信息确定当前工程进度。本发明实施例的方案，可以基于施工现场的多模态信息进行工程进度的准确确定。
基于多模态时序信息融合工程进度确定方法装置

[发明专利]一种基于多视角特征融合的渣土车带泥检测方法及装置-CN202310555362.6在审
发明人： 林兰芬;欧阳淑怡;王弘毅;石钟韶;徐宏;张二青 -专利权人：杭州新中大科技股份有限公司;浙江大学;杭州浩联智能科技有限公司
申请日： 2023-05-17 - 公布日： 2023-09-29 - 主分类号： G06V10/764 文献下载
摘要：本申请公开了一种基于多视角特征融合的渣土车带泥检测方法及装置，包括获取渣土车在至少两个视角下的目标图像，并将每个目标图像分别输入至卷积神经网络中，得到第一轮廓特征；对初始融合特征编码以及所有第一轮廓特征进行多角度融合编码处理，得到目标融合特征编码以及视觉特征；基于全连通层对目标融合特征编码以及所有视觉特征进行分类处理，并根据预设的权重对处理结果进行加权求和处理，得到目标预测值；根据目标预测值判断渣土车的冲洗情况是否达标。通过对多个视角的目标图像进行识别，可提取出更加丰富的视角特征；并结合多角度融合编码处理的方式，捕捉跨视角融合的特征，不仅更好的改善分类性能，且提高了预测结果的准确性。
一种基于视角特征融合渣土车带检测方法装置

[发明专利]基于多模态数据的类风湿关节炎活动度分级装置-CN202310755346.1在审
发明人： 林兰芬;余昕遥;牛子未;孙浩;秦锐;白振甲 -专利权人：浙江大学
申请日： 2023-06-26 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于多模态数据的类风湿关节炎活动度分级装置，主要包括：影像预处理模块，用于将病例的多张关节影像转换为影像特征；提取模块，用于使用TransformerD提取全部关节影像特征；优化影像表征模块，用于获得对应影像的病变分类预测和影像整体的疾病分级预测，并与对应病变标签计算第一交叉熵损失；其他模态特征提取模块，用于使用MLP提取其他模态特征并增强；特征融合模块，用于使用TransformerP对上述各模态特征进行交互和融合，获得多模态数据的疾病分级预测，并与真实分级标签计算第二交叉熵损失；损失函数优化模块，用于训练疾病活动度分级预测网络；疾病分级预测模块，用于给定病例的关节影像和其他模态数据，分级预测网络输出该病例疾病活动度。
基于多模态数据类风湿关节炎活动分级装置

[发明专利]一种利用扩散模型的多模态影像配准方法、装置和介质-CN202310661495.1有效
发明人：张楚杰;刘婧;杨玉林;赵嘉玥;陈延伟;童若锋;林兰芬;李劲松 -专利权人：之江实验室
申请日： 2023-06-06 - 公布日： 2023-09-15 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种利用扩散模型的多模态影像配准方法、装置和介质，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后构建跨模态的生成网络和可变形配准网络，进一步构建跨模态配准网络模型，并基于数据集对该模型进行训练；再使用数据集通过评估指标对训练好的跨模态配准网络模型的性能进行评估，并根据评估结果进一步调整模型参数，以获取最优跨模态配准网络模型；最后获取最优跨模态配准网络模型中的最优可变形配准网络，将待配准图像输入最优可变形配准网络中以获取配准后的图像。本发明包含了利用扩散思想的无判别器的生成模型，有助于减少生成图像的不一致性和伪影，提高多模态配准的结果，提高生成图像的质量。
一种利用扩散模型多模态影像方法装置介质

[发明专利]一种利用图知识引导的多模态医学影像生成方法和装置-CN202310661539.0有效
发明人：张楚杰;胡季宏;王伟彬;陈延伟;童若锋;林兰芬;李劲松 -专利权人：之江实验室
申请日： 2023-06-06 - 公布日： 2023-09-15 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种利用图知识引导的多模态医学影像生成方法和装置，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后利用图知识引导构建基于对抗生成网络的对抗生成模型，使用训练集训练对抗生成模型；再获取训练好的对抗生成模型中训练好的生成器，使用验证集通过评估指标对训练好的生成器的性能进行评估，并根据评估结果对生成器的参数进行调整，以获取最优生成器；最后将源域图像或测试集中的源域图像输入最优生成器中以获取生成的目标域图像。本发明能够捕获到跨区域和跨图像关系作为上下文和补偿信息，约束对抗的方向，进一步提升多模态生成的结果，有利于提高生成图像的质量。
一种利用知识引导多模态医学影像生成方法装置

[发明专利]基于特征融合的多层知识蒸馏医学影像生成方法和装置-CN202310661464.6有效
发明人：李劲松;张楚杰;王伟彬;胡季宏;陈延伟;童若锋;林兰芬 -专利权人：之江实验室
申请日： 2023-06-06 - 公布日： 2023-08-29 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于特征融合的多层知识蒸馏医学影像生成方法和装置，该方法首先获取MR图像和CT图像并进行预处理，以构建数据集；然后基于特征感知融合构建对抗生成模型，基于多层知识蒸馏使用数据集训练对抗生成模型；再获取训练好的对抗生成模型中训练好的生成器，使用数据集通过评估指标对训练好的生成器的性能进行评估，并根据评估结果进一步调整生成器的参数，以获取最优生成器；最后将源域图像输入最优生成器中以获取生成的目标域图像。本发明能在有限数据的情况下，通过新的数据提取方式可以最大程度上扩充数据库，同时提升图像的生成效果；本发明可以在保留CNN对于局部纹理等信息抓取的优势下，提升对于全局相关性的信息捕获。
基于特征融合多层知识蒸馏医学影像生成方法装置

[发明专利]基于对抗生成网络的多模态影像生成方法和装置-CN202310699766.2有效
发明人：李劲松;张楚杰;陈延伟;童若锋;林兰芬 -专利权人：之江实验室
申请日： 2023-06-14 - 公布日： 2023-08-29 - 主分类号： G06T11/00 文献下载
摘要：本发明公开了一种基于对抗生成网络的多模态影像生成方法和装置，包括：获取同一目标的第一模态影像和第二模态影像，对第一模态影像进行增强得到两幅增强后模态影像；构建包括生成器和判别器的对抗生成网络，其中，生成器基于第一模态影像及其两幅增强后模态影像生成三幅预测第二模态影像，判别器对第二模态影像和第一模态影像对应的预测第二模态影像进行真伪区分判别，判别器还计算输出两幅增强后模态影像对应的两幅预测第二模态影像在判别器中间层的两幅中间特征图；基于两幅中间特征图构建特征之间的对比损失，将对比损失结合对抗生成网络的原有损失对对抗生成网络进行参数优化，提取参数优化的生成器用于多模态影像生成，以提高影像精度。
基于对抗生成网络多模态影像方法装置

[发明专利]基于神经网络的工具变量生成与手写数字识别方法及装置-CN202011493947.2有效
发明人：况琨;袁俊坤;吴飞;林兰芬 -专利权人：浙江大学
申请日： 2020-12-16 - 公布日： 2023-08-22 - 主分类号： G06N5/04 文献下载
摘要：本发明公开了一种基于神经网络的工具变量生成与反事实推理方法及装置。针对之前的基于工具变量的反事实推理(如手写数字识别)方法需要预先定义和可获取的工具变量的问题，本发明直接从可观测变量中学习和解耦出工具变量，大大提升了因果推断效率，节省了时间和成本。本发明首次自动地从可观测变量中提取出工具变量，在算法和运用上有独创性和独特性。将本发明应用于现有的基于工具变量的反事实预测方法，与使用真实工具变量的方法相比性能因果推断有明显提升。本发明着重于从可观测变量中解耦出工具变量的表征，解决了基于工具变量的反事实预测技术需要预先使用先验知识和高昂成本获取工具变量数据的难题，提升了手写数字识别等领域精度。
基于神经网络工具变量生成手写数字识别方法装置

[发明专利]一种面向医学图像分割的单一域泛化方法-CN202310129544.7在审
发明人： 林兰芬;牛子未;王弘毅;解仕奥;孙浩;胡红杰;张峭巍;陈青青;王芳 -专利权人：浙江大学
申请日： 2023-02-03 - 公布日： 2023-08-15 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种面向医学图像分割的单一域泛化方法，本发明基于对跨中心的医学图像特性观察，采用弱增强以模拟域偏移，并实施基于域不变表征学习的单一域泛化策略，提升模型的跨中心的泛化能力和分割精度，避免了医学数据的隐私保护和高标注代价问题；本发明提出双分支一致性网络，通过该网络可以充分学习跨域不变表征，以提升模型的泛化能力；本发明提出特征指导白化模块，通过改模块可以促使模型关注语义信息而忽略风格信息，提升模型的表达能力，进一步提升模型跨中心的泛化能力和分割精度。
一种面向医学图像分割单一泛化方法

[发明专利]基于三维轻量化卷积神经网络的医学图像配准方法及装置-CN202211600322.0在审
发明人：李印豪;基隆若沙库提提郎;刘婧;胡季宏;许莹莹;陈延伟;童若锋;林兰芬 -专利权人：之江实验室
申请日： 2022-12-13 - 公布日： 2023-08-11 - 主分类号： G06T7/30 文献下载
摘要：本发明公开了一种基于三维轻量化卷积神经网络的医学图像配准方法及装置，该方法将待配准的三维医学图像与目标三维医学图像输入到三维轻量化卷积神经网络中，将原图像拆分成尺寸较小的三维图像后，构建基于跨通道低维卷积核的轻量化特征融合模块并将其作为基本处理单元嵌入到基于三维残差密集连接结构的骨干网络中，让该网络学习输入图像之间的变形场实现三维图像配准。本发明使用高精度的三维残差密集网络与高效率的轻量化特征融合模块，依靠少量参数实现快速准确的三维医学图像配准，可有效降低对于医学图像的数据量的需求和实际测试时所需时间成本。
基于三维量化卷积神经网络医学图像方法装置

[发明专利]用于测试时间的图像分类域泛化方法及装置、电子设备-CN202211707585.1在审
发明人： 林兰芬;陈维哲;邱兆林;牛子未 -专利权人：浙江大学
申请日： 2022-12-29 - 公布日： 2023-08-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种用于测试时间的图像分类域泛化方法及装置、电子设备，包括：在测试时间，将目标域图像输入由源域数据训练好的深度神经网络模型中，进行首次预测，并构建伪标签，所述深度神经网络模型由特征提取器和线性分类器组成；使用伪原型分类器替代所述线性分类器，依据所述伪标签，使用预测熵值低于设定值的目标域图像样本的特征表示更新伪原型分类器；使用更新后的伪原型分类器进行二次分类，并构建二次伪标签；使用未经目标域图像更新的所述深度神经网络模型进行初始模型预测；根据所述首次预测和所述初始模型预测，对目标域图像样本进行过滤及打分；结合过滤信息、样本分数和二次伪标签，对特征提取器进行更新。
用于测试时间图像分类泛化方法装置电子设备

[发明专利]基于多任务模型的智能肝脏影像征象分析及LI-RADS分类系统-CN202211604295.4在审
发明人：李印豪;陈青青;赵嘉玥;基隆若沙库提提郎;刘婧;张楚杰;胡季宏;许莹莹;陈延伟;童若锋;林兰芬 -专利权人：之江实验室
申请日： 2022-12-13 - 公布日： 2023-06-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于多任务模型的智能肝脏影像征象分析及LI‑RADS分类系统，该系统将多期像二维肝脏肿瘤影像输入到多任务卷积神经网络模型中，在主任务中利用该模型自动提取基于LI‑RADS标准的分类任务时所需潜在特征，同时在子任务中提取LI‑RADS标准定义的主要征象分类所需潜在特征，不仅能够实现更高的LI‑RADS分级精度，而且可为医生在临床诊断等实际应用中提供分类依据参考。本发明使用多任务卷积神经网络、基于图像的肿瘤大小自动分析方法，依靠端到端与监督对比学习相结合的方式训练模型，实现可为医生提供判断依据的肝脏肿瘤LI‑RADS分类系统。
基于任务模型智能肝脏影像征象分析 li rads 分类系统

[发明专利]基于Transformer与CNN交互的半监督医学影像分割方法-CN202310129552.1在审
发明人： 林兰芬;解仕奥;牛子未 -专利权人：浙江大学
申请日： 2023-02-03 - 公布日： 2023-06-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于Transformer与CNN交互的半监督医学影像分割方法，包括：本发明将Transformer引入到医学影像半监督分割框架中，并设计了Transformer分支与CNN分支之间特征交互的模块C2T模块和T2C模块，实现两分支之间高效的知识共享，提高分割网络同时捕捉细节特征和建立全局依赖关系的能力；同时增加了特征一致性分布约束，利用Teacher模型的Transformer分支的特征协方差矩阵去约束Student的CNN分支特征协方差矩阵，同样Teacher模型的CNN分支的特征协方差矩阵去约束Transformer的特征协方差矩阵，通过这种交叉教学的方式，使得引入Transformer分支之后的半监督框架更加稳定，同时产生更加准确的伪标签。
基于 transformer cnn 交互监督医学影像分割方法

[发明专利]基于人脸视频的脉搏波形测量方法及装置、电子设备-CN202211643964.9在审
发明人：邱兆林;陈维哲;牛子未;林兰芬 -专利权人：浙江大学
申请日： 2022-12-20 - 公布日： 2023-05-16 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于人脸视频的脉搏波形测量方法及装置、电子设备，包括：从人脸视频中提取原始rPPG信号；构建并训练基于Transformer的神经网络，所述神经网络主要由多个Transformer模块纵向堆叠而成，所述Transformer模块包括：一维Patch Embedding，用于将原始rPPG信号转换维度，生成后续Transformer编码器能够接受的token；包含多头自注意力模块的Transformer编码器，用于促使网络对信号时域全局建立联系；信号复原变换，用于将Transformer编码器的输出转换维度，还原为一维时间信号；将所述原始rPPG信号输入到训练好的基于Transformer的神经网络中进行增强与降噪处理，得到处理后的一维时间信号，即脉搏波形。本发明提升了测量精确度。
基于视频脉搏波形测量方法装置电子设备

[发明专利]基于时空特征的双流工人劳动状态识别方法-CN202211353123.4有效
发明人： 林兰芬;牛子未;王弘毅;石钟韶;徐宏 -专利权人：杭州新中大科技股份有限公司;浙江大学
申请日： 2022-11-01 - 公布日： 2023-04-14 - 主分类号： G06V20/40 文献下载
摘要：本发明涉及信息技术领域，具体涉及基于时空特征的双流工人劳动状态识别方法，包括以下步骤：获取劳动图像样本，建立人体关节识别模型；工人劳动视频输入人体关节识别模型；建立关节点数据和骨骼数据；建立第一时空特征模型和第二时空特征模型；将关节点数据输入第一时空特征模型训练；将骨骼数据输入第二时空特征模型训练；截取实时帧组；获得人体关节位置；建立关节点数据和骨骼数据；分别输入第一时空特征模型和第二时空特征模型；输出的劳动状态概率分布加权求和。本发明的有益技术效果包括：通过将关节点数据和骨骼数据分别输入第一时空特征模型和第二时空特征模型，将获得的劳动状态概率分布加权求和，提高了劳动状态的识别准确度。
基于时空特征双流工人劳动状态识别方法

1
2
下一页»
尾页
共 29 条