|
|
钻瓜专利网为您找到相关结果 1625109个，建议您 升级VIP下载更多相关专利
- [发明专利]一种深度对抗多模态数据聚类方法-CN202110409134.9在审
-
陈志奎;宋鑫;高静;刘晨欣;张佳宁;金珊;李朋
-
大连理工大学
-
2021-04-16
-
2021-07-09
-
G06F16/906
- 一种深度对抗多模态数据聚类方法，构建模态编码网络、模态融合网络、模态生成器和模态融合判别器。首先，模型将数据的每个模态通过对应的模态编码网络映射到深度特征空间，学习各模态私有的深度特征。然后，模态融合网络学习各模态私有特征，获取带有模态扰动的融合特征。最后，模态生成器利用融合特征生成样本，模态融合判别器判断样本的真伪，两者通过生成对抗的策略拟合数据分布。相应设计对抗循环一致聚类损失函数指导模型的训练，其包含循环一致损失函数、跨模态对抗损失函数和聚类嵌入损失函数。本发明中的深度对抗多模态数据聚类方法学习数据的融合特征，挖掘数据的内在规律；能够有效提取多模态数据中隐藏的语义一致性信息，提高多模态数据聚类的性能。
- 一种深度对抗多模态数据方法
- [发明专利]基于多模态自监督的医学影像分割方法-CN202211374925.3在审
-
许铮铧;张娇娇
-
河北工业大学
-
2022-11-04
-
2023-01-13
-
G06T7/00
- 本发明为基于多模态自监督的医学影像分割方法，首先获取病灶组织的多模态医学影像，包括A模态图像和B模态图像，并对图像进行预处理；接着，构建循环一致性模态对比域翻译网络，包括两个生成器和两个判别器；生成器用于将一个模态的图像转换为另一个模态的图像，包括编码器、中间共享模块和解码器；判别器用于判断自身输入的来源；然后，预训练循环一致性模态对比域翻译网络，计算训练损失，损失函数包括多模态语义一致性损失、对抗性损失、跨域翻译损失和循环一致性损失；最后，构建A模态分割网络和B模态分割网络，将预训练得到的权重迁移到两个分割网络中，将训练后的两个分割网络分别用于对应模态的医学影像分割。将对比跨域翻译作为多模态自监督预训练任务来学习更全面的模态特征，促进网络更好地学习模态特性和共性知识，提升分割能力。
- 基于多模态监督医学影像分割方法
- [发明专利]一种矿井火灾致灾因子最大值的预测方法-CN202110108183.9在审
-
刘剑;赵旭;韩超;刘丽;王东
-
辽宁工程技术大学
-
2021-01-27
-
2021-05-07
-
G06F30/27
- 本发明涉及矿山安全技术领域，提供一种矿井火灾致灾因子最大值的预测方法，包括：步骤1：确定矿井火灾致灾因子与致灾因子影响因素；步骤2：建立矿井火灾数值模拟模型；步骤3：采用数值模拟方法，获取致灾因子影响因素的N种取值组合下各致灾因子最大值的数据，得到矿井火灾样本集；步骤4：以各致灾因子影响因素为输入、各致灾因子的最大值为输出，构建基于MLP的矿井火灾致灾因子最大值预测模型；步骤5：训练并验证矿井火灾致灾因子最大值预测模型，得到最优预测模型；步骤6：对最优预测模型进行测试；步骤7：对待预测矿井的火灾致灾因子最大值进行预测。本发明能够实现矿井火灾致灾因子最大值的快速预测，并提高预测准确性、安全性。
- 一种矿井火灾因子最大值预测方法
|
