一种基于渐进采样的层级式图像分类方法

    公开(公告)号:CN116797835A

    公开(公告)日:2023-09-22

    申请号:CN202310758952.9

    申请日:2023-06-26

    Applicant: 南通大学

    Abstract: 本发明属于计算机视觉技术领域,具体涉及一种基于渐进采样的层级式图像分类方法。包括以下步骤:S1:将图片送入第一个阶段的分层模块中,利用特征金字塔的结构将图片的分辨率由低到高依次输出不同的特征图,分别作为阶段1,阶段2,阶段3,阶段4的特征图;S2:将各层的特征图分别送入到对应阶段中的渐进采样模块中,对判别位置进行定位;S3:将采样步长的嵌入馈送到Transformer编码层,预测下一组采样偏移,更新下一组的采样位置;S4:重复进行S2和S3,从最后一次迭代中得到最后的输出令牌;S5:将不同层的特征图分别通过分类器单元将最终的输出向量转化成概率表示,完成各层的图像分类;S6:利用最大值法,结合最后的分类结果,得出最后的图像分类。

    基于3D深度可分离卷积和EAM模块融合的医学图像分割方法

    公开(公告)号:CN118941795B

    公开(公告)日:2025-04-29

    申请号:CN202411055982.4

    申请日:2024-08-02

    Applicant: 南通大学

    Abstract: 本发明属于图像分割技术领域,具体涉及基于3D深度可分离卷积和EAM模块融合的医学图像分割方法。本发明方法采用EAM‑3D模块来提取特征信息,通过在深度、宽度和高度三个不同方向上计算注意力权重,增强特征表达能力。相比其他注意力机制,EAM‑3D模块的多方向注意力计算更为全面和有效。其他注意力机制通常只在某一维度上进行特征加权,而EAM‑3D模块在多个方向上进行注意力计算,使得其在处理高分辨率医学3D图像时具有显著优势。本发明方法通过在解码器的每个阶段生成不同分辨率的特征图,从粗到细、从全局到局部地进行特征图的多尺度信息捕获,最后通过融合不同阶段的特征图,可以更好地整合多层次信息,提高分割的精度和鲁棒性。

    基于3D深度可分离卷积和EAM模块融合的医学图像分割方法

    公开(公告)号:CN118941795A

    公开(公告)日:2024-11-12

    申请号:CN202411055982.4

    申请日:2024-08-02

    Applicant: 南通大学

    Abstract: 本发明属于图像分割技术领域,具体涉及基于3D深度可分离卷积和EAM模块融合的医学图像分割方法。本发明方法采用EAM‑3D模块来提取特征信息,通过在深度、宽度和高度三个不同方向上计算注意力权重,增强特征表达能力。相比其他注意力机制,EAM‑3D模块的多方向注意力计算更为全面和有效。其他注意力机制通常只在某一维度上进行特征加权,而EAM‑3D模块在多个方向上进行注意力计算,使得其在处理高分辨率医学3D图像时具有显著优势。本发明方法通过在解码器的每个阶段生成不同分辨率的特征图,从粗到细、从全局到局部地进行特征图的多尺度信息捕获,最后通过融合不同阶段的特征图,可以更好地整合多层次信息,提高分割的精度和鲁棒性。

    一种基于渐进式收缩策略与移位窗口结合的跳跃连接方法

    公开(公告)号:CN117670904A

    公开(公告)日:2024-03-08

    申请号:CN202311700740.1

    申请日:2023-12-12

    Applicant: 南通大学

    Abstract: 本发明属于计算机视觉技术领域,具体涉及一种基于渐进式收缩策略与移位窗口结合的跳跃连接方法。本发明方法使用渐进式收缩策略和Swin Transformer块作为基本单元来构建u型编码器采用跳跃式连接的架构进行医学图像分割,从而为Transformer在医学图像领域的发展提供基准比较。本发明将提取到的上下文特征通过跳跃连接与编码器的多尺度特征融合,通过引入特征重构和上采样操作,将来自编码器和解码器的特征信息进行融合,以弥补下采样造成的空间信息丢失。这一方法使得高级别的多尺度特征和上采样特征从编码器传递到解码器,有助于解码器充分利用不同尺度的信息,恢复图像的空间分辨率,更好地理解图像的上下文和语义结构,缓解梯度消失问题。

    一种基于提示学习的个性化推荐方法

    公开(公告)号:CN116628332A

    公开(公告)日:2023-08-22

    申请号:CN202310606146.X

    申请日:2023-05-26

    Applicant: 南通大学

    Abstract: 本发明属于信息推荐技术领域,具体涉及一种基于提示学习的个性化推荐方法。本发明包含以下步骤:S1:将用户属性和历史行为数据组织成序列形式,并进行序列填充;S2:根据用户属性设计提示模板构建个性化提示并生成嵌入表征,并将其插入到S1中历史行为序列的开头,生成用户行为序列;S3:将S1中的用户属性序列,S2中的用户行为序列进行拼接,获得最终的输入表示并进行嵌入操作,获得嵌入矩阵;S4:在自注意力层中学习和集成项目间的注意力权重,通过叠加注意力层学习更加复杂的项目间注意力权重;S5:将用户嵌入与最终的项目进行运算,将排名Top‑K的项目推荐给用户。本发明可以适应不同领域和场景的个性化推荐需求,具有更大的灵活性和准确性。

    海上船舶目标图像多通道并行传输系统及图像识别方法

    公开(公告)号:CN116073876A

    公开(公告)日:2023-05-05

    申请号:CN202310019641.0

    申请日:2023-01-06

    Applicant: 南通大学

    Abstract: 本发明涉及船舶图像处理技术领域,具体涉及海上船舶目标图像多通道并行传输系统及图像识别方法。系统包括图像接收阵列天线、图像接收机、信号处理模块、指令发射天线、天线发射机、指令处理模块;指令处理模块通过指令发射天线、天线发射机将传输的数字图像信号进行调制、变频、放大后定向辐射;信号处理模块通过图像接收阵列天线、图像接收机将获取数字图像信号后进行解码操作。本发明采用的天线阵列进行图像信号接收,并结合数字合成多波束的方法,增大了信号接收增益,也提高了传输系统的抗干扰能力。本发明采用载频跟踪技术,以此来消除遥感卫星导致的载频偏移误差。

Patent Agency Ranking