公开(公告)号：CN111898689B

公开(公告)日：2023-09-26

申请号：CN202010775260.1

申请日：2020-08-05

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  王晓晶 ,  何小宇 ,  胡建中 ,  黄伟红

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/126 ,  G06F16/55

Abstract: 本发明公开了一种基于神经网络架构搜索的图像分类方法，通过将整个卷积神经网络编码成种群，引入遗传算法产生后代，结合医疗图像分类的精确率、召回率需求，设计适应度评估策略进行种群更迭，最终找出最优种群解码后实现精准分类。相比于现有的基于特征提取的医学图像分类方法，本发明分类的速度更快并且准确率更高；相比于现有的基于人工设计神经网络的医学图像分类方法，本发明灵活度高，在各种医疗图像分类任务中都能寻找出性能更佳的架构。

公开(公告)号：CN114565770B

公开(公告)日：2022-09-13

申请号：CN202210288277.3

申请日：2022-03-23

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  钟立科 ,  黄伟红 ,  胡建中

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于边缘辅助计算和掩模注意力的图像分割方法及系统，建立由多阶级联的残差模块构建的特征编码器，通过融合三个浅层特征图得到边缘特征图，特征降维后获得边缘预测图像，增强前三层特征编码器的表征能力，最后一阶残差模块依次经过多个特征解码器与掩模注意力模块，利用掩模注意力模块提高每个层级特征解码器对局部区域的重点关注力度，并在每个层级输出对应尺度预测的分割结果图像，融合特征解码器的输出特征图与前三阶残差模块的边缘特征图，经过特征降维预测最终的分割结果图像。相比于现有的图像分割方法，本发明能够提供更精准的分割边缘预测，适用于各种复杂场景下的图像分割，泛化性能更强，分割效果更好。

公开(公告)号：CN114565628B

公开(公告)日：2022-09-13

申请号：CN202210288579.0

申请日：2022-03-23

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  靳振涛 ,  赵爽 ,  陈翔

IPC: G06T7/12 ,  G06T7/13 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于边界感知注意的图像分割方法及系统。在现有分割任务的基础上，添加了一个边缘预测的辅助任务，两个任务共享同一个特征编码网络，但独享自己的特征解码网络；特征解码网络由一组基于交互注意力机制的注意力解码单元串联组成；在编码网络和分割解码网络之间设计了多个边缘感知分割模块，旨在从边缘解码网络中引入边缘信息作为增强分割特征边缘部分的强线索；融合所述的编码网络、解码网络和边缘感知分割模块，得到最终的分割网络，两个任务联合训练、相互引导和辅助。相比于现有的图像分割方法，本发明可以大大提高分割的准确度，并提升分割结果的边缘细节。

公开(公告)号：CN114565628A

公开(公告)日：2022-05-31

申请号：CN202210288579.0

申请日：2022-03-23

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  靳振涛 ,  赵爽 ,  陈翔

IPC: G06T7/12 ,  G06T7/13 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于边界感知注意的图像分割方法及系统。在现有分割任务的基础上，添加了一个边缘预测的辅助任务，两个任务共享同一个特征编码网络，但独享自己的特征解码网络；特征解码网络由一组基于交互注意力机制的注意力解码单元串联组成；在编码网络和分割解码网络之间设计了多个边缘感知分割模块，旨在从边缘解码网络中引入边缘信息作为增强分割特征边缘部分的强线索；融合所述的编码网络、解码网络和边缘感知分割模块，得到最终的分割网络，两个任务联合训练、相互引导和辅助。相比于现有的图像分割方法，本发明可以大大提高分割的准确度，并提升分割结果的边缘细节。

公开(公告)号：CN114565770A

公开(公告)日：2022-05-31

申请号：CN202210288277.3

申请日：2022-03-23

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  钟立科 ,  黄伟红 ,  胡建中

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于边缘辅助计算和掩模注意力的图像分割方法及系统，建立由多阶级联的残差模块构建的特征编码器，通过融合三个浅层特征图得到边缘特征图，特征降维后获得边缘预测图像，增强前三层特征编码器的表征能力，最后一阶残差模块依次经过多个特征解码器与掩模注意力模块，利用掩模注意力模块提高每个层级特征解码器对局部区域的重点关注力度，并在每个层级输出对应尺度预测的分割结果图像，融合特征解码器的输出特征图与前三阶残差模块的边缘特征图，经过特征降维预测最终的分割结果图像。相比于现有的图像分割方法，本发明能够提供更精准的分割边缘预测，适用于各种复杂场景下的图像分割，泛化性能更强，分割效果更好。

公开(公告)号：CN111898689A

公开(公告)日：2020-11-06

申请号：CN202010775260.1

申请日：2020-08-05

Applicant: 中南大学 ,  中南大学湘雅医院

Inventor： 王勇 ,  王晓晶 ,  何小宇 ,  胡建中 ,  黄伟红

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/12 ,  G06F16/55

Abstract: 本发明公开了一种基于神经网络架构搜索的图像分类方法，通过将整个卷积神经网络编码成种群，引入遗传算法产生后代，结合医疗图像分类的精确率、召回率需求，设计适应度评估策略进行种群更迭，最终找出最优种群解码后实现精准分类。相比于现有的基于特征提取的医学图像分类方法，本发明分类的速度更快并且准确率更高；相比于现有的基于人工设计神经网络的医学图像分类方法，本发明灵活度高，在各种医疗图像分类任务中都能寻找出性能更佳的架构。

公开(公告)号：CN119204344B

公开(公告)日：2025-02-18

申请号：CN202411665560.9

申请日：2024-11-20

Applicant: 中南大学

Inventor： 王冰川 ,  任家辉 ,  王勇 ,  宋武

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06N3/006 ,  G06N3/126

Abstract: 本申请涉及了一种基于显式惩罚的多任务调度优化方法和装置，方法利用多样性信息对找到的峰进行区分；然后根据显式惩罚函数，将种群个体分配到这些峰上；接下来，调整每个峰上的个体数量致平衡，以确保每个峰都能得到充分的开发；此外，如果捕捉到的峰数量是否合理，选择在每个峰附近进行局部搜索以进行深入开发或者，在整个决策空间内进行全局搜索以增强种群的多样性。方法通过将个体多模态函数值与通过个体与其最近且更优的邻居之间的距离量化的多样性相结合，构建了一个显式惩罚函数。该函数用于同时捕捉多个峰，并在这些峰之间实现搜索平衡，以加快收敛速度，提升鲁棒性，确保在复杂调度环境中的稳定性和高效性。

公开(公告)号：CN118890632B

公开(公告)日：2024-11-29

申请号：CN202411394832.6

申请日：2024-10-08

Applicant: 中南大学

Inventor： 黄佩秋 ,  邓同斌 ,  王勇

IPC: H04W16/18 ,  H04W24/02 ,  G06F18/23213 ,  G06F30/18 ,  G06F30/27 ,  G06N3/045 ,  G06N3/08 ,  G06N3/126 ,  H01Q1/00 ,  H01Q1/24

Abstract: 本申请涉及了一种天线规划方法、系统、设备及介质，本方法将天线布局规划编码为实数编码表示的种群，通过将初始化的父代种群使用交叉变异算子生成子代种群，基于预设的代理模型的预测结果利用局部搜索的策略优化子代个体，从而根据父代种群和子代个体确定最优父代种群，最终在最优父代种群中选出最优个体，得到对应天线布局规划。本方法通过提供多种最佳天线布局规划，解决忽略排列不变性和难以处理非固定维解的问题，能有效提高网络覆盖率和天线规划方法的算法效率，从而更好地满足实际应用需求。

公开(公告)号：CN118890632A

公开(公告)日：2024-11-01

申请号：CN202411394832.6

申请日：2024-10-08

Applicant: 中南大学

Inventor： 黄佩秋 ,  邓同斌 ,  王勇

IPC: H04W16/18 ,  H04W24/02 ,  G06F18/23213 ,  G06F30/18 ,  G06F30/27 ,  G06N3/045 ,  G06N3/08 ,  G06N3/126 ,  H01Q1/00 ,  H01Q1/24

Abstract: 本申请涉及了一种天线规划方法、系统、设备及介质，本方法将天线布局规划编码为实数编码表示的种群，通过将初始化的父代种群使用交叉变异算子生成子代种群，基于预设的代理模型的预测结果利用局部搜索的策略优化子代个体，从而根据父代种群和子代个体确定最优父代种群，最终在最优父代种群中选出最优个体，得到对应天线布局规划。本方法通过提供多种最佳天线布局规划，解决忽略排列不变性和难以处理非固定维解的问题，能有效提高网络覆盖率和天线规划方法的算法效率，从而更好地满足实际应用需求。

公开(公告)号：CN116091787B

公开(公告)日：2024-06-18

申请号：CN202211228411.7

申请日：2022-10-08

Applicant: 中南大学

Inventor： 王勇 ,  杨亮 ,  张彤

IPC: G06V10/44 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06V10/764 ,  G06N3/048 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征过滤和特征对齐的小样本目标检测方法，建立了一个小样本目标检测模型，对于生成的查询集和支撑集特征，通过不同的卷积编码划分为key、value特征对，将特征对输入至空间交叉注意力和通道交叉注意力特征过滤模块，得到经过双重交叉注意力过滤后的特征，将特征进行拼接后输入至RPN网络生成候选框，将候选框和特征进行ROIAlign得到候选特征，融合候选特征和支撑集特征生成可变形卷积核，利用可变形卷积核对候选特征进行特征矫正对齐，最终分别输出候选特征的对应的类别概率及框的精细回归。相比于现有的图像分割方法，本发明能够在样本稀缺条件下提供更精准的检测，适用于各种复杂场景下的目标检测，泛化性能更强，检测效果更好。