-
公开(公告)号：CN110991486B
公开(公告)日：2023-12-29
申请号：CN201911082512.6
申请日：2019-11-07
Applicant: 北京邮电大学
IPC: G06V10/776 , G06V10/764 , G06V10/26 , G06Q10/0639 , G06Q10/101
Abstract: 本发明公开了一种多人协作图像标注质量控制的方法和装置，其中，方法包括：在标注包中按预设的比例投入金标准数据，以验证标注用户针对任一标注包的标注质量，通过验证的标注包数据暂定为合格，执行下一步骤，未通过的数据包将被重新打散，重新分配给用户进行标注；将一份图像分发给多位用户，收集多位用户对图像的标注结果，获取重复标签后，得到真实标签；以数据包或者用户为单位进行随机抽检，评价标注质量；将使用金标准推算的用户准确率反馈给用户，并将金标准中以及人工抽检出的错误数据及其对应的正确答案反馈给标注用户，以使标注用户接收再训练。该方法不仅可以保证标注质量，而且可以获取正确标注结果，简单易实现。
-
公开(公告)号：CN110993064A
公开(公告)日：2020-04-10
申请号：CN201911070252.0
申请日：2019-11-05
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向深度学习的医学影像标注方法及装置，其中，方法包括以下步骤：对输入的影像诊断报告、电子病历信息与医学影像进行预处理，生成包含医学影像与抽取出的相关诊断信息的数据；基于深度学习对医学影像进行预标注，其中，基于图像语义分割技术对影像进行分割，得到各个病变区域的边界范围，对影像实现像素级分割标注，并基于图像分类技术结合影像相关诊断信息对影像所属的疾病类型进行分类标注；将预标注后的影像及相关诊断信息通过界面展示，以接收交互式指令，供医生对预标注影像结果进行微调，并导出标注结果。该方法不仅提升了标注效率，同时保证了标注精度。
-
公开(公告)号：CN110991486A
公开(公告)日：2020-04-10
申请号：CN201911082512.6
申请日：2019-11-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种多人协作图像标注质量控制的方法和装置，其中，方法包括：在标注包中按预设的比例投入金标准数据，以验证标注用户针对任一标注包的标注质量，通过验证的标注包数据暂定为合格，执行下一步骤，未通过的数据包将被重新打散，重新分配给用户进行标注；将一份图像分发给多位用户，收集多位用户对图像的标注结果，获取重复标签后，得到真实标签；以数据包或者用户为单位进行随机抽检，评价标注质量；将使用金标准推算的用户准确率反馈给用户，并将金标准中以及人工抽检出的错误数据及其对应的正确答案反馈给标注用户，以使标注用户接收再训练。该方法不仅可以保证标注质量，而且可以获取正确标注结果，简单易实现。
-
公开(公告)号：CN114399644B
公开(公告)日：2025-02-07
申请号：CN202111535847.6
申请日：2021-12-15
Applicant: 北京邮电大学
IPC: G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/0895 , G06N3/084
Abstract: 本发明提出一种小样本目标检测方法，包括：向检测网络发送骨干网络的权重以及特征金字塔的权重；生成候选区域，候选区域来自于区域建议网络对视觉表征骨干网络输出特征的前后景分类与回归结果；根据候选区域，借助池化算子生成统一尺寸的候选区域特征，并进行统一尺寸的候选区域特征的位置回归，内容分类以及细粒度特征挖掘；利用细粒度特征挖掘，构建细粒度的正样本对以及负样本对，形成对候选区域细粒度特征间的对比学习；按照细粒度特征挖掘中的策略形成损失函数，通过损失函数的计算进行检测网络参数的更新。该方法为小样本目标检测提供了视觉表征骨干网络，并通过对样本特征挖掘，提升样本的细粒度特征和模型检测精度。
-
公开(公告)号：CN110993064B
公开(公告)日：2023-03-21
申请号：CN201911070252.0
申请日：2019-11-05
Applicant: 北京邮电大学
IPC: G16H30/20 , G06V10/26 , G06V10/764
Abstract: 本发明公开了一种面向深度学习的医学影像标注方法及装置，其中，方法包括以下步骤：对输入的影像诊断报告、电子病历信息与医学影像进行预处理，生成包含医学影像与抽取出的相关诊断信息的数据；基于深度学习对医学影像进行预标注，其中，基于图像语义分割技术对影像进行分割，得到各个病变区域的边界范围，对影像实现像素级分割标注，并基于图像分类技术结合影像相关诊断信息对影像所属的疾病类型进行分类标注；将预标注后的影像及相关诊断信息通过界面展示，以接收交互式指令，供医生对预标注影像结果进行微调，并导出标注结果。该方法不仅提升了标注效率，同时保证了标注精度。
-
Patent Agency Ranking
公开(公告)号：CN114581915A
公开(公告)日：2022-06-03
申请号：CN202210141377.3
申请日：2022-02-16
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V10/26 , G06V10/22
Abstract: 本发明提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，其中，方法包括：获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息；根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息；根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果。该方法可以提升在多种环境和多种不同形态规格表盘读数识别的有效性，解决现有技术中识别算法不具有普适性和读数识别受环境影响的技术问题。
-
公开(公告)号：CN114399644A
公开(公告)日：2022-04-26
申请号：CN202111535847.6
申请日：2021-12-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种小样本目标检测方法，包括：向检测网络发送骨干网络的权重以及特征金字塔的权重；生成候选区域，候选区域来自于区域建议网络对视觉表征骨干网络输出特征的前后景分类与回归结果；根据候选区域，借助池化算子生成统一尺寸的候选区域特征，并进行统一尺寸的候选区域特征的位置回归，内容分类以及细粒度特征挖掘；利用细粒度特征挖掘，构建细粒度的正样本对以及负样本对，形成对候选区域细粒度特征间的对比学习；按照细粒度特征挖掘中的策略形成损失函数，通过损失函数的计算进行检测网络参数的更新。该方法为小样本目标检测提供了视觉表征骨干网络，并通过对样本特征挖掘，提升样本的细粒度特征和模型检测精度。
-
公开(公告)号：CN114332449A
公开(公告)日：2022-04-12
申请号：CN202111405138.6
申请日：2021-11-24
Applicant: 北京邮电大学
Abstract: 本申请计算机视觉技术领域，尤其涉及一种基于特征解耦和知识迁移的小样本目标检测方法和装置。其中，基于特征解耦和知识迁移的小样本目标检测方法，包括：在基础检测模型中设置双路检测头得到迁移学习模型；使用带标注的小样本数据对迁移学习模型进行调节，得到调节后的迁移学习模型；将无标注的小样本数据输入调节后的迁移学习模型，对调节后的迁移学习模型的区域建议网络和双路检测头进行联合调节，从而完成对无标注的小样本数据的检测。采用上述方案的本申请通过双路检测头保留基础类别性能，实现不同任务间的学习，通过在小样本目标检测的过程中联合调节区域建议网络和双路检测头，提升小样本目标检测的检测效率以及检测效果。
-
公开(公告)号：CN114581915B
公开(公告)日：2025-03-14
申请号：CN202210141377.3
申请日：2022-02-16
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V10/26 , G06V10/22
Abstract: 本发明提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，其中，方法包括：获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息；根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息；根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果。该方法可以提升在多种环境和多种不同形态规格表盘读数识别的有效性，解决现有技术中识别算法不具有普适性和读数识别受环境影响的技术问题。
-
公开(公告)号：CN118196575B
公开(公告)日：2024-12-31
申请号：CN202410294327.8
申请日：2024-03-14
Applicant: 北京邮电大学
IPC: G06V10/80 , G06V10/25 , G06V10/766 , G06V10/764 , G06V10/22 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请提出了一种基于多视角特征融合与元特征编码的小样本目标检测方法，包括：对待检测图像数据进行多视角嵌入融合，得到融合后的图像数据；使用特征提取网络对融合后的图像数据进行图像特征提取，并结合区域建议网络确定图像数据的候选区域，并将候选区域进行RoI池化，得到RoI特征；将RoI特征分别输入全连接网络和元特征编码器中，获取分类特征、回归特征及元特征，并将元特征和分类特征进行融合，得到最终分类特征；通过分类器和回归器根据回归特征与最终分类特征确定图像数据中目标的定位与分类。采用上述方案的本发明在进行小样本目标检测时能够保证新类泛化性，并实现对基类知识的有效保留，缓解灾难性知识遗忘问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.059 seconds)
