-
公开(公告)号：CN117788999A
公开(公告)日：2024-03-29
申请号：CN202311762921.7
申请日：2023-12-20
Applicant: 北京工业大学
IPC: G06V10/82 , G06V10/764 , G06V10/74 , G06N3/0895
Abstract: 本发明公开了一种融合平滑约束和对比学习的半监督目标检测方法，包括：获取平滑约束后的伪标签，获取低维嵌入相似度矩阵，融合平滑约束和对比学习。本发明对所提取的目标特征分别进行不同的投影变换，同时获取目标的类别概率和低维嵌入两种特征。对给定样本的目标低维嵌入，通过聚合相邻样本的类别概率对模型预测的类别概率施加平滑约束，提升伪标签的预测置信度；同时利用类别概率伪标签作为监督信号，通过对比学习使低维嵌入学习目标类别的相关性，促进模型所学习表征的类别判别性。本发明有效的缓解了模型的确认偏差，促进了特征的类别判别性，提高模型的目标检测精度。
-
公开(公告)号：CN111598864B
公开(公告)日：2023-07-25
申请号：CN202010405639.3
申请日：2020-05-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多模态影像贡献度融合的肝细胞癌分化评估方法，首先，建立有效高维多模态影像数据的关联表示，即选择一种合适的特征提取方式对多模态MRI影像进行特征提取，同时，利用多模态MRI影像贡献度自适应加权机制，对九个模态的MRI影像进行任务贡献度学习，然后将任务贡献度学习所得的参数结果与多模态融合MRI数据经过特征提取器所得的特征进行特征层融合，最后，在网络顶端添加分类器，使用结合了贡献度的多模态MRI影像特征进行HCC分化程度的分级任务，以实现更为精准的预测。比起传统影像学诊断方法，本发明排除了主观因素的影响并同时考虑到了各个多模态MRI序列的诊断能力和贡献，从而使得到的结果更加准确和鲁棒。
-
公开(公告)号：CN116342508A
公开(公告)日：2023-06-27
申请号：CN202310230982.2
申请日：2023-03-12
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种可以基于高效多模态贡献度感知双分支网络的肝细胞癌微血管侵犯评估方法，该方法在各分支分别对CT和MRI影像数据信息进行诊断计算，当病人的扫描检查方式完备时可综合CT和MRI两种成像形式得出融合诊断结果。同时为了充分利用不同模态序列的影像信息，提升多模态特征的表征能力和模型的判别性能，在每个单成像方式诊断分支中，网络利用模态分组卷积和高效多模态自适应加权模块在极少计算开销的引入下，学习CT或MRI的各模态序列在复杂多样的微血管侵犯表象下的诊断贡献。本发明兼顾两种医学成像形式和各成像方式中的多种模态序列，利用特征和决策加权融合提升诊断性能，提供有效参考。
-
公开(公告)号：CN116229074A
公开(公告)日：2023-06-06
申请号：CN202310230981.8
申请日：2023-03-12
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种递进式边界区域优化的医学图像小样本分割方法，利用基于原型学习的双分支特征提取网络与原型解码模块获得粗糙分割掩码，引入边界优化模块增强高层特征的边界信息表示，使用密集比较模块对增强后的特征进行解码得到边缘分割掩码，最后将边缘分割掩码作为粗糙分割掩码的补充，校正中边界预测不一致的区域。本发明通过反复利用边界优化模块与密集比较模块，将粗糙的预测掩码细化为准确而完整的分割预测掩码，有效解决由分割目标形态复杂、存在类别原型偏置、局部区域关注不够造成的边界区域分割不清晰问题，极大地提升了小样本医学图像的分割精度。
-
公开(公告)号：CN114547408A
公开(公告)日：2022-05-27
申请号：CN202210052852.X
申请日：2022-01-18
Applicant: 北京工业大学
IPC: G06F16/909 , G06K9/62 , G06Q50/20
Abstract: 本发明公开了一种基于细粒度学生时空行为异质网表征的相似学生搜索方法，该方法可准确并有区分地建模学生基于一卡通的刷卡行为，得到富含语义信息的学生嵌入表征，精准度量学生间相似度。具体而言，该方法在探究不同时间划分策略、提出时空双特征组合节点、多重边保留多次记录的基础上，构建学生细粒度时空校园行为异质多重网络，抽取可揭示学生间共现关系的元路径进行随机游走，学习学生行为模式嵌入。最后，提出辅以学生属性信息进行相似学生搜索，将向量化的学生属性信息融合到行为模式嵌入中，使嵌入同时包含学生行为轨迹信息和属性信息，提升学生间相似度计算的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109492557B
公开(公告)日：2021-09-10
申请号：CN201811263258.5
申请日：2018-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于AU共生关系约束的自然场景下面部表情识别方法，属于数字图像处理及计算机视觉技术领域，该方法包括：人力啊图像序列的AU获取；AU识别网络的训练；基于AU的表情识别模型的训练。具体涉及基于AU共生关系约束的自然场景下面部表情识别方法。本发明通过利用解剖学研究成果，将人脸表情识别过程中对整张人脸图像的特征提取替换为对人脸图像的局部AU特征提取，极大的减少了特征提取的工作，并且减少了无关面部特征对表情识别的影响；利用AU间共生关系以及AU与表情之间的共生关系作为识别模型训练过程的约束项，相比以往单纯利用数据进行识别模型的训练更加合理化。
-
公开(公告)号：CN108882348B
公开(公告)日：2021-05-25
申请号：CN201810710412.2
申请日：2018-07-02
Applicant: 北京工业大学
Abstract: 本发明公开一种降低信息传递能耗的移动无线传感器调整方法，其步骤为:1)移动无线传感网中每个传感器初始化其相邻移动传感器和信息传递的相关参数；2)移动无线传感网中每个传感器根据其相邻传感器位置和信息传递记录，计算其节能位置；3)移动无线传感网中每个传感器根据其相邻传感器位置和信息传递记录，计算其补偿位置；4)移动无线传感网中每个传感器根据步骤2和3计算的结果(节能位置和补偿位置)，计算其最终调整位置，以达到减少信息传递能耗的目的。本发明可以在有效降低移动无线传感器信息传递能耗的同时，保证移动无线传感网的覆盖范围和工作效率，结果可以提供较为合理、有效的移动无线传感器管理方案，例如环境监测。
-
公开(公告)号：CN107038117B
公开(公告)日：2020-11-06
申请号：CN201710177955.8
申请日：2017-03-23
Applicant: 北京工业大学
IPC: G06F11/36
Abstract: 本发明公开一种基于事件处理函数间定义‑引用的web自动化测试方法，包括：1)在web自动测试工具中设置被测web应用程序的路径；2)web自动测试工具自动分析被测web应用程序源码；自动识别web应用程序的事件处理函数、事件处理函数中的过程间程序控制流程图，并自动向事件处理函数中注入监控代码；保存自动分析过程获取的数据；3)将步骤2)中注入监控代码的web应用程序拷贝至提供web服务的服务器端，并在服务器端设置web应用程序对外提供web服务的网址；4)在测试机器上的web自动测试工具中设置被测web应用程序的网址，即步骤3)中设置的web服务网址；5)自动测试工具根据被测web应用程序的网址，自动生成测试用例并自动执行。
-
公开(公告)号：CN111598864A
公开(公告)日：2020-08-28
申请号：CN202010405639.3
申请日：2020-05-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多模态影像贡献度融合的肝细胞癌分化评估方法，首先，建立有效高维多模态影像数据的关联表示，即选择一种合适的特征提取方式对多模态MRI影像进行特征提取，同时，利用多模态MRI影像贡献度自适应加权机制，对九个模态的MRI影像进行任务贡献度学习，然后将任务贡献度学习所得的参数结果与多模态融合MRI数据经过特征提取器所得的特征进行特征层融合，最后，在网络顶端添加分类器，使用结合了贡献度的多模态MRI影像特征进行HCC分化程度的分级任务，以实现更为精准的预测。比起传统影像学诊断方法，本发明排除了主观因素的影响并同时考虑到了各个多模态MRI序列的诊断能力和贡献，从而使得到的结果更加准确和鲁棒。
-
公开(公告)号：CN106096004B
公开(公告)日：2019-08-09
申请号：CN201610463862.7
申请日：2016-06-23
Applicant: 北京工业大学
IPC: G06F16/35
Abstract: 本发明公开一种建立大规模跨领域文本情感倾向性分析框架方法，包括：对源领域和目标领域的样本文件进行精确分词，形成两个词向量表；对词向量进行聚类和领域间的对齐；用词向量对源领域的标定样本进行初步的句子建模并作为DCELM的输入，利用卷积运算提取文本向量的中间层抽象特征；记录验证集分类效果最好时的卷积层参数作为DCELM网络卷积层的参数；最后用DCNN提取的少量目标领域的标定样本的中间层抽象特征来训练分类器ELM的隐层参数，建立大规模跨领域文本情感倾向性分析框架。采用本发明的技术方案，在样本层消除领域间表达情感极性的词语的差距，而且有效解决全连接层容易陷入局部最优和泛化能力弱的缺点，增加模型的抗干扰性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.034 seconds)
