-
公开(公告)号：CN110490212B
公开(公告)日：2022-11-08
申请号：CN201910827719.5
申请日：2019-02-26
Applicant: 腾讯科技(深圳)有限公司 , 华中科技大学
Abstract: 本申请涉及一种钼靶影像处理设备、方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取钼靶影像；将钼靶影像输入至目标对象检测模型中，得到钼靶影像对应的预测图；根据预测图获取钼靶影像的各个像素点属于目标检测对象的关系度，根据关系度进行轮廓提取得到目标检测对象显著区域；根据目标检测对象显著区域从预测图中确定多个不同尺度的显著区域子图，各个不同尺度的显著区域子图都包括目标检测对象显著区域；将各个显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到钼靶影像中的目标检测对象预测区域。本申请提供的方案能够提高钼靶影像中肿块所在区域的准确度。
-
公开(公告)号：CN110689038A
公开(公告)日：2020-01-14
申请号：CN201910759050.0
申请日：2019-06-25
Applicant: 深圳市腾讯计算机系统有限公司 , 华中科技大学
IPC: G06K9/62
Abstract: 本公开涉及人工智能领域中基于神经网络的计算机视觉技术。具体地，提供了一种神经网络模型的训练方法、装置和医学图像处理系统。训练方法包括：利用第一训练样本集执行初始训练，获得初始神经网络模型；利用初始神经网络模型对第二训练样本集执行预测，获得第二训练样本集中每个的预测结果；基于预测结果，从第二训练样本集确定多个优选样本；接收对于多个优选样本的标注结果，将标注后的多个优选样本加入第一训练样本集，获得扩展的第一训练样本集；利用扩展的第一训练样本集执行更新训练，以获得更新的神经网络模型；在满足训练结束条件时，结束训练；在不满足训练结束条件时，重复预测、优选样本确定、样本扩展以及更新训练步骤。
-
公开(公告)号：CN109886282A
公开(公告)日：2019-06-14
申请号：CN201910143267.9
申请日：2019-02-26
Applicant: 腾讯科技(深圳)有限公司 , 华中科技大学
Abstract: 本申请涉及一种对象检测方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取待检测图像；将待检测图像输入至目标对象检测模型中，得到待检测图像对应的预测图；根据预测图获取待检测图像的各个像素点属于目标检测对象的关系度，根据关系度进行轮廓提取得到目标检测对象显著区域；根据目标检测对象显著区域从预测图中确定多个不同尺度的显著区域子图；将各个显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到待检测图像中的目标检测对象预测区域。本申请提供的方案能够提高待检测图像中目标对象所在区域的准确度。
-
公开(公告)号：CN106115688A
公开(公告)日：2016-11-16
申请号：CN201610466024.5
申请日：2016-06-23
Applicant: 华中科技大学
IPC: C01B31/10
CPC classification number: C01P2004/03 , C01P2006/12 , C01P2006/16 , C01P2006/17
Abstract: 本发明公开了一种天然孢粉自模板法制备多孔中空活性炭微球的方法，适合生物界各种花粉/孢子粉碳源。花粉/孢子粉经过有机溶剂一步预处理后在空气气氛下预碳化，预碳化后的粉体在惰性气体下碳化，碳化得到的富碳固体热解物在氧化性气体下物理活化，最后干燥制得多孔中空活性炭微球。本发明采用简单、绿色、经济的制备方法，对自然界中易得的可再生微生物材料花粉/孢子粉进行碳化活化处理，得到的碳化材料不仅保持了原材料的微纳结构和形貌，且比表面积和孔隙性能显著优于现有活性炭。该材料应用广泛，诸如制备储能器件——超级电容器、锂离子电池等电极材料，以及作为催化剂载体、气敏传感器等关键材料，具有良好的环境效益和经济效益。
-
公开(公告)号：CN110245721B
公开(公告)日：2023-09-05
申请号：CN201910555746.1
申请日：2019-06-25
Applicant: 深圳市腾讯计算机系统有限公司 , 华中科技大学
IPC: G06V10/774 , G06V10/74 , G06V10/77 , G06V10/82 , G06N3/0895
Abstract: 本公开提供了一种神经网络模型的训练方法和装置、电子设备和计算机可读存储介质。神经网络模型的训练方法包括：利用第一训练样本集执行初始训练，获得初始神经网络模型；利用初始神经网络模型对第二训练样本集执行预测，获得第二训练样本集中每个训练样本的预测结果；基于预测结果，从第二训练样本集确定多个优选样本；接收对于多个优选样本的标注结果，将标注后的多个优选样本加入第一训练样本集，获得扩展的第一训练样本集；利用扩展的第一训练样本集执行更新训练，以获得更新的神经网络模型；在满足训练结束条件的情况下，结束训练；以及在不满足训练结束条件的情况下，重复执行预测步骤、优选样本确定步骤、样本扩展步骤以及更新训练步骤。
-
Patent Agency Ranking
公开(公告)号：CN110414631B
公开(公告)日：2022-02-01
申请号：CN201910833614.0
申请日：2019-09-04
Applicant: 腾讯科技(深圳)有限公司 , 华中科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种基于医学图像的病灶检测方法，该方法应用于人工智能领域，具体可应用于智能医疗领域，该方法包括：获取待预测钼靶图像；通过主任务网络模型获取待预测钼靶图像中每个像素点属于病灶的概率值，主任务网络模型为通过源域数据集合以及域分类网络模型训练得到的，域分类网络模型为通过源域数据集合以及目标域数据集合训练得到的；根据每个像素点属于病灶的概率值生成待预测钼靶图像的肿块检测结果。本申请还提供了一种模型训练的方法和装置。本申请利用主任务网络模型和域分类网络模型之间的关系，解决源域数据集合和目标域数据集合之间的域差异问题，使得主任务网络模型在目标数据集合上获得优良的检测性能。
-
公开(公告)号：CN109886282B
公开(公告)日：2021-05-28
申请号：CN201910143267.9
申请日：2019-02-26
Applicant: 腾讯科技(深圳)有限公司 , 华中科技大学
Abstract: 本申请涉及一种对象检测方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取待检测图像；将待检测图像输入至目标对象检测模型中，得到待检测图像对应的预测图；根据预测图获取待检测图像的各个像素点属于目标检测对象的关系度，根据关系度进行轮廓提取得到目标检测对象显著区域；根据目标检测对象显著区域从预测图中确定多个不同尺度的显著区域子图；将各个显著区域子图输入至目标对象分类模型中的各个特征提取子网络中，根据各个特征提取子网络的特征提取结果得到待检测图像中的目标检测对象预测区域。本申请提供的方案能够提高待检测图像中目标对象所在区域的准确度。
-
公开(公告)号：CN110245721A
公开(公告)日：2019-09-17
申请号：CN201910555746.1
申请日：2019-06-25
Applicant: 深圳市腾讯计算机系统有限公司 , 华中科技大学
IPC: G06K9/62
Abstract: 本公开提供了一种神经网络模型的训练方法和装置、电子设备和计算机可读存储介质。神经网络模型的训练方法包括：利用第一训练样本集执行初始训练，获得初始神经网络模型；利用初始神经网络模型对第二训练样本集执行预测，获得第二训练样本集中每个训练样本的预测结果；基于预测结果，从第二训练样本集确定多个优选样本；接收对于多个优选样本的标注结果，将标注后的多个优选样本加入第一训练样本集，获得扩展的第一训练样本集；利用扩展的第一训练样本集执行更新训练，以获得更新的神经网络模型；在满足训练结束条件的情况下，结束训练；以及在不满足训练结束条件的情况下，重复执行预测步骤、优选样本确定步骤、样本扩展步骤以及更新训练步骤。
-
公开(公告)号：CN110689038B
公开(公告)日：2024-02-02
申请号：CN201910759050.0
申请日：2019-06-25
Applicant: 深圳市腾讯计算机系统有限公司 , 华中科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0895 , G06N3/0464 , G06N3/0985
Abstract: 本公开涉及人工智能领域中基于神经网络的计算机视觉技术。具体地，提供了一种神经网络模型的训练方法、装置和医学图像处理系统。训练方法包括：利用第一训练样本集执行初始训练，获得初始神经网络模型；利用初始神经网络模型对第二训练样本集执行预测，获得第二训练样本集中每个的预测结果；基于预测结果，从第二训练样本集确定多个优选样本；接收对于多个优选样本的标注结果，将标注后的多个优选样本加入第一训练样本集，获得扩展的第一训练样本集；利用扩展的第一训练样本集执行更新训练，以获得更新的神经网络模型；在满足训练结束条件时，结束训练；在不满足训练结束条件时，重复(56)对比文件CN 109840588 A,2019.06.04CN 109840913 A,2019.06.04US 2018165810 A1,2018.06.14US 2018330198 A1,2018.11.15US 2018330205 A1,2018.11.15US 2019102878 A1,2019.04.04邰建豪.深度学习在遥感影像目标检测和地表覆盖分类中的应用研究《.中国博士学位论文全文数据库 (基础科学辑)》.2019,(第2期),第A008-13页.Xiaocheng Xu, et.al.Weakly supervisedimage parsing by discriminativelysemantic graph propagation《. IEEEInternational Conference on Multimediaand Expo (ICME)》.2016,第1-6页.顾攀等.基于神经网络的图像弱监督语义分割算法《.计算机应用与软件》.2018,第35卷(第2期),第284-288页.丁英姿等.基于弱监督的改进型GoogLeNet在DR检测中的应用《.计算机应用》.2019,第39卷(第8期),第2484-2488页.Praveer Singh, et.al.Improvingrecognition of complex aerial scenesusing a deep weakly supervised learningparadigm《.IEEE geoscience and remotesensing letters》.2018,第15卷(第2期),第1932-1936段.SA Shahriyar, et.al.An approach formulti label image classification usingsingle label convolutional neuralnetwork《.21st International conference ofcomputer and information technology》.2019,
-
公开(公告)号：CN110097130B
公开(公告)日：2022-12-13
申请号：CN201910377510.3
申请日：2019-05-07
Applicant: 深圳市腾讯计算机系统有限公司 , 华中科技大学
Abstract: 本申请公开了一种分类任务模型的训练方法、装置、设备及存储介质，涉及机器学习技术领域，所述方法包括：采用第一数据集训练初始的特征提取器，该第一数据集是类别不均衡数据集；构建生成对抗网络，该生成对抗网络包括特征提取器、特征生成器和域分类器；采用第二类别样本对生成对抗网络进行训练，得到完成训练的特征生成器；构建分类任务模型，该分类任务模型包括完成训练的特征生成器、特征提取器和分类器；采用第一数据集对分类任务模型进行训练；其中，完成训练的特征生成器用于对第二类别样本在特征空间进行扩增。本申请通过特征生成器对少数类别样本在特征空间进行扩增，提高最终训练得到的分类任务模型的精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
