公开(公告)号：CN117077078A

公开(公告)日：2023-11-17

申请号：CN202311007506.0

申请日：2023-08-11

Applicant: 华侨大学

Inventor： 高振国 ,  仇媛媛 ,  曲书磊 ,  武潇潇

IPC: G06F18/25 ,  G06V40/16 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了基于三模态融合对比学习的跨人脸‑语音验证方法及系统，方法包括训练阶段和测试阶段，训练阶段包括以下步骤：S1，构建训练样本数据集；S2，构建三模态融合对比学习模型；S3，加载预训练参数，以加快模型拟合，提高模型的训练效率；S4，设置三模态融合对比学习模型训练所需要的参数；S5，对三模态融合对比学习模型进行迭代训练，选取训练好的三模态融合对比学习模型；测试阶段具体为，将训练好的三模态融合对比学习模型的参数加载到随机初始化的三模态融合对比学习模型中，完成生物特征匹配的任务。本发明提出的基于三模态融合对比学习的跨人脸‑语音验证方法，可以有效地关联人脸和语音数据，消除深层特征之间的语义鸿沟。

公开(公告)号：CN117036684A

公开(公告)日：2023-11-10

申请号：CN202310488471.0

申请日：2023-05-04

Applicant: 华侨大学

Inventor： 高振国 ,  武潇潇 ,  曲书磊 ,  仇媛媛 ,  洪欣 ,  蒋文贤 ,  谢维波 ,  骆翔宇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/74 ,  G06V10/82 ,  G06V20/70 ,  G06N3/0464

Abstract: 本发明提供了一种医学小样本的分割方法、装置、设备及可读存储介质，通过先接收并处理支持图像和查询图像，以生成支持特征和查询特征；接着基于所述支持特征和支持图像掩码生成类原型，并根据所述类原型和查询特征的负余弦相似度构建异常分数；再接着获取自适应阈值与所述异常分数进行阈值化，以生成预测掩码，最后，获取平衡因子，并根据所述平衡因子将所述第一尺度的预测掩码和第二尺度的预测掩码进行融合，以生成分割掩码，其中，所述分割掩码用于对医学图像中与所述分割掩码相关联的部位进行标注，解决了小样本医学分割存在精度和准确度不高的问题。