CN112768041A - 医疗云管平台 - Google Patents
医疗云管平台 Download PDFInfo
- Publication number
- CN112768041A CN112768041A CN202110018033.9A CN202110018033A CN112768041A CN 112768041 A CN112768041 A CN 112768041A CN 202110018033 A CN202110018033 A CN 202110018033A CN 112768041 A CN112768041 A CN 112768041A
- Authority
- CN
- China
- Prior art keywords
- medical waste
- image
- medical
- waste image
- convolution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Processing (AREA)
Abstract
本发明一种医疗云管平台,包括若干物联网传感器、云计算系统和终端控制系统,若干物联网传感器和终端控制系统分别与云计算系统建立数据连接。本发明医疗云管平台能够有效提升模型对对抗样本的抵抗能力,通过自注意力机制模块和上下文编码器,构建高分辨率光谱医疗废料图像中像素间的空间映射关系,获取全局上下文医疗废料图像特征,在受到对抗攻击污染的高分辨率光谱数据上,依然能保持优越的识别精度。
Description
技术领域
本发明涉及医疗云管平台。
背景技术
近年来,随着移动互联网的不断发展以及智能终端技术的日益成熟,“医疗云管平台”的概念正在逐步被人们所熟知。医疗云管平台是一种通过设备采集医疗数据,并将这些医疗数据借助移动互联网发送给终端的新型医疗管理方式。例如,当前医疗云管平台可以帮助患者在家中通过移动终端或者电脑实现预约挂号、付费结算等医疗流程。现有技术中的医疗云管平台不能够有效提升模型对对抗样本的抵抗能力,难以全局上下文医疗废料图像特征,在受到对抗攻击污染的高分辨率光谱数据上,无法保持优越的识别精度。
发明内容
本发明的目的是为了克服上述不足提供一种医疗云管平台。
本发明提供一种医疗云管平台,包括若干物联网传感器、云计算系统和终端控制系统,若干物联网传感器和终端控制系统分别与云计算系统建立数据连接,所述物联网传感器采集医疗废料图像并发送至所述云计算系统,所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理,得到标准高分辨率光谱医疗废料图像,然后对医疗废料图像分类并进行比对识别,所述终端控制系统根据分类结论对医疗废料进行筛选分类。
本发明医疗云管平台能够有效提升模型对对抗样本的抵抗能力,通过自注意力机制模块和上下文编码器,构建高分辨率光谱医疗废料图像中像素间的空间映射关系,获取全局上下文医疗废料图像特征,在受到对抗攻击污染的高分辨率光谱数据上,依然能保持优越的识别精度。
具体实施方式
下面结合实施例进一步说明本发明。
实施例:本发明提供一种医疗云管平台,包括若干物联网传感器、云计算系统和终端控制系统,若干物联网传感器和终端控制系统分别与云计算系统建立数据连接,所述物联网传感器采集医疗废料图像并发送至所述云计算系统,所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理,得到标准高分辨率光谱医疗废料图像,然后对医疗废料图像分类并进行比对识别,所述终端控制系统根据分类结论对医疗废料进行筛选分类。整体模型包括一个基干模型、一个自注意力机制模块和一个上下文编码器,基干模型通过三个空洞卷积层和一个平均池化层来获取层次化医疗废料图像特征;随后,将基干模型获取的层次化医疗废料图像特征作为自注意力机制模块的输入,进行自注意力训练,构造像素间的空间映射关系,得到自注意力医疗废料图像特征;自注意力医疗废料图像特征随后作为上下文编码器的输入,训练全局上下文医疗废料图像特征;将标准高分辨率光谱医疗废料图像输入基干模型的第一个空洞卷积层进行处理,得到第一个空洞卷积层的医疗废料图像特征,然后将处理得到的第一个空洞卷积层的医疗废料图像特征输入第二个空洞卷积层进行处理,得到第二个空洞卷积层的医疗废料图像特征,再将处理得到的第二个空洞卷积层的医疗废料图像特征输入第一个池化层进行平均池化处理,得到第一个池化层的医疗废料图像特征,最后将处理得到的第一个池化层的医疗废料图像特征输入第三个空洞卷积层进行处理,得到第三个空洞卷积层的医疗废料图像特征。
通过一个平均池化层将得到的第三个空洞卷积层的医疗废料图像特征进行平均池化处理,使其空间尺寸减半得到第二个池化层的医疗废料图像特征,将处理得到的第二个池化层的医疗废料图像特征分别输入到三个卷积层分别得到对应的第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图,将第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图调整到预设尺寸,并将第一卷积医疗废料图像特征图与第二卷积医疗废料图像特征图进行矩阵乘积计算,得到空间注意力医疗废料图,将得到的空间注意力医疗废料图与第三卷积医疗废料图像特征图进行矩阵乘积计算,得到新的第一医疗废料图像特征图,随后将新的第一医疗废料图像特征图调整到预设尺寸,对调整好尺寸的新的第一医疗废料图像特征图进行两倍双线性内插采集处理,得到新的第二医疗废料图像特征图,再利用一个卷积层对新的第二医疗废料图像特征图进行非线性映射处理,得到自注意力医疗废料图像特征。
通过一个卷积层对输入的自注意力医疗废料图像特征进行降维处理,得到降维医疗废料图像特征图,将得到的降维医疗废料图像特征图调整到预设尺寸,利用调整好尺寸的降维医疗废料图像特征图中的全局统计数据来训练视觉中心的字典编码,计算降维医疗废料图像特征图与字典编码之间的标准化残差,对计算得到的标准化残差进行批标准化处理,得到全局上下文向量,利用一个全连接层将得到的全局上下文向量提高维度至预设维数,通过通道维度上的点乘对提高维度后的全局上下文向量进行处理,得到上下文医疗废料图像特征,对计算得到的上下文医疗废料图像特征进行两倍双线性内插上采集处理,并将结果与第一个空洞卷积层的医疗废料图像特征、第二个空洞卷积层的医疗废料图像特征采用串联的方式进行特征结合,得到结合后的医疗废料图像特征,将得到的结合医疗废料图像特征输入一个卷积层,利用归一化指数函数得到模型预测的医疗废料概率图,计算预测的医疗废料概率图与真实标签之间的交叉熵分类损失函数,通过梯度下降优化交叉熵分类损失函数,重复学习整体模型,直至整体模型稳定,得到学习好的整体模型,将待识别的目标医疗废料图像,输入到学习好的整体模型中,完成高分辨率光谱医疗废料图像的分类。
所述物联网传感器对管理员进行人脸采集,云计算系统对采集的管理员人脸图像进行识别。管理员人脸识别方法,包括以下步骤:
采用one-stage人脸目标检测模型对输入的管理员人脸图像进行人脸目标检测标出管理员人脸边界框;基于优化的元学习策略从自然图像质量评价任务中学习人眼视觉系统评价图像质量的先于经验的知识,所述基于优化的元学习策略适用于基于增量梯度下降优化的管理员人脸模型结构,其所用的自然图像质量评价任务数据库作为元学习策略的迭代任务集来学习人眼视觉系统评价图像质量的先于经验的知识;
所述管理员人脸模型结构包括管理员人脸旋积神经模型和管理员人脸全连接层,对管理员人脸旋积神经模型的输出进行全局平均池化运算得到第一层全连接层,增加第二层全连接层生成管理员人脸深度神经回归模型的输出;对于输入的管理员人脸图像,将管理员人脸图像输入管理员人脸深度神经回归模型得到预估的管理员人脸图像质量分数;采用平均欧几里得距离作为损失函数来优化预估的管理员人脸图像质量分数与真实值之间的差距;采用双层增量梯度下降算法对管理员人脸深度神经回归模型进行优化,并使用自适应矩估计优化器对管理员人脸深度神经回归模型参数进行更新;学习到质量先验模型后,再使用少量管理员人脸图像图样对质量先验模型做进一步迭代优化,获得最终的管理员人脸可辨识度评价模型;
将标出管理员人脸边界框的管理员人脸图像输入最终的管理员人脸可辨识度评价模型,输出得到可辨识管理员人脸图像;基于数据驱动策略建立管理员遮挡人脸图像分类模型,具体地,采用管理员无遮挡人脸识别数据库和管理员遮挡人脸检测数据库,迭代人脸识别模型,将可辨识管理员人脸图像输入迭代后的人脸识别模型并获取管理员人脸特征,采用支持向量机工具包中基于高斯核的支持向量机分类器对获取的管理员人脸特征进行分类,分别输出可辨识管理员无遮挡人脸与遮挡人脸;将输出的可辨识管理员无遮挡人脸和遮挡人脸分别对应输入无遮挡人脸识别器和遮挡人脸识别器进行识别,所述遮挡人脸识别器为基于修复思想的遮挡人脸识别模型。
通过采用基于优化的元学习策略来学习自然图像评价任务获得人眼视觉系统评价图像的先于经验的知识,这样可以降低对影响人脸可辨识度的亮度、对比度和清晰度的失真,而且,基于优化的元学习策略能够适用于任何基于增量梯度下降优化的模型结构。同时,通过采用双层增量梯度下降算法对管理员人脸深度神经回归模型进行优化,并使用自适应矩估计优化器对管理员人脸深度神经回归模型参数进行更新,这样能获得更好的学习不同任务之间的泛化能力。而且,本发明能够在无人工干预的情况下自动获取管理员人脸可辨识度及失真类型,为挑选高质量管理员人脸或选取与失真类型匹配的人脸识别算法提供了依据,能够帮助人脸识别系统选用高辨识度管理员候选人脸或者启动专用的人脸识别模块,从而间接提升人脸识别系统的效能。
根据管理员提供的账号密码,登陆云管平台,登陆成功后进入首页,首页中包括有项目,云主机、安全组、网络、租户、磁盘、可用域。
用户点击右上角退出按钮修改密码,弹出修改密码界面,输入必填项,完成密码重置,退出平台时用户点击右上角退出按钮,确认后,退出平台,返回登录界面。
管理员界面包括有添加管理员用户、编辑管理员信息,删除已创建的管理员、修改管理员密码、更改管理员是否可用状态。
租户管理界面包括有添加租户用户、编辑租户信息,删除已创建的租户、修改租户密码、更改租户是否可用状态。
菜单管理界面可以添加侧边栏页面,编辑修改侧边栏已存在的页面,选择是否隐藏,删除已侧边栏已存在的页面,查询并添加页面按钮。
Claims (10)
1.一种医疗云管平台,包括若干物联网传感器、云计算系统和终端控制系统,若干物联网传感器和终端控制系统分别与云计算系统建立数据连接,其特征在于,所述物联网传感器采集医疗废料图像并发送至所述云计算系统,所述云计算系统对初始高分辨率光谱医疗废料图像进行标准化处理,得到标准高分辨率光谱医疗废料图像,然后对医疗废料图像分类并进行比对识别,所述终端控制系统根据分类结论对医疗废料进行筛选分类。
2.按权利要求1所述的医疗云管平台,其特征在于将标准高分辨率光谱医疗废料图像输入基干模型的第一个空洞卷积层进行处理,得到第一个空洞卷积层的医疗废料图像特征,然后将处理得到的第一个空洞卷积层的医疗废料图像特征输入第二个空洞卷积层进行处理,得到第二个空洞卷积层的医疗废料图像特征,再将处理得到的第二个空洞卷积层的医疗废料图像特征输入第一个池化层进行平均池化处理,得到第一个池化层的医疗废料图像特征,最后将处理得到的第一个池化层的医疗废料图像特征输入第三个空洞卷积层进行处理,得到第三个空洞卷积层的医疗废料图像特征。
3.按权利要求2所述的医疗云管平台,其特征在于通过一个平均池化层将得到的第三个空洞卷积层的医疗废料图像特征进行平均池化处理,使其空间尺寸减半得到第二个池化层的医疗废料图像特征,将处理得到的第二个池化层的医疗废料图像特征分别输入到三个卷积层分别得到对应的第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图,将第一卷积医疗废料图像特征图、第二卷积医疗废料图像特征图和第三卷积医疗废料图像特征图调整到预设尺寸,并将第一卷积医疗废料图像特征图与第二卷积医疗废料图像特征图进行矩阵乘积计算,得到空间注意力医疗废料图,将得到的空间注意力医疗废料图与第三卷积医疗废料图像特征图进行矩阵乘积计算,得到新的第一医疗废料图像特征图,随后将新的第一医疗废料图像特征图调整到预设尺寸,对调整好尺寸的新的第一医疗废料图像特征图进行两倍双线性内插采集处理,得到新的第二医疗废料图像特征图,再利用一个卷积层对新的第二医疗废料图像特征图进行非线性映射处理,得到自注意力医疗废料图像特征。
4.按权利要求3所述的医疗云管平台,其特征在于通过一个卷积层对输入的自注意力医疗废料图像特征进行降维处理,得到降维医疗废料图像特征图,将得到的降维医疗废料图像特征图调整到预设尺寸,利用调整好尺寸的降维医疗废料图像特征图中的全局统计数据来训练视觉中心的字典编码,计算降维医疗废料图像特征图与字典编码之间的标准化残差,对计算得到的标准化残差进行批标准化处理,得到全局上下文向量,利用一个全连接层将得到的全局上下文向量提高维度至预设维数,通过通道维度上的点乘对提高维度后的全局上下文向量进行处理,得到上下文医疗废料图像特征,对计算得到的上下文医疗废料图像特征进行两倍双线性内插上采集处理,并将结果与第一个空洞卷积层的医疗废料图像特征、第二个空洞卷积层的医疗废料图像特征采用串联的方式进行特征结合,得到结合后的医疗废料图像特征,将得到的结合医疗废料图像特征输入一个卷积层,利用归一化指数函数得到模型预测的医疗废料概率图,计算预测的医疗废料概率图与真实标签之间的交叉熵分类损失函数,通过梯度下降优化交叉熵分类损失函数,重复学习整体模型,直至整体模型稳定,得到学习好的整体模型,将待识别的目标医疗废料图像,输入到学习好的整体模型中,完成高分辨率光谱医疗废料图像的分类。
5.按权利要求4所述的医疗云管平台,其特征在于所述物联网传感器对人脸进行采集,云计算系统对采集的人脸图像进行识别。
6.按权利要求5所述的医疗云管平台,其特征在于根据管理员提供的账号密码,登陆云管平台,登陆成功后进入首页,首页中包括有项目,云主机、安全组、网络、租户、磁盘、可用域。
7.按权利要求1或6所述的智慧社区标准化平台,其特征在于用户点击右上角退出按钮修改密码,弹出修改密码界面,输入必填项,完成密码重置,退出平台时用户点击右上角退出按钮,确认后,退出平台,返回登录界面。
8.按权利要求1或6所述的医疗云管平台,其特征在于管理员界面包括有添加管理员用户、编辑管理员信息,删除已创建的管理员、修改管理员密码、更改管理员是否可用状态。
9.按权利要求1或6所述的医疗云管平台,其特征在于租户管理界面包括有添加租户用户、编辑租户信息,删除已创建的租户、修改租户密码、更改租户是否可用状态。
10.按权利要求1或6所述的医疗云管平台,其特征在于菜单管理界面可以添加侧边栏页面,编辑修改侧边栏已存在的页面,选择是否隐藏,删除已侧边栏已存在的页面,查询并添加页面按钮。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018033.9A CN112768041B (zh) | 2021-01-07 | 2021-01-07 | 医疗云管平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110018033.9A CN112768041B (zh) | 2021-01-07 | 2021-01-07 | 医疗云管平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112768041A true CN112768041A (zh) | 2021-05-07 |
CN112768041B CN112768041B (zh) | 2022-04-08 |
Family
ID=75700645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110018033.9A Active CN112768041B (zh) | 2021-01-07 | 2021-01-07 | 医疗云管平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112768041B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809215A (zh) * | 2016-03-11 | 2016-07-27 | 河南博苑环保科技有限公司 | 一种物联网源头精细化管理医疗废物的系统和方法 |
WO2018120942A1 (zh) * | 2016-12-31 | 2018-07-05 | 西安百利信息科技有限公司 | 一种多模型融合自动检测医学图像中病变的系统及方法 |
CN111191547A (zh) * | 2019-12-23 | 2020-05-22 | 中电健康云科技有限公司 | 一种基于高光谱反卷积和解混的医疗废料在线筛选方法 |
US20200364870A1 (en) * | 2019-05-14 | 2020-11-19 | University-Industry Cooperation Group Of Kyung Hee University | Image segmentation method and apparatus, and computer program thereof |
CN111984772A (zh) * | 2020-07-23 | 2020-11-24 | 中山大学 | 一种基于深度学习的医疗影像问答方法及系统 |
-
2021
- 2021-01-07 CN CN202110018033.9A patent/CN112768041B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809215A (zh) * | 2016-03-11 | 2016-07-27 | 河南博苑环保科技有限公司 | 一种物联网源头精细化管理医疗废物的系统和方法 |
WO2018120942A1 (zh) * | 2016-12-31 | 2018-07-05 | 西安百利信息科技有限公司 | 一种多模型融合自动检测医学图像中病变的系统及方法 |
US20200364870A1 (en) * | 2019-05-14 | 2020-11-19 | University-Industry Cooperation Group Of Kyung Hee University | Image segmentation method and apparatus, and computer program thereof |
CN111191547A (zh) * | 2019-12-23 | 2020-05-22 | 中电健康云科技有限公司 | 一种基于高光谱反卷积和解混的医疗废料在线筛选方法 |
CN111984772A (zh) * | 2020-07-23 | 2020-11-24 | 中山大学 | 一种基于深度学习的医疗影像问答方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112768041B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368896B (zh) | 基于密集残差三维卷积神经网络的高光谱遥感图像分类方法 | |
CN106169081A (zh) | 一种基于不同照度的图像分类及处理方法 | |
CN108304754A (zh) | 车型的识别方法和装置 | |
US20180307894A1 (en) | Neural network systems | |
CN110874590B (zh) | 基于适配器互学习模型的训练及可见光红外视觉跟踪方法 | |
CN109360179B (zh) | 一种图像融合方法、装置及可读存储介质 | |
CN109919252A (zh) | 利用少数标注图像生成分类器的方法 | |
WO2021144943A1 (ja) | 制御方法、情報処理装置および制御プログラム | |
CN112163450A (zh) | 基于s3d学习算法的高频地波雷达船只目标检测方法 | |
CN111784665B (zh) | 基于傅里叶变换的oct图像质量评估方法、系统及装置 | |
CN110147833A (zh) | 人像处理方法、装置、系统和可读存储介质 | |
CN107958219A (zh) | 基于多模型和多尺度特征的图像场景分类方法 | |
CN113628059A (zh) | 一种基于多层图注意力网络的关联用户识别方法及装置 | |
CN112560948A (zh) | 数据偏差下的眼底图分类方法及成像方法 | |
CN111008570B (zh) | 一种基于压缩-激励伪三维网络的视频理解方法 | |
CN114238659A (zh) | 智能设计网络安全架构图的方法 | |
CN113011961B (zh) | 公司关联信息风险监测方法、装置、设备及存储介质 | |
CN112768041B (zh) | 医疗云管平台 | |
CN115482227B (zh) | 机器视觉自适应成像环境调整方法 | |
US20220358752A1 (en) | Apparatus and method for developing space analysis model based on data augmentation | |
CN113327212B (zh) | 人脸驱动、模型的训练方法、装置、电子设备及存储介质 | |
CN115588487A (zh) | 一种基于联邦学习和生成对抗网络的医学图像数据集制作方法 | |
CN112560712B (zh) | 基于时间增强图卷积网络的行为识别方法、装置及介质 | |
CN111553437A (zh) | 一种基于神经网络图像分类方法 | |
CN117058498B (zh) | 分割图评估模型的训练方法、分割图的评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |