本發明提供一種基于噪聲抑制和多尺度特征融合的圖像分類方法，包括建立數據集、建立細粒度圖像分類模型、建立損失函數，利用訓練集、驗證集和測試集分別訓練、驗證和測試細粒度圖像分類模型得到訓練好的細粒度圖像分類模型并進行圖像分類得到分類結果。本...

本發明提供一種基于極大似然估計的數據擴充方法，運用極大似然估計原理，精確估計產生該樣本的真實分布，同時獲取該分布的參數化表示；利用了變分推斷方法估計含隱變量的似然函數的下限，逐步迭代優化，得到最優的模型參數；通過變分方法對輸入圖像的分布...

本發明提供一種基于單實例分布采樣的圖像數據增廣方法，定向對數據庫中數據量較少的大多數類別進行數據補充，從根本上緩解數據不均衡造成的尾部類別識別性能較差的問題；基于學習到的單個實例樣本的分布采樣對數據庫進行無限擴充，且擴充后的樣本同原始實...

本發明提供一種基于多模態學習的定制化鏡檢病例分級檢索系統，利用CLIP模型處理以圖像形式輸入的檢索需求，并與以文本形式輸入的檢索需求融合后，提取其特征表示信息，再與歷史數據中圖像經CLIP編碼后的特征表示進行對比得到與融合后檢索需求最接...

本發明提供一種基于多元信息感知的大規模模型預訓練方法，將采集到的圖像、文本、音頻數據輸入預訓練數據庫，將預訓練數據庫中小批量標注形成識別數據庫，利用預訓練數據庫中的數據對識別模型進行無監督模式預訓練，預訓練分別從三個感知態展開，將預訓練...

本發明提供一種長短期目標記憶的多目標追蹤方法，基于DETR結構的啟發，首先拓展DETR中query的物理概念為檢測query和追蹤query，輔以追蹤感知的標簽匹配策略，實現檢測和追蹤任務的解耦；其次嵌入記憶模塊，傳遞以及更新連續幀之間...

本發明提供一種基于知識蒸餾的呼吸暫停知識問答模型訓練方法，采用知識蒸餾的掩碼語言訓練模塊和自監督的掩碼語言訓練模塊，并結合重構損失和分類損失，經過呼吸暫停領域的知識訓練，從教師模型中提取關鍵知識，并將其轉移到輕量級模型中；自監督掩碼語言...

本發明提供一種基于人工智能的瘧原蟲分類識別方法和裝置，所述方法包括：獲取待識別的原始圖像；將所述待識別的原始圖像輸入預先訓練的分類識別模型，得到所述分類識別模型輸出的瘧原蟲類別識別結果；其中，所述分類識別模型是利用多個專家模型進行嵌套學...

本發明提供一種基于機器學習的樣本數據處理方法和裝置，所述方法包括：獲取待處理的原始數據，并構建第一數據庫，將所述第一數據庫中的數據輸入預先訓練的數據處理模型，以得到所述數據處理模型輸出的目標樣本類別和各目標樣本類別對應的數據；對各目標樣...

本發明提供一種基于深度學習的圖像處理方法和裝置，所述方法包括：獲取待檢測的圖像數據，將所述圖像數據與輸入的提示信息相融合，以得到輸入數據；將所述輸入數據輸入預先構建的目標檢測模型，以得到所述目標檢測模型輸出的目標檢測結果；其中，所述目標...

本發明提供一種基于帶噪數據的圖像識別方法和裝置，所述方法包括：將待識別的原始圖像輸入預先訓練的分類識別模型，得到所述分類識別模型輸出的圖像識別結果；分類識別模型是利用預先構建的圖像樣本數據集進行訓練得到的，圖像樣本數據集包括干凈樣本數據...

本發明提供一種用于醫療數據的長尾目標數據分類方法和裝置，所述方法包括：在長尾目標數據庫中獲取待分類的目標圖像，在所述目標圖像中增加類別文本描述，以得到輸入數據；將所述輸入數據輸入預先訓練的分類識別模型，得到所述分類識別模型輸出的分類結果...

本發明提供一種白細胞分類方法和裝置，所述方法包括：獲取待識別的圖像數據和文本數據，所述文本數據中含有類別標簽；將所述圖像數據輸入預先構建的卷積神經網絡，以得到圖像特征向量；將所述文本數據輸入預先構建的自注意力模型，以得到文本特征向量；將...

本發明公開了一種毛細管血清蛋白電泳圖譜分區方法、裝置、介質及設備，屬于M蛋白分析領域。本發明首先獲取M蛋白的血清蛋白電泳曲線并進行有效性判斷，在有效性判斷通過后，計算血清蛋白電泳曲線的候選尖峰組及其橫坐標位置；然后根據候選尖峰組的數量和...

本發明公開了一種細胞圖像修復方法、裝置、計算機存儲介質及電子設備，屬于圖像處理領域。該方法包括：對大量細胞玻片樣本進行全視野攝影，得到玻片掃描圖像組；從玻片掃描圖像組中準備訓練數據集和驗證數據集，對基于transformer模型框架的圖...

本發明公開了一種紅細胞檢測分類方法、裝置、計算機存儲介質及電子設備，屬于血細胞檢測領域。本發明首先對大量血液玻片進行全視野攝影，建立玻片掃描圖像組。從玻片掃描圖像組中分別為圖像復原模型、圖像檢測和多任務分類模型準備訓練數據集和驗證數據集...

本發明公開了一種白細胞檢測識別方法、裝置、計算機存儲介質及電子設備，屬于血細胞檢測領域。本發明首先對大量血液玻片進行全視野攝影，建立玻片掃描圖像組。從玻片掃描圖像組中分別為圖像復原模型、圖像分割和多任務分類模型準備訓練數據集和驗證數據集...

本發明提供一種毛細管免疫分型單克隆免疫球蛋白定量分析方法，將單克隆免疫球蛋白血清樣本進行電泳得到M蛋白曲線，將單克隆免疫球蛋白血清樣本與抗體混合形成免疫復合物后再次進行電泳得到M蛋白反應后曲線，將M蛋白曲線與M蛋白反應后曲線復合通過曲線...

本發明提供一種基于深度學習、上下文相關的尿液有形成分檢測方法，在顯微成像設備的視野下對尿液樣本進行視頻采集，從尿液視頻中抽取圖像，得到帶有時間序列的單幀圖像數據，標注出單幀圖像數據的有形成分位置和類別，并分為訓練集和測試集；構建具有檢測...

本發明提供一種自底向上的寄生蟲蟲種發育階段及圖像像素分類方法，利用顯微鏡或者玻片自動掃描設備將玻片進行數字化，構建基于Transformer的深度學習算法逐視野進行寄生蟲檢測，采用focal_loss函數、CB_focal_loss函數...