李冠彬
- 作品数：87 被引量：77H指数：3
- 供职机构：中山大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划NSFC-广东联合基金更多>>
- 相关领域：自动化与计算机技术文化科学交通运输工程医药卫生更多>>
- 一种航空图像道路提取方法及设备
- 本发明公开了一种航空图像道路提取方法及设备，本发明通过在道路提取模型中对原始航空图像以及GPS热度图进行局部信息提取，将提取到的航空图像局部信息和所述GPS热度图局部信息进行融合，得到航空图像特征图以及GPS热度特征图，...
- 李冠彬王阔刘凌波林倞
- 文献传递
- 一种语言描述引导的视频时序定位方法
- 本发明公开了一种语言描述引导的视频时序定位方法，包括如下步骤：步骤S1，提取跨模态特征的多模态特征编码网络，以用于学习视频和自然语言的跨模态信息，获得所输入的语言和视觉模态的多模态融合表征；步骤S2，采用层次化的树状结构...
- 李冠彬吴捷林倞
- 文献传递
- 基于深度学习和图像融合诊断甲状腺结节良恶性的研究
- 2022年
- 目的设计一种基于甲状腺超声图像深度学习的人工智能模型,对比设计的模型同目前主流人工智能诊断模型、超声科专家诊断甲状腺结节的价值。方法收集行手术治疗的2421例甲状腺肿瘤患者的术前超声图像共3493张;对图片进行预处理后,随机选取2591张图像通过重采样和图像融合技术作为人工智能模型训练集,288张图像作为验证集,614张图像作为测试集。以术后病理结果为金标准,统计分析主流的DenseNet、VGGNet、ResNet、改进的ResNet模型、超声科专家诊断甲状腺结节良恶性的准确性、敏感度、特异度、受试者工作特征(ROC)曲线下面积(AUC)。结果DenseNet模型诊断甲状腺结节准确性为73.1%、敏感度为61%、特异度为81%、阳性预测值0.79、阴性预测值0.67,AUC为0.79;VGGNet模型诊断甲状腺结节准确性为73.6%、敏感度为67%、特异度为78%、阳性预测值0.78、阴性预测值0.65,AUC为0.80;ResNet模型诊断甲状腺结节准确性为72.3%、敏感度为68%、特异度为75%、阳性预测值0.77、阴性预测值0.63,AUC为0.81;改进的ResNet模型组诊断甲状腺结节准确性为74.4%、敏感度为65%、特异度为81%、阳性预测值0.80、阴性预测值0.68,AUC为0.82。超声科专家诊断甲状腺结节准确性为84%、敏感度为78%、特异度为90%、阳性预测值0.90、阴性预测值0.78,AUC为0.89。结论通过重采样和图像融合技术,研究设计的模型对甲状腺结节的诊断效能高于基线模型,且优于主流模型,对比超声科专家诊断效能仍有不足,需要持续改进。
- 陈飞郑力基易小林李强龚海帆李冠彬
- 关键词：人工智能甲状腺结节超声图像
- 一种基于对比学习的开放场景半监督物体检测方法与系统
- 本发明公开了一种基于对比学习的开放场景半监督物体检测方法与系统。包括：准备标签数据和无标签数据，构建包含对比学习模块的Faster‑RCNN模型；利用所述标签数据对所述包含对比学习模块的Faster‑RCNN模型进行预训...
- 周凡王阔林格李冠彬
- 用于自监督单目深度估计的自提升学习方法、装置及设备
- 本发明公开了用于自监督单目深度估计的自提升学习方法、装置及设备，本发明通过不断地迭代使得用于监督网络训练的伪标签中的噪声数据得到有效剔除，从而训练得到一个收敛的深度网络，进一步利用了深度网络对噪声数据的去噪能力，使得深度...
- 李冠彬黄日聪
- 文献传递
- 基于无监督领域自适应的图像超分辨方法及装置
- 本申请公开了一种基于无监督领域自适应的图像超分辨方法及装置，在源域能访问到成对的LR和HR数据，目标域仅能访问到LR数据的情况下，实现源域模型到目标域的迁移，通过设计两个对称的分支网络(源分支网络和目标分支网络)，共同处...
- 李冠彬许晓倩魏朋旭毛明志林倞
- 一种基于深度学习的图像去雨方法及装置
- 本发明公开了一种基于深度学习的图像去雨方法及装置，所述方法包括：步骤S1，利用浅层卷积神经网络产生所有有雨图像的浅层特征图；步骤S2，将获得的浅层特征图输入至一个逐级下采样的多层编码器以进行编码；步骤S3，通过一个与上游...
- 林倞李冠彬张雨浓何翔王青
- 文献传递
- 一种多跳视觉问题推理模型及其推理方法
- 本发明公开了一种多跳视觉问题推理模型及其推理方法，所述模型包括：多跳视觉问题推理数据集建立单元，用于通过将场景图和知识库相融合成知识图，利用知识图构造包含多跳知识推理问答对的数据集；卷积神经网络，用于提取输入图像的图像特...
- 林倞李百林王青李冠彬
- 文献传递
- 基于旋转不变深度层次聚类网络的点云分析被引量：1
- 2022年
- 由于解决了三维点云的排列不变性问题,基于三维点云的深度学习方法在计算机三维视觉领域中取得了重大的突破,人们逐渐倾向于使用三维点云来描述物体并基于神经网络结构来提取点云的特征.然而,现有的方法依然无法解决旋转不变性问题,使得目前的模型鲁棒性较差;同时,神经网络结构的设计过于启发式,没有合理利用三维点云的几何结构与分布特性,导致网络结构的表达能力有待提升.鉴于此,提出了一种具有良好兼容性的严格旋转不变性表达以及深度层次类簇网络,试图从理论与实践两个层面解决上述问题.在点云识别、部件分割、语义分割这3个经典任务上进行了旋转鲁棒性对比实验,均取得了最优的效果.
- 李冠彬张锐斐陈超林倞
- 关键词：三维点云旋转不变性
- 机器学习高阶课程建设的探索与实践被引量：1
- 2023年
- 针对人工智能技术迅猛发展背景下机器学习课程面临的挑战,提出机器学习研究生高阶课程培养方案,阐述如何开展基于百度AI Studio平台和飞桨(PaddlePaddle)深度学习框架的机器学习高阶在线课程,并对课程建设方案和实践教学模式进行总结。
- 方艳梅李冠彬卢伟
- 关键词：人工智能课程建设
