一种基于张量网络模型的多模态图像缺失补全的分类方法
公开
摘要
本发明提出了一种基于张量网络模型的多模态图像缺失补全的方法。首先对多模态图像提取特征，得到不完整的特征张量，然后通过张量环分解将不完整的高阶张量分解为一系列低阶核张量，同时对核张量的秩模与维模展开添加低秩约束并对各模展开进行核范数正则化，紧接着使用张量环分解的逆过程恢复成完整张量，最后放入分类器中进行分类。在BraTS2018和BraTS2019数据上进行了算法验证，结果表明本发明提出的方法优于传统方法，具有更好的补全与分类效果。
基本信息
专利标题 ：
一种基于张量网络模型的多模态图像缺失补全的分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114596466A
申请号 ：
CN202210237939.4
公开（公告）日 ：
2022-06-07
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
吴强何泽鲲李璇
申请人 ：
山东大学
申请人地址 ：
山东省青岛市即墨滨海路72号
代理机构 ：
济南圣达知识产权代理有限公司
代理人 ：
李健康
优先权 ：
CN202210237939.4
主分类号 ：
G06V10/764
IPC分类号 ：
G06V10/764 G06V10/774 G06V10/82 G06K9/62 G06N3/04 G06N3/08 G06F17/16
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
