单样本

摘要： 在工业生产中,基于机器视觉的产品质量检测方法已逐步引入生产线,但绝大多数检测模型都需要充足的缺陷样本集以完成训练.随着生产工艺的改进,缺陷样本出现的概率逐渐降低.缺陷样本过少导致工业缺陷的检测或分割任务难以实施模型训练.采用GAN模型进行样本生成可以有效增广训练样本集.主要研究了面向小样本集的工业缺陷样本生成模型,对单张样本生成网络ConSinGAN进行了改进,引入双通道自注意力机制,增强了单张样本对缺陷区域的学习能力;并引入结构相似度量改进损失函数,提高了工业生成样本中背景的纹理一致性.实验结果表明:所提出的改进后生成式对抗网络模型在单样本工业缺陷图像生成上更为稳定有效.

摘要： 单样本人脸识别问题是一个比较具有挑战性的问题。针对部分遮挡单样本人脸识别困难的问题,本文提出了一种SSPO算法。首先对所有样本进行遮挡,通过MSEP算法进行分块,遮挡识别和剔除。为了对人脸姿势、光照等变化进行识别,我们抽取样本库中邻接块构造一个样本字典,通过类内变化字典预测可能的人脸变化。最小化待测人脸与样本库、变化字典的残差预测样本分类。最后,在AR人脸数据库和Multi-PIE人脸数据库上验证了本算法的有效性。

摘要： 稀疏表示分类(sparse representation-based classification,SRC)在样本数量充足下的人脸识别中具有较好的识别效果。然而由于基本字典缺乏判别性同时过度依赖于字典中每类样本的原子数目,稀疏表示分类在真实情况下的单样本(每类样本只有一张训练样本)人脸识别任务中缺乏鲁棒性。针对以上问题,该文提出了基于核扩展混合块字典的单样本人脸识别方法。首先,对样本进行分块处理,分别对分块图像进行核判别分析(kernel discriminant analysis,KDA)投影降维,提取图像的局部特征信息构成更具判别性的基本块字典;然后,为经过KDA投影之后的分块样本分别构建遮挡字典和类内差异字典来描述样本中的大面积连续遮挡以及光照、表情等类内差异信息,将遮挡字典和类内差异字典共同组合成混合块字典,使混合块字典能够更好地描述测试样本中不同类型的差异信息;最后,将测试样本表示为基本块字典和混合块字典的稀疏线性组合,根据重构残差进行分类识别,从而实现真实情况下的单样本人脸识别。在标准人脸库CAS-PEAL,AR以及真实人脸库LFW和PubFig上的实验结果表明,该方法与其他方法相比有较好的结果。

摘要： 随着科技的发展,个人电脑和手机成为现代社会中所不可缺少的智能设备。个人电脑和手机中丰富的应用程序通过互联网给用户提供诸如实时聊天、邮件、下载等便捷的网络服务。但是,这些设备的普及也吸引了大量的恶意攻击者,恶意应用程序和恶意流量随之产生。针对这一问题,在恶意流量分类检测的基础上,基于孪生神经网络提出一种端到端的单样本检测方法。对样本数据进行预处理转化为灰度图像,在TensorFlow深度学习框架下对图像样本进行训练学习,通过对比灰度图像间的相似程度实现了恶意流量的检测。提出的方法不仅能够实现端到端的单样本检测,而且在样本不均衡的分类问题上也给出了一种解决方案。最终的实验检测准确率可达95.04%,证明了该方法的可行性和科学性。

摘要： 采用免疫检查点阻断的癌症治疗(ICB),通常会诱发免疫相关的不良事件(irAEs)。研究人员假设在肿瘤和正常细胞中共表达的蛋白可能是irAEs中的抗原靶点,并在此描述了用于鉴定它们的DITAS(肿瘤相关自身抗原的发现)。基于单样本基因集富集分析,DITAS计算了肺肿瘤和健康肺组织之间的转录相似性。本研究鉴定了10个在肺肿瘤中高度表达的肺组织特异性基因。将计算分析与功能性T细胞分析和抗原特异性T细胞的单细胞RNA测序相结合,以验证肺肿瘤自身抗原。

摘要： 目前,使用单样本训练生成对抗网络已经成为研究人员关注的重点。但是,网络模型不容易收敛,生成的图像结构易崩塌,训练速度慢等问题依旧亟待解决。研究人员提出在生成对抗网络中使用自注意力模型用以获取样本更大范围的结构,提高生成图像的质量。但是,传统的卷积自注意力模型由于注意力图谱中的信息冗余,容易造成计算资源浪费。提出了一种新的线性注意力模型,在该模型中使用了双重归一化方法来缓解注意力模型对输入特征敏感的问题,并且基于该模型搭建了一种新的单样本生成对抗网络模型。此外,模型还使用了残差网络和光谱归一化方法用于稳定训练,降低了发生崩塌的风险。实验结果表明,相较于使用已有的网络结构,该模型具有训练速度快,生成图像的分辨率高且评价指标改善明显等特点。

摘要： 近年来,监督学习的行人重识别是利用深度学习知识检索特定行人的人工智能技术,由于有监督的行人重识别需要标注数据集中所有样本,耗费了大量的人力物力,不利于行人重识别在实际场景中的应用,因此无监督行人重识别、半监督行人重识别应运而生。针对单样本的半监督行人重识别任务,即每个身份的行人仅标注一个样本,且是不同摄像头下选取的样本。由于行人姿态变化且标签样本数量较少,因此,提取有区分力的特征具有较高的难度。为了解决上述问题,首先将部件分割约束应用到单样本的行人重识别任务;其次设计了多分支网络,包括全局分支和两个局部分支用来提取水平切块的特征和实施部件分割约束,对全局特征进行补充;最后设计损失函数融合,训练过程中通过减小融合后的损失,不断学习有区分力的特征,优化模型。

摘要： 一种SPR传感器和包括所述SPR传感器的SPR传感芯片、SPR检测仪及其应用申请号:202110880648.2【摘要】本发明公开了一种SPR传感器和包括所述SPR传感器的SPR传感芯片、SPR检测仪及其应用,属于微流控芯片技术领域。包括光学玻璃基底和蒸镀在所述光学玻璃基底表面的金属膜,所述光学玻璃基底的折射率>1.51,所述金属膜不完全覆盖所述光学玻璃基底。本发明所述SPR传感器的金属膜能够直接结合微流控芯片的反应池,构成微流控一体化芯片,解决了现有SPR检测仪器复杂的仪器液路系统和繁琐的维护模式,能够简单快速地进行复杂基质样本中单样本多指标的检测。本发明还提供了上述的产品在体外诊断检测中的应用,填补了现有疾病检测产品的市场空白。

摘要： 本发明涉及一种可实现单管样本和试管架样本共存吸样输送装置，属于输送装置技术领域。该输送装置包括架体、设置在所述架体上的至少一个试管架输送模块、以及设置在所述架体上的至少一个单管输送模块。可实现单管样本和试管架样本共存吸样输送装置可以同时输送试管架样本和单管样本；本装置也可以不运输单管样本而单独使用运输试管架样本，或不运输试管架样本而单独运输单管样本使用，对运输样本的种类可进行灵活的配置，使得适用的范围更广泛、使用更加便捷，节约客户的仪器、人员、资金、占地等投入。

摘要： 本发明公开了一种从多纤维样本中提取单纤维样本的图像分割方法及图像处理装置，该方法包括制备多纤维样本图像，对多纤维样本图进行处理，提取图像中多纤维轮廓的边界像素点列表，计算边界点之间的距离矩阵以识别纤维轮廓，并通过原图提取出单纤维样本图片；该图像处理装置包括显微镜、扫描模块、图像处理模块和距离矩阵计算及处理模块。本发明实现了从多纤维图像中提取到高质量的单纤维样本图像，采用本方法能以较低的人工和时间成本制得大量的高质量单纤维样本图像，进而能解决为检测纺织纤维原料的深度学习方法提供训练及验证单纤维样本的技术问题。

摘要： 本发明涉及一种可实现单管样本和试管架样本共存吸样输送装置，属于输送装置技术领域。该输送装置包括架体、设置在所述架体上的至少一个试管架输送模块、以及设置在所述架体上的至少一个单管输送模块。可实现单管样本和试管架样本共存吸样输送装置可以同时输送试管架样本和单管样本；本装置也可以不运输单管样本而单独使用运输试管架样本，或不运输试管架样本而单独运输单管样本使用，对运输样本的种类可进行灵活的配置，使得适用的范围更广泛、使用更加便捷，节约客户的仪器、人员、资金、占地等投入。

摘要： 本发明公开了一种基于单样本的人脸图像虚拟样本扩充方法及系统。本方法和系统将非负矩阵分解(NMF)叠加到镜像变换、滑动窗口法以及位图像法上产生丰富的虚拟样本。本发明综合了镜像变换、窗口滑动法、位平面法这三种样本扩张法的优势，提高了对姿态、表情、光照的鲁棒性。本发明对经过窗口滑动法、位平面法产生的虚拟样本再次进行了镜像变换，而经过镜像变换后的图像会包含较多的与原图像不同的信息，使得原样本信息被充分挖掘利用；对原图像以及镜像变换、窗口滑动法、位平面法产生的虚拟样本进行非负矩阵分解NMF重构出了新的图像，能够提高人脸识别的准确性。

摘要： 本发明公开了一种单样本与少样本场景下的汉字验证码识别方法，包括基于孪生网络结构建立字符匹配网络模型，用字符匹配网络模型中的两个特征提取网络分别对训练样本中的一对文本图像进行特征提取，在通过相似度网络对两个特征向量计算相似度，以此重复多次训练直至字符匹配网络模型的精度稳定，再利用训练后的字符匹配网络模型进行汉字验证码识别；本发明可以在单一训练样本或少量训练样本的情况下，使模式识别技术对汉字验证码具有很好的识别率，而且识别准确率高。

摘要： 本发明公开了一种基于单样本二代测序检测样本体细胞变异的方法及装置。其中，该方法包括以下步骤：S1，获取待检测样本的目的基因的序列信息；以及S2，对序列信息进行分析，通过变异检出、根据已知数据库进行变异过滤及背景噪音过滤实现体细胞变异状态的确定。根据体细胞变异的生物学性状，一般属于有害变异，所以不应在大多数健康人中出现(人群频率数据库过滤)，另外大多数体细胞变异由于肿瘤纯度的限制，一般情况下变异频率较低(可用变异频率过滤)。所以，应用本发明的技术方案，可确定体细胞变异状态，这样就实现了利用已知数据库过滤的方法使用单样本进行体细胞变异检测，解决了单样本检测体细胞变异的问题。

摘要： 本发明公开了一种基于自适应虚拟样本产生准则的单样本人脸识别方法，主要解决现有技术人脸识别率低的问题。其实现步骤为：1.选取人脸图像并划分训练和测试样本集；2.对训练样本进行奇异值分解，根据分解后的基图像重构新的训练样本图像；3.结合训练样本图像和新的重构图像构造虚拟训练样本图像，并对训练样本图像和虚拟训练样本图像分块，构成块训练样本集；4.利用这些块训练样本训练最优投影空间；5.用同样的方法对测试样本分块，将其投影到最优空间，得到块样本特征；6.根据块样本特征对块测试样本分类，用最大投票准则得到最终识别结果。本发明减小了人脸识别中鉴别信息的缺失，提高人脸识别率，可用于身份证、驾照和护照的识别。

摘要： 本发明属于古生物化石识别技术领域，公开了一种单样本与小样本微体古生物化石图像识别方法及系统，该方法包括：拍摄微体化石显微图像；将微体化石显微图像组成成对图像数据集，设置类别标签；对输入图像进行数据增强；搭建孪生网络框架结构，提取输入图像的特征；计算两个特征向量间的相似度；反向更新网络参数，重复多次训练直至微体化石识别模型的精度稳定；将单样本或小样本微体化石图像作为模型一个输入，将大量混合微体化石图像依次作为另一个输入，根据模型输出的特征相似度值找出与当前单样本或小样本属于同一类别的微体化石样本。本发明降低人工分拣化石的成本投入，提升稀有化石发现速率，为分析寒武纪生命大爆发的起源提供数据支撑。

摘要： 本发明公开了一种基于单样本二代测序检测样本体细胞变异的方法及装置。其中，该方法包括以下步骤：S1，获取待检测样本的目的基因的序列信息；以及S2，对序列信息进行分析，通过变异检出、根据已知数据库进行变异过滤及背景噪音过滤实现体细胞变异状态的确定。根据体细胞变异的生物学性状，一般属于有害变异，所以不应在大多数健康人中出现(人群频率数据库过滤)，另外大多数体细胞变异由于肿瘤纯度的限制，一般情况下变异频率较低(可用变异频率过滤)。所以，应用本发明的技术方案，可确定体细胞变异状态，这样就实现了利用已知数据库过滤的方法使用单样本进行体细胞变异检测，解决了单样本检测体细胞变异的问题。

摘要： 本发明公开了一种单样本与少样本场景下的汉字验证码识别方法，包括基于孪生网络结构建立字符匹配网络模型，用字符匹配网络模型中的两个特征提取网络分别对训练样本中的一对文本图像进行特征提取，在通过相似度网络对两个特征向量计算相似度，以此重复多次训练直至字符匹配网络模型的精度稳定，再利用训练后的字符匹配网络模型进行汉字验证码识别；本发明可以在单一训练样本或少量训练样本的情况下，使模式识别技术对汉字验证码具有很好的识别率，而且识别准确率高。