基于语义细胞的语音情感识别

为解决语音情感识别分类器空间复杂度高的问题,将语义细胞应用于语音情感识别领域.以语义细胞混合模型为核心,提出基于单层语义细胞的语音情感识别(IC-S)算法以及基于说话人-情感识别的双层语义细胞识别(IC-D)算法.在CASIA(汉语)和SAVEE(英语)情感语料库中进行交叉验证实验,并利用F值评判识别性能.结果表明:相比常用算法(如:SVM),IC-S算法在空间和时间复杂度上具有优势;IC-D算法与SVM算法识别准确率相似,可以有效降低模型存储空间的复杂度,适用于说话人分类较少或较为固定的场景.

虚拟对抗训练的跨域块对比半监督细胞核分割

针对目前细胞核的半监督对比学习语义分割质量高度依赖于平滑、正确伪标签的预测等问题,提出了虚拟对抗训练的跨域块对比学习半监督细胞核语义分割方法。该方法将虚拟对抗训练(VAT)方法融入到跨域块对比学习半监督细胞核语义分割模型中用以提升网络预测伪标签的平滑度与准确度,并使用像素自加权的一致性正则化损失替换原有的人工设置高置信度阈值的一致性正则化损失,对图像中各像素的损失自加权,正确地对网络预测的伪标签进行有效利用。实验结果表明,在有标签图片比例为1/32,1/16和1/8下,该方法在MoNuSeg数据集上的医学图像分割评估指标Dice系数和Jaccard系数分别较CDCL模型提升了0.96百分点和1.11百分点,0.74百分点和0.85百分点,1.40百分点和2.00百分点,在DSB数据集上的Dice系数和Jaccard系数分别较CDCL模型提升了1.69百分点和2.27百分点,1.47百分点和2.19百分点,1.24百分点和1.77百分点。

模糊模式识别在白细胞图像识别中的应用

运用计算机模式识别技术自动识别白细胞图像是模式识别在医学图像领域应用的一个重要研究课题。本文基于形态学驱动的白细胞图像语义特征通过用模式识别的方法来进行识别,主要应用模糊模式识别理论,对提取的细胞图特征来做白细胞图像模式的分类识别。