-
公开(公告)号：CN118097719B
公开(公告)日：2024-07-23
申请号：CN202410461148.9
申请日：2024-04-17
Applicant: 华南理工大学
IPC: G06V40/10 , G06N3/0464 , G06N3/084 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明系一种考虑全局和局部特征的舌像分类方法，方法包括提取舌像的全局空间特征，为全局空间特征嵌入类别标签，得到全局标签嵌入；根据全局标签嵌入中的类注意力权重生成局部视图；提取局部视图中的局部空间特征，为局部空间特征嵌入类别标签，得到局部标签嵌入；以及根据全局标签嵌入和局部标签嵌入对舌像进行分类。本发明可以更好的提取舌头图像中的细粒度特征，增强学习到的特征表示的独特性和区分性，从而提升模型的细粒度分类能力，提高舌头图像分类的准确性。
-
公开(公告)号：CN116563918B
公开(公告)日：2024-06-25
申请号：CN202310502346.0
申请日：2023-05-06
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H30/20
Abstract: 本发明公开了一种基于非平衡加权Cycle_MLP网络的体质识别方法和系统，通过获取面部图像以及对应的体质类别标签，并针对每种体质类别下的面部图像构建五官特征的认知信息语义；构建Cycle_MLP网络，利用面部图像、认知信息语义以及对应的体质类别，以基于欧式空间和双曲空间的非平衡加权交叉熵为损失函数，对所述Cycle_MLP网络进行训练；利用训练好的所述Cycle_MLP网络，进行体质识别。本发明公开的体质识别方法在标签数据有限的情况下，实现体质的准确识别；并引入双曲空间交叉熵损失函数构建非平衡分类平均二元交叉熵损失函数的理念，以充分考虑标签数据分布不均的问题。
-
公开(公告)号：CN118097719A
公开(公告)日：2024-05-28
申请号：CN202410461148.9
申请日：2024-04-17
Applicant: 华南理工大学
IPC: G06V40/10 , G06N3/0464 , G06N3/084 , G06T7/00 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明系一种考虑全局和局部特征的舌像分类方法，方法包括提取舌像的全局空间特征，为全局空间特征嵌入类别标签，得到全局标签嵌入；根据全局标签嵌入中的类注意力权重生成局部视图；提取局部视图中的局部空间特征，为局部空间特征嵌入类别标签，得到局部标签嵌入；以及根据全局标签嵌入和局部标签嵌入对舌像进行分类。本发明可以更好的提取舌头图像中的细粒度特征，增强学习到的特征表示的独特性和区分性，从而提升模型的细粒度分类能力，提高舌头图像分类的准确性。
-
公开(公告)号：CN117238019A
公开(公告)日：2023-12-15
申请号：CN202311250870.X
申请日：2023-09-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于时空相对变换的视频人脸表情类别识别方法和系统，方法包括提取视频中每帧图像的局部空间特征；基于欧氏距离对每个局部空间特征进行空间相对变换，对所得空间相对变换特征进行加权融合以及聚合学习，得到每帧图像空间特征；基于欧氏距离和双曲距离对每帧图像空间特征进行时序相对变换，对所得时序相对变换特征进行加权融合以及聚合学习，得到视频的时空情绪特征；根据视频的时空情绪特征识别人脸表情类别。本发明可以更好的提取人脸表情视频的空间和时序特征，从而将空间和时序几何信息编码到时间和空间特征中，从而促进更有效的时空特征学习。
-
公开(公告)号：CN116844687A
公开(公告)日：2023-10-03
申请号：CN202310589649.0
申请日：2023-05-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于舌像和知识图谱的处方推荐方法及系统，该方法包括：构建舌像处方数据集，划分舌像处方训练集和测试集并进行预处理；构建中医舌诊知识图谱，并进行知识表示学习；构建神经网络模型；所述神经网络模型包括：舌像特征模块、处方特征模块和处方推荐模块，利用舌像处方训练集和所述中医舌诊知识图谱，对所述神经网络模型进行迭代训练，并利用舌像处方测试集进行测试，获得优神经网络模型；采用所述最优神经网络模型，对采集待处理的舌像进行识别，获得对应的推荐处方。该方法可实现依据患者舌像推荐中医处方的辅助诊疗功能。基于该方法开发为软件程序，也无需依赖特定医疗器材，具有一定的推广价值。
-
Patent Agency Ranking
公开(公告)号：CN111222339B
公开(公告)日：2023-05-23
申请号：CN202010031774.6
申请日：2020-01-13
Applicant: 华南理工大学
IPC: G06F40/295
Abstract: 本发明公开了一种基于对抗多任务学习的医疗咨询命名实体识别方法。所述方法包括以下步骤：采集医疗咨询数据，对医疗咨询数据进行预处理，并对其中一部分数据进行实体的标注，得到有标注的医疗咨询数据；构建双向语言模型和掩码语言模型，利用无标注的医疗咨询数据，分别预训练双向语言模型和掩码语言模型；将双向语言模型和掩码语言模型的预训练特征引入到命名实体识别模型；对命名实体识别模型进行对抗多任务训练，得到训练好的命名实体识别模型；输入一段文本到训练好的命名实体识别模型的目标标注模型中，实现文本命名实体识别。本发明引入了迁移学习、对抗学习、多任务学习等技术，有效地提高了医疗咨询文本命名实体识别的效果。
-
公开(公告)号：CN112652373B
公开(公告)日：2022-10-25
申请号：CN202011433472.8
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于舌头图像检索的处方推荐方法，包括以下步骤：S1、服务端分析数据库的处方信息，对处方进行向量化表示；S2、依据处方的向量表示，训练获得舌头图片的特征提取器；S3、使用特征提取器，预提取数据库各舌头图片的特征向量；S4、客户端提交待查询的舌头图片；S5、服务端使用特征提取器，提取查询舌头图片的特征向量；S6、服务端使用相似度计算模块，计算查询舌头图片与数据库各舌头图片的特征相似度；S7、服务端使用处方推荐模块，依据S6计算得到的特征相似度进行排序，将相似度较高的K张舌头图片对应的处方返回给客户端。本发明将深度学习与处方推荐相结合，首次实现了基于舌头图片的处方推荐方法。
-
公开(公告)号：CN110664373B
公开(公告)日：2022-04-22
申请号：CN201910928674.0
申请日：2019-09-28
Applicant: 华南理工大学
IPC: A61B5/00
Abstract: 本发明公开了一种基于零样本学习的舌苔体质识别方法，包括以下步骤：S1、输入舌头图像；S2、采用深度神经网络提取舌头图像的图像特征；S3、将舌头图像的图像特征转化为图像语义向量；S4、计算图像语义向量与每个体质类型对应的属性语义向量之间的相似度；S5、输出最大相似度对应的体质类型作为所述输入舌头图像的体质类型。本发明将中医理论与端对端的深度学习结合起来，提高了舌头体质识别的准确率，能够让计算机程序稳定迅速地识别出舌头图像所对应的体质类型。
-
公开(公告)号：CN112652373A
公开(公告)日：2021-04-13
申请号：CN202011433472.8
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于舌头图像检索的处方推荐方法，包括以下步骤：S1、服务端分析数据库的处方信息，对处方进行向量化表示；S2、依据处方的向量表示，训练获得舌头图片的特征提取器；S3、使用特征提取器，预提取数据库各舌头图片的特征向量；S4、客户端提交待查询的舌头图片；S5、服务端使用特征提取器，提取查询舌头图片的特征向量；S6、服务端使用相似度计算模块，计算查询舌头图片与数据库各舌头图片的特征相似度；S7、服务端使用处方推荐模块，依据S6计算得到的特征相似度进行排序，将相似度较高的K张舌头图片对应的处方返回给客户端。本发明将深度学习与处方推荐相结合，首次实现了基于舌头图片的处方推荐方法。
-
公开(公告)号：CN107391906B
公开(公告)日：2020-04-28
申请号：CN201710463725.8
申请日：2017-06-19
Applicant: 华南理工大学
IPC: G16H20/60 , G16H70/00 , G06F40/295 , G06F16/33 , G06F16/36 , G06F16/901 , G06N3/04
Abstract: 本发明公开了一种基于神经网络和图谱结构的健康饮食知识网络构建方法，包括：对文本语料进行词向量建模，使文本语料中每个非停用词都对应一个固定长度的词向量；使用两个词向量之间的余弦相似度来衡量两个词向量所对应实体之间的关联程度；抽取食材和病症实体节点，将这两种实体节点视为拓扑结构中的实体节点，并构建实体节点之间的边关系，形成图谱结构，使实体节点之间的边关系都被一组表征词所描述；将每个表征词对应的向量表示进行排列，得到实体节点之间边关系的表征矩阵；设计基于深度神经网络的分类框架，输入表征矩阵，并对实体节点之间边关系的极性进行分类。本发明有效解决了传统健康饮食知识库自动化程度不高，领域限制明显等问题。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.027 seconds)
