-
公开(公告)号：CN119580356A
公开(公告)日：2025-03-07
申请号：CN202411739400.4
申请日：2024-11-29
Applicant: 电子科技大学
IPC: G06V40/20 , G06V10/82 , G06V10/74 , G06V10/764 , G06V10/426 , G06V10/44 , G06V10/62 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明提供了一种人体行为识别方法及系统，属于行为识别领域。该方法包括对人体运动视频进行预处理，提取关键骨架节点的位置坐标和运动信息；利用解耦动态共现图卷积获取不同顶点之间的静态特定相似性和动态特定相似性；利用上下文感知模块得到感知特征图；利用分层密集连接的时间卷积获取密集的知识聚合图；将知识聚合图进行展平处理，得到人体行为的识别结果。本发明解决了现有方法对长距离时空依赖关系和复杂动作特征的表征能力不足的问题。
-
公开(公告)号：CN115457020B
公开(公告)日：2023-12-26
申请号：CN202211201681.9
申请日：2022-09-29
Applicant: 电子科技大学
IPC: G06T7/00 , G06T7/33 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种融合残差图像信息的2D医学图像配准方法，涉及医学图像技术领域，包括：构建医学图像配准模型；模型训练；模型在图像配准的应用。本发明在计算MSE相似度时引入残差图像，有效融合局部像素信息，解决了像素失位和变形折叠的问题；基于卷积神经网络的局部性和Vision Transformer中多头注意力机制的全局性，设计了一个基础地配准网络，并在该基础配准网络中创新性地使用了融合残差图像信息的跳跃连接，解决了MSE仅对像素值计算，无法准确找到像素之间特征匹配的问题，并有效提高了配准模型的泛化性能；提出了多分辨率渐进配准策略，提高了配准的准确性，在变形过程中增强了拓扑保持性。
-
公开(公告)号：CN112507065A
公开(公告)日：2021-03-16
申请号：CN202011296561.2
申请日：2020-11-18
Applicant: 电子科技大学
IPC: G06F16/33 , G06F16/338 , G06F40/126 , G06K9/62 , G06N3/08
Abstract: 本发明涉及一种基于注释语义信息的代码搜索方法，所述搜索方法包括从收集的代码仓库中得到存储为“自然语言描述，函数代码”形式的代码样本，对代码样本进行数据处理后通过神经网络模型编码器进行编码，并对神经网络模型进行训练；通过神经网络模型编码器将代码仓库中的所有代码函数和用户的输入转化为向量形式并构建代码向量仓库，计算代码向量仓库中与用户输入转化后的向量最接近的多个代码向量，并返回对应的代码作为检索结果。本发明的优点在于：使用代码内部本身带有的注释信息作为自然语言标注，减少的需要人工标注这一工作量，可以实现大规模的数据生成。其次采用了Transformer神经网络等进行语义特征提取，解决了传统的关键词匹配需要一一对应的缺点。
-
公开(公告)号：CN108961334B
公开(公告)日：2020-05-08
申请号：CN201810668831.4
申请日：2018-06-26
Applicant: 电子科技大学
Abstract: 本发明涉及图像处理领域，目的是针对现有配准方法准确率低、现有视网膜血管壁厚度测量方法准确率低的问题，公开了一种基于图像配准的视网膜血管壁厚度测量方法；提出了一种新的眼底多模态图像配准方法及一种新的视网膜血管壁平均厚度、单个血管壁厚度测量方法；方法包括：获取眼底彩色图像及眼底荧光造影图像；分别对两种图像进行预处理、血管分割、血管去噪、血管骨骼化提取、角点检测、特征点生成；依据角点特征进行配准；对配准后的图片进行视盘标注；测量血管壁厚度。本发明可用于临床眼科图像分析及结果成像，致力于辅助医生进行判断，节约医生时间。
-
公开(公告)号：CN108764286A
公开(公告)日：2018-11-06
申请号：CN201810372015.9
申请日：2018-04-24
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6267 , G06K2209/05
Abstract: 本发明公开了一种基于迁移学习的血管图像中特征点的分类识别方法，包括血管图像模拟训练和血管图像类型识别两部分；在血管图像模拟训练中通过制作特征点数据集，并利用特征点数据集对深度学习模型进行训练，获得基于迁移学习的血管图像中特征点的分类模型，在血管图像类型识别中提取血管图像的特征点，将提取的特征点输入到血管图像模拟训练中得到的基于迁移学习的血管图像中特征点的分类模型，获得血管图像中特征点的类型。本发明利用分类模型能准确快速的识别血管图像中特征点是分叉点还是交叉点，解决了现有方法存在的步骤繁杂、准确性和效率低的问题，对临床医学有莫大的帮助作用。
-
Patent Agency Ranking
公开(公告)号：CN103886053A
公开(公告)日：2014-06-25
申请号：CN201410093764.X
申请日：2014-03-13
Applicant: 电子科技大学
CPC classification number: G06F17/3061 , G06F17/277 , G06F17/30731
Abstract: 本发明的提出了一种基于短文本评论的知识库的构建方法。本发明属于自然语言处理领域。目的是为短文本分析提供相关世界知识，克服现有的短文本分析的不足。实现短文本分析统计分析和语法规则的高度结合。通过构建相关评论的知识库，获得相关评论领域的相关特征词，特征词搭配，评价词及评分，程度副词及评分。通过构建相关评论的知识库可以短文本分析中利用评论知识库进行舆情分析，情感分析，信息抽取，提高相关工作的准确率和效率。
-
公开(公告)号：CN103886051A
公开(公告)日：2014-06-25
申请号：CN201410093275.4
申请日：2014-03-13
Applicant: 电子科技大学
CPC classification number: G06F17/30734 , G06F17/2705
Abstract: 本发明的提出了一种基于实体及特征的评论分析方法。本发明属于自然语言处理领域。目的是进行评论文本分析。通过利用自然语言处理相关手段，对评论文本进行处理，得到评论文本的实体树及相关实体的特征。进一步利用评论文本的实体及特征对文本进行信息提取。对于舆情分析，关系提取，倾向性分析等等其他评论分析工作有着推动作用。
-
公开(公告)号：CN118282707A
公开(公告)日：2024-07-02
申请号：CN202410184475.4
申请日：2024-02-19
Applicant: 电子科技大学
IPC: H04L9/40
Abstract: 本发明公开了一种基于增量训练的入侵检测方法，涉及网络安全技术领域，包括：提取目标网络流量数据的关键特征数据；利用最近更新过的集成式孤立森林检测模型对关键特征数据进行二分类检测，得到目标异常流量数据和目标正常流量数据；利用最近更新过的自适应随机森林模型对目标异常流量数据进行多分类检测，给目标异常流量数据贴上标签，注明其攻击类型；根据目标正常流量数据和历史网络流量数据构造第一增量训练数据集，对集成式孤立森林检测模型进行渐进式增量更新，根据目标异常流量数据构造第二增量训练数据集，更新自适应随机森林模型。本发明提升了入侵检测系统的综合检测能力。
-
公开(公告)号：CN118015018A
公开(公告)日：2024-05-10
申请号：CN202410184484.3
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06T7/11 , G06V10/80 , G06V10/82 , G06V10/26 , G06N3/0464
Abstract: 本发明公开了一种面向心脏超声图像的轻量级分割算法，涉及图像处理技术领域，其采用训练好的轻量级分割算法模型对心脏超声图像进行分割，包括：采用有序结合通道剪枝与权重转换共享的特征提取网络MobileViT对预处理后的心脏超声图像进行特征提取，得到四个有效特征层；根据第四有效特征层，基于轻量化的可分离空间金字塔特征提取网络得到有效压缩特征层；对第一、二、三有效特征层和有效压缩特征层进行特征融合，之后利用1x1卷积调整通道数，再经过4倍上采样得到最终的预测结果。本发明在模型的轻量化上实现显著效果，设计了多尺度特征融合的方法找到更丰富的特征信息以增强模型的鲁棒性，在具有高分割精度的情况下提高了图像分割效率。
-
公开(公告)号：CN116687329A
公开(公告)日：2023-09-05
申请号：CN202310818071.1
申请日：2023-07-05
Applicant: 电子科技大学
IPC: A61B1/273 , A61B1/04 , A61B1/00 , G06V20/40 , G06V20/52 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0499
Abstract: 本发明公开了一种基于深度学习的胃镜体内停留时间检测方法，涉及胃镜检测技术领域，包括：获取体内体外环境二分类的数据集；构建基于Vision Transformer的二分类网络；采用体内体外环境二分类的数据集训练基于Vision Transformer的二分类网络；对于待检测胃镜体内停留时间的完整胃镜视频帧序列，每间隔一定数量抽取一帧作为代表帧，将所有代表帧送入训练好的基于Vision Transformer的二分类网络进行分类，搜索最后一组由体外到体内的体内帧序列号Id_a，以及最后一组由体内到体外的体内帧序列号Id_b；计算胃镜体内停留时间。本发明自动化处理水平高，整个过程无需额外的人工处理，可以极大地降低工作量并提升时间效率，能够避免传统方法中人为回顾性观察不仔细导致的漏看、错看问题。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.026 seconds)
