-
公开(公告)号:CN118645200A
公开(公告)日:2024-09-13
申请号:CN202411103221.1
申请日:2024-08-13
申请人: 南昌大学第一附属医院
IPC分类号: G16H20/00 , G16H50/20 , G16H10/60 , G06T7/00 , G06F18/25 , G06F18/2433 , G06V10/44 , G16B40/00
摘要: 本发明公开了一种基于人工智能建模的脊柱病因分析和风险预测方法,涉及医学人工智能技术领域,包括,构建数据融合平台,收集影像学、遗传学、生物标志物以及环境因素的多模态数据;针对影像学数据、遗传学数据、生物标志物数据以及环境因素数据进行分析,得到影像学特征向量、遗传学特征向量、生物特征向量以及环境特征向量;对四种特征进行融合得到整体特征,基于整体特征形成患者健康信息库;利用Q‑learning构建治疗路径推荐系统,从患者健康信息库中提取患者个体信息输入系统,输出最佳治疗方案;收集患者治疗效果数据,动态调整治疗策略;构建风险指标综合评估函数对实时数据进行分析,一旦检测到风险指标异常,立即启动预警机制并采取干预措施。
-
公开(公告)号:CN118644877A
公开(公告)日:2024-09-13
申请号:CN202410605009.9
申请日:2024-05-15
申请人: 南京航空航天大学
IPC分类号: G06V40/12 , G06V10/28 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
摘要: 本发明公开了一种基于深度学习和多特征融合的掌纹识别的方法,属于图像处理技术。该方法首先将采集的掌纹图像经过直方图均衡化,高斯低通滤波器滤波,Laplacian边缘检测,自适应阈值二值化,腐蚀操作和合并连通区等预处理操作后,提高掌纹主线提取与褶皱提取程度,增加掌纹识别的准确性。并在特征提取阶段使用Resnet网络与Gabor滤波器共同提取,最后将融合过后的特征输入进KNN进行识别,实现了掌纹识别的精准性与稳定性的显著提升。
-
公开(公告)号:CN118644841A
公开(公告)日:2024-09-13
申请号:CN202410646223.9
申请日:2024-05-23
申请人: 重庆科技大学
摘要: 本发明公开了一种基于改进YOLOv5神经网络的疲劳驾驶识别方法,该方法包括获取待识别的图像;利用训练好的疲劳驾驶识别模型,对待识别图像中的驾驶员疲劳状态进行识别,其中,疲劳驾驶识别模型包括人脸和关键点识别模块和疲劳状态识别模块,人脸和关键点识别模块采用改进的YOLOv5神经网络对人脸和脸部关键点进行检测;疲劳状态识别模块根据人脸和关键点识别模块确定的人脸关键点对驾驶员的疲劳状态进行识别,对YOLOv5神经网络的改进包括:利用DCN卷积模块替换YOLOv5神经网络中的CBS卷积模块;在YOLOv5神经网络的主干网络和颈部中引入TA注意力模块;采用Wingloss函数替换YOLOv5神经网络中边界框回归部分的损失函数。本发明的方法能够提高疲劳驾驶状态的识别准确率。
-
公开(公告)号:CN118644819A
公开(公告)日:2024-09-13
申请号:CN202411109946.1
申请日:2024-08-14
申请人: 摸鱼科技(大连)有限公司
IPC分类号: G06V20/52 , G06V20/40 , G06V40/16 , G06V10/44 , G06V10/54 , G06V10/75 , G06V10/74 , G16H50/30 , G16H80/00
摘要: 本申请涉及人脸匹配领域,具体涉及一种面向人脸护理的视频监控管理方法及系统,所述方法包括:获取患者人脸图像及各模板图像;计算患者人脸图像与各模板图像的偏差因子,并筛选各候选模板图像;获取患者人脸图像及候选模板图像的各层金字塔图像;通过金字塔模板图像的旋转角度范围、自适应旋转步长得到各金字塔旋转模板图像;根据金字塔搜索图像与同层各金字塔旋转模板图像的对应匹配块纹理特征矩阵间的相关性得到金字塔搜索图像的匹配图像,计算金字塔搜索图像与候选图像的匹配度,通过匹配度得到患者人脸图像的最终匹配图像。从而实现对患者人脸信息的准确匹配识别,提高患者状况预警的准确性。
-
公开(公告)号:CN118644790A
公开(公告)日:2024-09-13
申请号:CN202410802412.0
申请日:2024-06-20
申请人: 武汉大学
IPC分类号: G06V20/13 , G06V10/25 , G06V10/774 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/766 , G06N3/0464 , G06N3/08
摘要: 为了解决SAR图像由于其独特的机理和目标特性造成的与自然图像和光学遥感图像之间存在巨大的领域差距,解决相干斑现象引入的非线性统计特征难以拟合、目标存在边界不确定性等SAR图像舰船目标检测问题,通过引入统计特征学习模块、目标可变形轮廓检测模块和稀疏低秩筛选模块,可以有效提升深度学习网络对于SAR舰船目标的检测效率。本发明公开了一种基于多层次采样表征模型的SAR舰船目标检测方法和装置,采取引入统计特征学习模块和稀疏低秩筛选模块的方法,提高网络对SAR图像独特机理的表征能力。同时采取引入目标可变形轮廓检测模块的方法,提高对SAR遥感图像舰船目标特性适应能力。
-
公开(公告)号:CN118644776A
公开(公告)日:2024-09-13
申请号:CN202410705695.7
申请日:2024-05-31
申请人: 河南科技大学
IPC分类号: G06V20/10 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/096
摘要: 一种基于改进YOLOv8n的轻量级牡丹花花期检测方法,针对在自然环境中牡丹花与叶片的遮挡、颜色相似性及目标大小差异等挑战,以及算法在移动设备上的部署难题,通过对YOLOv8n模型进行改进,引入了Fasternet‑C主干网络以增强模型的特征提取和轻量化能力,并通过BIFPN结构提升对多尺度特征的提取和融合能力,尤其改善了对体积较小的未成熟牡丹花的检测效率,进一步采用Group‑Slim剪枝方法优化模型,使得模型体量大幅减小,改进后的模型具有准确度高、鲁棒性强,且计算复杂度低对部署设备要求低的特点,可部署于算力较低的移动设备,为牡丹花产业的自动化管理提供了有效的技术支持。
-
公开(公告)号:CN118644766A
公开(公告)日:2024-09-13
申请号:CN202410716007.7
申请日:2024-06-04
申请人: 河海大学
IPC分类号: G06V10/98 , G06V10/20 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明公开一种基于改进YOLOv7的输电线路小目标设备缺陷检测法、装置及存储介质,包括:获取待检测的输电线路图像;对输电线路图像进行预处理;将预处理后的图像输入预先训练的输电线路小目标设备缺陷检测模型,得到模型输出的分类结果;根据输电线路小目标设备缺陷检测模型分类结果输出含有缺陷标记的输电线路图像;其中,输电线路小目标设备缺陷检测模型采用改进的YOLOv7模型,其包括连接于特征提取网络与特征融合网络之间的CA注意力机制网络。本发明能够识别出图像中的输电线路小目标缺陷,解决了由于图像中背景复杂、目标过小以及目标重叠导致检测精度不够的问题,和人工巡检时效率低,速度慢的问题。能够满足电力系统输电线路实时检测的要求。
-
公开(公告)号:CN118644765A
公开(公告)日:2024-09-13
申请号:CN202411104260.3
申请日:2024-08-13
申请人: 南京信息工程大学
摘要: 本发明公开了图像识别领域的一种基于异构和长尾数据的联邦学习方法及系统,方法包括:客户端接收全局模型和重训练模型,以及获取异构和长尾数据集,并对全局模型进行本地训练,以及利用重训练模型计算真实特征的梯度;客户端将本地模型和真实特征的梯度发送到服务器端聚合,得到聚合后的全局模型和类C的聚合特征梯度;服务器端构建类C的虚拟特征,并计算虚拟特征梯度,通过比较两个特征梯度之间的差异,选择一个最优的虚拟特征梯度,并获得对应的最新虚拟特征;服务器端将聚合后的全局模型和最新的重训练模型发送至客户端,完成当前迭代轮次的训练;本发明能够解决因异构和长尾数据导致联邦学习准确率低问题,从而有效保护数据的隐私。
-
公开(公告)号:CN118644703A
公开(公告)日:2024-09-13
申请号:CN202410666858.5
申请日:2024-05-28
申请人: 东方沉香集团(海南)有限公司
IPC分类号: G06V10/764 , G06V10/42 , G06V10/44 , G06T5/70 , G06T7/11 , G06F16/36 , G06N3/0464 , G06N3/08 , G06Q10/0639
摘要: 本发明属于沉香检测与分级技术领域,尤其涉及基于深度学习的沉香微结构分析与分级系统,该系统首先通过数据采集模块处理沉香样本,获取其微结构内部图像及外部序列数据,其次,图像预处理模块对图像进行增强、去噪及分割标注,沉香检测与评估模块利用深度学习技术检测沉香内部结构并评分,同时评估外部品质,综合评估分级单元结合内外评分,利用动态分级阈值函数进行沉香品质分级,沉香信息推荐模块将分级结果利用文本算法生成文本分析报告并推荐对应的用户;本发明实现了沉香的自动化分析与分级,提高了沉香分级过程的智能性。
-
公开(公告)号:CN118644673A
公开(公告)日:2024-09-13
申请号:CN202410779438.8
申请日:2024-06-17
申请人: 广州大学
IPC分类号: G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06N3/048 , G06V10/764 , G06V10/28 , G06N3/047 , G06V10/74 , G06N3/09
摘要: 本发明提供了一种印刷电路板的孪生网络缺陷分割方法、装置、设备及介质,将UV缺陷图和CAM图进行预处理得到训练数据;构建孪生网络模型,包括对称且平行的N层孪生ResNet34网络和SFRM模块构成的编码器,以及N‑1个解码层构成的解码器;利用训练数据训练孪生网络模型,通过深度监督模块学习有效特征,得到训练好的孪生网络模型;将待测图像输入训练好的孪生网络模型中,获得印刷电路板的缺陷位置的二值预测图以解决忽略CAM图的有效语义信息导致的准确性和鲁棒性难以满足自动光学检测的缺陷分割工业要求的问题。
-
-
-
-
-
-
-
-
-