基于关系挖掘的异构图嵌入方法及系统

    公开(公告)号:CN117807275B

    公开(公告)日:2024-09-27

    申请号:CN202311856289.2

    申请日:2023-12-29

    Applicant: 江南大学

    Abstract: 本发明涉及图数据挖掘技术领域,具体涉及基于关系挖掘的异构图嵌入方法及系统,包括:提取异构图中所有节点的特征向量;基于所有节点的特征向量,学习节点之间的相似度,补全异构图中隐藏的关系,生成关系邻接矩阵;基于所述关系邻接矩阵,计算邻居节点对目标节点的注意力权重,将加权后的邻居节点信息聚合到邻居节点中,得到更新后的邻居节点特征向量;计算节点之间的关系强度,根据所述关系强度将所述更新后的邻居节点特征向量包含的信息聚合到对应的目标节点中,得到最终的节点嵌入值。本发明解决了现有方法过于依赖元路径的先验知识,在节点关系语义聚合时未考虑元路径中间节点的信息的问题,有效利用异构图的拓扑信息,增强了节点之间的联系。

    基于特征增强与注意力融合的视网膜血管分割系统及方法

    公开(公告)号:CN118297954A

    公开(公告)日:2024-07-05

    申请号:CN202410220022.2

    申请日:2024-02-28

    Applicant: 江南大学

    Abstract: 本发明属于医学图像分割技术领域,具体涉及一种基于特征增强与注意力融合的视网膜血管分割系统及方法,该系统包括:训练数据集获取模块,用于获取视网膜血管图像数据集,并对所述数据集进行预处理和数据扩充,得到扩充后的数据集,将所述扩充后的数据集划分为训练集和验证集;模型训练模块,用于将所述训练集输入到基于U‑Net网络改进的WFA‑Net模型进行迭代训练,得到权重参数;分割结果输出模块,用于将所述权重参数加载到所述WFA‑Net模型中,针对待分割的视网膜血管图像,运行所述WFA‑Net模型得到分割结果。本发明弥补了原始卷积关键信息提取的不足,解决了之前通过跨层方式将编码器中浅层的低级特征与解码器中的高级特征直接连接造成的信息丢失和模糊的问题。

    一种基于深度学习的多标签桥梁表面缺陷检测方法及系统

    公开(公告)号:CN117408947A

    公开(公告)日:2024-01-16

    申请号:CN202311175892.4

    申请日:2023-09-13

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于深度学习的多标签桥梁表面缺陷检测方法及系统包括,获取若干钢筋混凝土桥梁的表面图像数据,构建图像数据集;采用离线数据增强方法对所述数据集进行处理,增加图片数量;修改YOLOv5模型构建BDYOLO模型并通过所述BDYOLO模型对处理过的数据集进行训练;本发明采用图像数据集进行增强操作去除了一些背景图像增加了缺陷图像的数量,使得各种标签的分布更加均衡;设计多标签softmax替换原有分类损失函数可以避免由于多标签问题造成不必要的损失,让梯度集中在更有价值的基础上加快了模型的收敛速度和精度;将ACmix嵌入到YOLOv5模型中,取代第四个CBS模块;兼顾了全局和局部特征,从而提高了网络在复杂场景下对桥梁缺陷的检测性能。

    一种基于YOLOv5的小目标反光衣识别检测方法

    公开(公告)号:CN116245732A

    公开(公告)日:2023-06-09

    申请号:CN202310232217.4

    申请日:2023-03-13

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于YOLOv5的小目标反光衣识别检测方法,其包括,在三层像素特征图上增加目标检测层拓展特征映射,采用双线性插值方法对所述三层像素特征图进行处理;增加SE注意力网络对像素特征图进行处理;以及,更新损失函数,加快模型收敛速度。本发明增加一个小的目标检测层,以提高系统识别远处工人是否穿着反光服装的能力;通过添加SE‑Net,使用权重来表示不同渠道的重要性;引入损失函数EIoU,增加了宽度和高度的损失,使目标盒和锚盒的宽度和高度差最小。

    基于3Dtransformer混合卷积神经网络的胰腺CT图像分割方法

    公开(公告)号:CN114742802B

    公开(公告)日:2023-04-18

    申请号:CN202210411370.9

    申请日:2022-04-19

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于3Dtransformer混合卷积神经网络的胰腺CT图像分割方法,包括:采集胰腺CT图像数据集并进行数据预处理;利用步进卷积进行下采样,利用3Dtransformer进行特征提取,利用反卷积上采样进行解码,以建立3Dtransformer混合卷积神经网络;将预处理后的数据输入所述3Dtransformer混合卷积神经网络,输出分割结果;本发明结合卷积神经网络局部表征能力与Transformer的全局建模能力来提取融合胰腺各级特征;提出一种适用胰腺和网络的损失函数,改善了针对胰腺类别不平衡以及纹理信息大不相同带来的学习难易程度存在差异等问题;采用多视角跳跃连接及特征融合模块弥补了医学图像U型架构上下采样的信息损失问题。

    一种基于知识图谱的数字博物馆系统

    公开(公告)号:CN114756697A

    公开(公告)日:2022-07-15

    申请号:CN202210429484.6

    申请日:2022-04-22

    Applicant: 江南大学

    Abstract: 本发明特别涉及一种基于知识图谱的数字博物馆系统,数字博物馆系统包括数据层、应用层和交互层共三个层级,数据层包括服务器,服务器内设置有第一数据库和第二数据库,第一数据库内存储有知识图谱数据,第二数据库根据数字博物馆系统的其他层级的应用功能存储对应的数据信息;应用层包括数据搜索模块、数据分选模块和功能模块,数据搜索模块用于构建和扩充第一数据库,数据分选模块用于将数据搜索模块获取和转换的数据分选至第二数据库,功能模块用于实现交互层的应用功能,功能模块包括语义算法部分和链接算法部分;交互层包括网页、软件应用和多媒体终端,网页和软件应用通过多媒体终端展示,多媒体终端包括移动智能设备和博物馆专用展示设备。

    一种基于频率注意网络的胸肺部疾病诊断方法

    公开(公告)号:CN113643261A

    公开(公告)日:2021-11-12

    申请号:CN202110930377.7

    申请日:2021-08-13

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于频率注意网络的胸肺部疾病诊断方法,包括,利用离散余弦变换将胸部X光片由空间域转换到频率域,将相同频率的离散余弦变换系数组合为矩阵,获得所述胸部X光片的不同频率标记;去除所述胸部X光片中的高频离散余弦变换系数矩阵以减少噪声对诊断结果的影响;将三个经过选择的不同频率的所述离散余弦变换系数矩阵分别输入设计了注意力模块的分支;融合每个频率提取出的特征后得出胸部疾病的诊断结果。本发明使用DCT变换获得胸部X片在不同频率的表示,以获取多尺度的特征,借助注意力模块可以有效地提取胸肺部疾病特征,并有效提升胸肺部疾病的诊断性能。

    一种面向数据报文转发的高逼真链路仿真方法

    公开(公告)号:CN108234187B

    公开(公告)日:2020-10-30

    申请号:CN201611197620.4

    申请日:2016-12-22

    Applicant: 江南大学

    Abstract: 本发明提供一种面向数据报文转发的高逼真链路仿真方法,基于开放云平台实现,应用于网络仿真平台。上述方法包含以下步骤:搭建OpenStack云平台;构建链路仿真接口程序;根据虚拟网络节点是否在同一计算节点上,分别构建宿主机内和跨宿主机间的链路仿真;针对宿主机内的链路延时仿真,调用系统内核模块仿真链路延时;针对跨宿主机间的链路延时仿真,差分补偿数据报文在物理链路中的传播延时;根据虚拟化技术是否有带宽限制策略,调用带宽限制接口或添加虚拟网卡队列来配置链路带宽;调用系统内核模块仿真链路丢包率。本发明能够在虚拟网络中构建灵活、透明、逼真的虚拟链路,支持链路性能参数的快速配置与自动化部署。

Patent Agency Ranking