-
公开(公告)号：CN116879197A
公开(公告)日：2023-10-13
申请号：CN202310770118.1
申请日：2023-06-28
摘要： 本发明涉及一种含亚硫酸根的溶液中的氨含量检测方法，属于物质检测技术领域。本发明的含亚硫酸根的溶液中的氨含量检测方法，包括以下步骤：(1)向待测含亚硫酸根的氨溶液中加入过一硫酸氢钾与亚硫酸根反应，得待测液；(2)采用靛酚蓝分光光度法测定步骤(1)所得待测液中的氨含量，即得含亚硫酸根的溶液中的氨含量。本发明先加入氧化剂过一硫酸氢钾溶液作为前处理试剂，与亚硫酸根反应，消除亚硫酸根，同时不会产生影响氨含量测定的干扰因素。本发明测试方法得到的氨浓度标准曲线，拟合曲线的R2已达到0.999，这表明氨信号强度和标准溶液的浓度具有良好的线性关系，进一步表明本发明氨含量检测方法具有良好的检测可靠性和准确性。
-
公开(公告)号：CN114022754A
公开(公告)日：2022-02-08
申请号：CN202111365133.5
申请日：2021-11-17
申请人： 中山大学
IPC分类号： G06V20/00 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/08
摘要： 本发明公开了一种结合对比学习的少样本图像识别方法，涉及机器学习技术领域，用的技术方案如下：一种结合对比学习的少样本图像识别方法，包括以下步骤：S1.给定标注的数据集和未标注的数据集，将所述标注的数据集按类别划分为基础类数据集和少样本类数据集；S2.通过所述的未标注的数据集和基础类数据集训练MOCO模型，得到受预训练的MOCO模型；S3.通过对比学习框架对所述受预训练的MOCO模型进行进一步微调训练；S4.通过所述MOCO模型对所述的少样本类数据集中的目标进行分类识别，解决了现有技术对少样本数据识别效果差，预处理工作成本过高等问题，提出提供了一种结合对比学习的少样本图像识别方法，其具有简单实用，精度高，成本低的特点。
-
公开(公告)号：CN112396000B
公开(公告)日：2023-09-05
申请号：CN202011307818.X
申请日：2020-11-19
申请人： 中山大学
IPC分类号： G06V20/52 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种多模态密集预测的深度信息传输模型的构建方法，该方法首先，构建多个子网络是用于RGB图或热图表征学习，再构建一个子网络用于为模式共享；然后，构建一个信息聚集‑分布模块IADM，用于完成平移不变的信息提取以及信息聚合传输、信息分布传输。本发明通过学习多模态对齐表示，建立一个包含信息聚合分布模块的多模态密集预测框架，能够充分捕捉不同模态之间的互补信息，很好的完成信息整合。在各种多模态密度预测任务中，该方案显示出了有效性和通用性。
-
公开(公告)号：CN112396000A
公开(公告)日：2021-02-23
申请号：CN202011307818.X
申请日：2020-11-19
申请人： 中山大学
摘要： 本发明提供一种多模态密集预测的深度信息传输模型的构建方法，该方法首先，构建多个子网络是用于RGB图或热图表征学习，再构建一个子网络用于为模式共享；然后，构建一个信息聚集‑分布模块IADM，用于完成平移不变的信息提取以及信息聚合传输、信息分布传输。本发明通过学习多模态对齐表示，建立一个包含信息聚合分布模块的多模态密集预测框架，能够充分捕捉不同模态之间的互补信息，很好的完成信息整合。在各种多模态密度预测任务中，该方案显示出了有效性和通用性。
-
-
-
搜索结果
4 条记录 (耗时 0.032 秒)
