-
公开(公告)号：CN112241741A
公开(公告)日：2021-01-19
申请号：CN202010861642.6
申请日：2020-08-25
Applicant: 华中农业大学
Abstract: 本发明提供了基于分类对抗网络的自适应图像属性编辑模型，通过构建上卷机残差网络和在判别器中增加属性对抗分类器Atta‑cls，同时实现了准确的属性转换和生成高质量图像的功能；采用上卷积残差网Tr‑resnet构造解码器，选择性地提取属性特征和内容特征，解决了深层编码器‑解码器结构中跳跃连接的局限性问题，增强了目标图像的属性特征，生成了更加精确和高质量的图像，提高了模型的性能。受生成对抗网络思想的影响，属性对抗分类器Atta‑cls针对属性差异以对抗学习的方式了解转换图像的不足，并根据不足进行进一步优化。本发明还通过属性连续性损失函数使评估的属性标签逼近源标签，保证了生成图像的属性连续性。
-
Patent Agency Ranking
公开(公告)号：CN112760327A
公开(公告)日：2021-05-07
申请号：CN202110211287.2
申请日：2021-02-25
Applicant: 华中农业大学
Abstract: 本发明公开了一种柿原花青素前体跨膜转运基因DkMATE5及其应用，属于植物基因工程技术领域，本发明通过转录组数据库首次筛选获得DkMATE4和DkMATE5基因，并发现DkMATE5蛋白具有原花青素转运功能。通过大肠杆菌体内互补实验分析进一步证明了DkMATE5基因促进柿原花青素前体儿茶素、表儿茶素以及表儿茶素没食子酸的偏好性跨膜转运。该发明为不同脱涩类型柿品种原花青素成分和含量差异的解析以及甜柿遗传改良提供了科学依据和新的基因资源。
-
公开(公告)号：CN101788563B
公开(公告)日：2013-03-06
申请号：CN201010104575.X
申请日：2010-02-03
Applicant: 华中农业大学
IPC: G01N33/577 , G01N33/543 , G01N33/535 , G01N21/78 , G01N1/28
Abstract: 本发明属于农业微生物基因工程和动物传染病领域。涉及一种梅花鹿γ-干扰素双夹心ELISA检测方法及试剂盒与应用。获得一株能稳定分泌梅花鹿γ-干扰素单克隆抗体的细胞株CerIFN-γ4C，其保藏号为CCTCC NO：C200966。本发明还建立了梅花鹿γ-干扰素双夹心ELISA检测方法，核心是，构建梅花鹿γ-干扰素的单克隆抗体，制备梅花鹿γ-干扰素多克隆抗体等。本发明的试剂盒包含梅花鹿γ-干扰素的单克隆抗体，梅花鹿γ-干扰素的多克隆抗体，牛结核特异性三基因融合抗原蛋白RCE及其他试剂。本发明还公开了所述检测方法和试剂盒的应用。本发明特异性强、灵敏度高、操作简便和诊断快速。
-
公开(公告)号：CN101788563A
公开(公告)日：2010-07-28
申请号：CN201010104575.X
申请日：2010-02-03
Applicant: 华中农业大学
IPC: G01N33/577 , G01N33/543 , G01N33/535 , G01N21/78 , G01N1/28
Abstract: 本发明属于农业微生物基因工程和动物传染病领域。涉及一种梅花鹿γ-干扰素双夹心ELISA检测方法及试剂盒与应用。获得一株能稳定分泌梅花鹿γ-干扰素单克隆抗体的细胞株CerIFN-γ4C，其保藏号为CCTCC NO：C200966。本发明还建立了梅花鹿γ-干扰素双夹心ELISA检测方法，核心是，构建梅花鹿γ-干扰素的单克隆抗体，制备梅花鹿γ-干扰素多克隆抗体等。本发明的试剂盒包含梅花鹿γ-干扰素的单克隆抗体，梅花鹿γ-干扰素的多克隆抗体，牛结核特异性三基因融合抗原蛋白RCE及其他试剂。本发明还公开了所述检测方法和试剂盒的应用。本发明特异性强、灵敏度高、操作简便和诊断快速。
-
公开(公告)号：CN112760327B
公开(公告)日：2022-02-11
申请号：CN202110211287.2
申请日：2021-02-25
Applicant: 华中农业大学
Abstract: 本发明公开了一种柿原花青素前体跨膜转运基因DkMATE5及其应用，属于植物基因工程技术领域，本发明通过转录组数据库首次筛选获得DkMATE4和DkMATE5基因，并发现DkMATE5蛋白具有原花青素转运功能。通过大肠杆菌体内互补实验分析进一步证明了DkMATE5基因促进柿原花青素前体儿茶素、表儿茶素以及表儿茶素没食子酸的偏好性跨膜转运。该发明为不同脱涩类型柿品种原花青素成分和含量差异的解析以及甜柿遗传改良提供了科学依据和新的基因资源。
-
公开(公告)号：CN112001404A
公开(公告)日：2020-11-27
申请号：CN202010861661.9
申请日：2020-08-25
Applicant: 华中农业大学
Abstract: 本发明提供了一种自适应全局和局部双层优化的图像生成模型GL-GAN和自适应全局和局部优化方法Ada-OP，通过将局部双层优化模型与传统的全局优化模型相结合，根据模型判别器输出的特征图，得到图像中各区域的质量测度，通过精确捕获、优化样本中的低质量区域，将特征图中的局部信息作为自适应全局和局部双层优化的基础，以局部双层优化模型指导生成器优化，使生成器在生成对抗网络GAN的最大最小博弈的基础上同时关注图像的全局区域和局部区域，对图像的整体和局部进行协调优化，实现了在高计算效率的同时生成高质量图像的功能。
-
-
-
-
-
Search Results
6
records
(took 0.022 seconds)
