-
公开(公告)号：CN117253044B
公开(公告)日：2024-05-24
申请号：CN202311334268.4
申请日：2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域，具体提供了一种基于半监督交互学习的农田遥感图像分割方法，本发明设计了一种半监督交互学习的农田遥感图像分割方法，首先通过交互学习，CNN和Transformer相互协作，通过对无标签数据进行自监督训练，相互传递像素局部特征和全局特征，减少标注数据的需求，同时有效避免了现有两类方法可能存在的缺点；其次在CNN中引入方向性对比损失函数，通过对有标签数据进行全监督训练，保证图片中具有相同身份特征在不同场景下的一致性，进而提升模型泛化能力和鲁棒性。
-
公开(公告)号：CN117557787B
公开(公告)日：2024-04-05
申请号：CN202410043522.3
申请日：2024-01-11
Applicant: 安徽农业大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/776 , G06N3/0464
Abstract: 本发明适用于目标检测领域，具体是一种基于改进yolov8的轻量化多环境番茄检测方法，包括：利用引入SimAM注意力机制的yolov8模型主干网络提取数据集图像的特征信息；采用轻量化检测结构Slim‑Neck改进yolov8模型中的neck检测模块，设置新的损失函数SIou，构建基于改进yolov8的目标检测模型；将划分的训练集放入改进的目标检测模型进行训练，得到改进模型，基于模型参数指标，对模型的每个模块进行消融实验，并与Faster‑RCNN、yolov8和yolov5模型进行对比实验，得到最终的番茄检测模型。本发明实现模型的轻量化，在保证了yolov8原本的检测速率的基础上，提高模型的泛化能力和多元环境下番茄检测的精度。
-
公开(公告)号：CN117253044A
公开(公告)日：2023-12-19
申请号：CN202311334268.4
申请日：2023-10-16
Applicant: 安徽农业大学
IPC: G06V10/26 , G06V20/10 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明适用于农业影像分析技术领域，具体提供了一种基于半监督交互学习的农田遥感图像分割方法，本发明设计了一种半监督交互学习的农田遥感图像分割方法，首先通过交互学习，CNN和Transformer相互协作，通过对无标签数据进行自监督训练，相互传递像素局部特征和全局特征，减少标注数据的需求，同时有效避免了现有两类方法可能存在的缺点；其次在CNN中引入方向性对比损失函数，通过对有标签数据进行全监督训练，保证图片中具有相同身份特征在不同场景下的一致性，进而提升模型泛化能力和鲁棒性。
-
公开(公告)号：CN119028431B
公开(公告)日：2024-12-31
申请号：CN202411514743.0
申请日：2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域，具体是一种基于深度学习和长读测序的SNP和INDEL检测方法，包括：对待检测数据进行第一预处理，生成第一叠加图像，将第一叠加图像作为SNP检测模型的输入，输出得到SNP的VCF文件；对待检测数据进行第二预处理，生成第二叠加图像，将第二叠加图像作为INDEL检测模型的输入，输出得到INDEL的VCF文件；利用基于R语言的VcfR数据处理工具，对所得到的VCF文件中的数据进行变异检测和处理，得到基因组上的变异检测结果；使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术，能够解决传统方法在灵活性与泛化能力、计算效率上的低性能，以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
公开(公告)号：CN119028431A
公开(公告)日：2024-11-26
申请号：CN202411514743.0
申请日：2024-10-29
Applicant: 安徽农业大学
Abstract: 本发明适用于生物信息学领域，具体是一种基于深度学习和长读测序的SNP和INDEL检测方法，包括：对待检测数据进行第一预处理，生成第一叠加图像，将第一叠加图像作为SNP检测模型的输入，输出得到SNP的VCF文件；对待检测数据进行第二预处理，生成第二叠加图像，将第二叠加图像作为INDEL检测模型的输入，输出得到INDEL的VCF文件；利用基于R语言的VcfR数据处理工具，对所得到的VCF文件中的数据进行变异检测和处理，得到基因组上的变异检测结果；使用IGV输出显示基因组上的变异检测结果。本发明使用了深度学习技术和长读测序技术，能够解决传统方法在灵活性与泛化能力、计算效率上的低性能，以及面对复杂问题时短读测序存在的无法检测区域的问题。
-
Patent Agency Ranking
公开(公告)号：CN117557787A
公开(公告)日：2024-02-13
申请号：CN202410043522.3
申请日：2024-01-11
Applicant: 安徽农业大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/776 , G06N3/0464
Abstract: 本发明适用于目标检测领域，具体是一种基于改进yolov8的轻量化多环境番茄检测方法，包括：利用引入SimAM注意力机制的yolov8模型主干网络提取数据集图像的特征信息；采用轻量化检测结构Slim‑Neck改进yolov8模型中的neck检测模块，设置新的损失函数SIou，构建基于改进yolov8的目标检测模型；将划分的训练集放入改进的目标检测模型进行训练，得到改进模型，基于模型参数指标，对模型的每个模块进行消融实验，并与Faster‑RCNN、yolov8和yolov5模型进行对比实验，得到最终的番茄检测模型。本发明实现模型的轻量化，在保证了yolov8原本的检测速率的基础上，提高模型的泛化能力和多元环境下番茄检测的精度。
-
公开(公告)号：CN117076653B
公开(公告)日：2024-01-02
申请号：CN202311340689.8
申请日：2023-10-17
Applicant: 安徽农业大学
IPC: G06F16/332 , G06N5/04 , G06F16/33
Abstract: 本发明适用于知识库问答技术领域，提供了基于思维链及可视化提升上下文学习知识库问答方法，包括以下步骤：在知识库中检索与需查询问题相似的示例；对所述相似的示例和所述需查询问题一并利用思维链产生逻辑推理过程；利用CodeGeex2模型学习所述逻辑推理过程后，生成需查询问题的逻辑形式；获取所述用户勘误后的逻辑形式，在知识库中对需查询问题进行知识抽取、实体绑定与关系绑定，利用多数票策略来确定需查询问题的答案，并将答案输出给用户。本发明在模型生成逻辑形式前引入思考链，利用符号内存提高大语言模型的复杂问题多跳推理能力，先针对示例用思维链进行推理回答，再利用模型来生成逻辑形式的模板，能够提高答案推
-
公开(公告)号：CN117151121A
公开(公告)日：2023-12-01
申请号：CN202311401665.9
申请日：2023-10-26
Applicant: 安徽农业大学
IPC: G06F40/35 , G06F16/35 , G06F18/22 , G06F18/2415 , G10L15/18 , G10L15/16 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种口语理解方法，具体是一种基于波动阈值与分割化的多意图口语理解方法，该方法包括：对于一段输入的话语将其编码为隐藏状态序列后得到预测的意图和槽值，将预测的槽值与意图转化为向量形式嵌入到模型中；利用SD计算一个范围加权矩阵与输入的意图对应相乘，划定其范围后结合注意力机制融合意图检测和槽位填充结果的重要语义信息，使用波动阈值进行输出判断。本发明可以获得每个意图的既定范围，从而起到了减少范围外标记干扰的作用；通过设置基准阈值，然后运用斯皮尔曼系数与余弦相似度轮询对于每一个初预测意图和当前意图范围内的每个词进行相似度计算作为基准浮动阈值，提高了模型对意图边缘的检测的准确性。
-
公开(公告)号：CN117076653A
公开(公告)日：2023-11-17
申请号：CN202311340689.8
申请日：2023-10-17
Applicant: 安徽农业大学
IPC: G06F16/332 , G06N5/04 , G06F16/33
Abstract: 本发明适用于知识库问答技术领域，提供了基于思维链及可视化提升上下文学习知识库问答方法，包括以下步骤：在知识库中检索与需查询问题相似的示例；对所述相似的示例和所述需查询问题一并利用思维链产生逻辑推理过程；利用CodeGeex2模型学习所述逻辑推理过程后，生成需查询问题的逻辑形式；获取所述用户勘误后的逻辑形式，在知识库中对需查询问题进行知识抽取、实体绑定与关系绑定，利用多数票策略来确定需查询问题的答案，并将答案输出给用户。本发明在模型生成逻辑形式前引入思考链，利用符号内存提高大语言模型的复杂问题多跳推理能力，先针对示例用思维链进行推理回答，再利用模型来生成逻辑形式的模板，能够提高答案推理与错误分析能力。
-
公开(公告)号：CN119047661B
公开(公告)日：2025-01-28
申请号：CN202411545074.3
申请日：2024-11-01
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/02 , G01W1/10
Abstract: 本发明适用于农业气象预测领域，具体是基于多尺度卷积网络及扩散系统的农业气象预测方法，包括：利用训练好的多尺度卷积网络对农业气象图像进行初步预测，得到初步预测结果；通过扩散模型对初步预测结果进行处理，对初步预测结果进行处理包括：先通过扩散模型增加噪声捕获时空特征之间的联系，以及后通过多步逆扩散过程逐步消除预测结果中噪声；对基于多尺度卷积网络和扩散模型的预测模型进行训练，得到训练好的预测模型；对于给定的农业气象图像，利用预测模型生成未来多个时间步的预测图像序列并输出。本发明通过将时空卷积神经网络结合扩散系统，显著提升了时空数据对于长期预测结果性能的提高。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.026 seconds)
