公开(公告)号：CN118379594A

公开(公告)日：2024-07-23

申请号：CN202410249559.1

申请日：2024-03-05

申请人： 江西师范大学

发明人： 雷浩鹏 ,  梁恺俊 ,  尹豪 ,  王明文 ,  曾锦山 ,  罗国亮

IPC分类号： G06V10/82 ,  G06V10/774 ,  G06N3/0455 ,  G06N3/0895 ,  G06N3/08 ,  G06N3/0464

摘要： 本发明提供一种基于有限数据集的图像生成方法及系统，该方法包括：将有限图像数据作为数据集，构建编码器模型，通过对比学习、KL散度学习和分类学习对所述编码器模型预训练；基于预训练后编码器模型输出的条件向量，通过所述数据集对条件扩散模型进行训练；当用户输入图像后，基于预训练后编码器模型输出的条件向量，通过训练后的条件扩散模型生成与输入图像相似的图像。通过该方案不仅可以保障扩散模型的准确可靠，而且能够有效提高生成图像的质量。

公开(公告)号：CN117372702B

公开(公告)日：2024-02-06

申请号：CN202311681613.1

申请日：2023-12-08

申请人： 江西师范大学

发明人： 陈勇 ,  陈茂林 ,  张娟 ,  徐叶琦 ,  易玉根 ,  曾锦山

IPC分类号： G06V10/26 ,  G06V10/44 ,  G06V10/52 ,  G06V10/82 ,  G06V20/10 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/0985

摘要： 本申请公开了一种自监督深度学习与模型方法相结合的云层去除方法及装置，该方法包括：获取待处理的多时相遥感图像，将待处理的多时相遥感图像输入至预设低秩正则化自监督网络模型中进行处理，生成与待处理的多时相遥感图像对应的目标多时相遥感图像。本方案通过预设低秩结构稀疏分解框架模型有效地探索了无云图像分量和云层分量的内在物理特性，提高了后续进行云层去除的准确性；另外，通过将基于自监督深度学习的预设引导式深度解码器网络模型捕捉到的深度先验集集成到预设低秩结构稀疏分解框架模型中，由于预设引导式深度解码器网络模型不需要外部训练数据，并采用自监督方法来优化网络参数，提高了进行云层去除的灵活性。

公开(公告)号：CN117236343A

公开(公告)日：2023-12-15

申请号：CN202311519890.2

申请日：2023-11-15

申请人： 江西师范大学

发明人： 童贤超 ,  曾锦山 ,  余相龙 ,  肖文艳

IPC分类号： G06F40/30 ,  G06N3/0464 ,  G06N3/088 ,  G06F16/33

摘要： 本发明公开了基于语言特征解释器和对比学习的自动可读性评估方法，包括下列步骤：步骤一、建立自动可读性评估模型；步骤二、训练自动可读性评估模型；步骤三、进行可读性评估时，将相应的文本输入上述自动可读性评估模型处理后自动生成可读性级别；所述自动可读性评估模型为InterpretARA模型，所述InterpretARA模型包括语言特征模块、深度特征模块、连接层、线性层和softmax层；所述语言特征模块中从文本信息中获取语言特征并对语言特征进行处理从而生成增强语言特征表示；所述深度特征模块生成文本级别表示和段落级别表示。本发明在可读性评估中能充分利用语言特征的结构和语义信息，可读性评估效果更好。

公开(公告)号：CN116936034A

公开(公告)日：2023-10-24

申请号：CN202310649136.4

申请日：2023-06-02

申请人： 江西师范大学

发明人： 廖云燕 ,  张志杰 ,  黄箐 ,  曾锦山 ,  邢振昌

IPC分类号： G16H20/70 ,  G16H10/20 ,  G16H10/60 ,  G16H50/20 ,  G06F16/332

摘要： 本发明涉及一种心理健康管理工具，即一种基于人工智能的个性化心理健康管理方法及系统。所述基于人工智能的个性化心理健康管理方法，包括步骤S1,身份档案生成；S2,心理问题判断：根据用户的生活情况、相关症状和问卷的填写判断出相关的心理问题；S3,生成个性化解决方案和实际行动方案：根据用户的输入信息，通过分析和匹配数据库中的专业心理学知识，生成个性化的健康指导方案，在个性化健康指导方案基础上，为用户提供具体的行动方案和解决方法；S4,针对用户的疑惑和问题给出专业的解答。本发明针对现有心理健康管理方法缺乏个性化和实际行动方案的不足，可针对用户提供个性化的健康行为指导和实际行动解决方案，以帮助用户缓解情绪和改善心理健康。

公开(公告)号：CN113962192B

公开(公告)日：2022-11-15

申请号：CN202110467098.1

申请日：2021-04-28

申请人： 江西师范大学

发明人： 曾锦山 ,  汪叶飞 ,  陈琪 ,  王明文

IPC分类号： G06F40/109 ,  G06T3/00 ,  G06T7/11 ,  G06N20/00

摘要： 本申请公开了一种汉字字体生成模型的生成方法、汉字字体生成方法及装置，属于人工智能技术领域。所述方法包括：获取汉字图像；对汉字图像进行几何变换处理，生成汉字变换图像；将汉字变换图像输入至汉字鉴别模型，通过汉字鉴别模型对汉字变换图像进行鉴别处理，输出汉字变换图像的真伪性信息；基于真伪性信息，调整字体生成模型的模型参数，得到训练后的字体生成模型。本申请实施例提供的技术方案中，通过对汉字图像进行几何变换以指导模型提取高质量汉字特征；并通过汉字鉴别模型对汉字转换图像进行真伪判断的结果，调整模型参数以使模型效果最优，有效解决深度学习模型训练中的模式坍塌的问题，提升特征提取的指导与针对性，显著提升汉字生成效果。

公开(公告)号：CN115238272A

公开(公告)日：2022-10-25

申请号：CN202210865162.6

申请日：2022-07-21

申请人： 江西师范大学

发明人： 王昌晶 ,  黄箐 ,  曾锦山 ,  左正康 ,  江会文

IPC分类号： G06F21/56 ,  G06F21/57 ,  G06F21/64 ,  G06N3/04 ,  G06N3/08

摘要： 本发明属于机器学习、区块链技术领域，尤其为一种基于机器学习的合约漏洞处理方法，包含：根据漏洞判断依据，总结出漏洞类型为12类、区块链漏洞领域特征31种，作为人工打标签的依据；从EtherScan上爬取的9000余个真实发生的智能合约进行人工打标签；将非结构化的Solidity源代码序列通过代码切片划分；对代码序列进行词嵌入矩阵的构建；模型训练；本发明的合约漏洞处理方法，通过机器学习的方法自动学习漏洞代码模式，不必依赖于人工总结漏洞模式，泛化性好，能够识别多种类型漏洞，自动化程度高；由于Solidity代码有其独有的代码领域特征，而漏洞的发生往往都与这些领域特征有着相关性，本方法引入注意力机制，使得模型关注区块链领域特征，提升模型预测漏洞能力。

公开(公告)号：CN118351553A

公开(公告)日：2024-07-16

申请号：CN202410776039.6

申请日：2024-06-17

申请人： 江西师范大学

发明人： 袁艺扬 ,  曾锦山 ,  章燕 ,  汪蕊 ,  曹轶诺

IPC分类号： G06V30/244 ,  G06V30/19 ,  G06V30/18 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/09

摘要： 本发明属于计算机视觉领域，公开了一种基于笔顺动态学习的可解释性少样本字体生成方法，包括下列步骤。步骤一、建立字体生成模型；字体生成模型包括风格‑内容解耦生成模型，风格‑内容解耦生成模型基于生成对抗网络构建，包括生成网络和判别网络；步骤二、对字体生成模型进行训练，通过将整体损失最小化来优化少样本字体生成模型；步骤三、完成训练后利用训练好的字体生成模型进行字体生成。所述字体生成模型为一种少样本字体生成模型，还包括笔顺动态学习模型。本发明提高了笔顺特征生成的准确性和对汉字图像的泛用性，即使目标图像的样本较少也能保证较高的准确性。

公开(公告)号：CN117313704B

公开(公告)日：2024-02-23

申请号：CN202311594697.5

申请日：2023-11-28

申请人： 江西师范大学

发明人： 曾锦山 ,  余相龙 ,  童贤超 ,  肖文艳

IPC分类号： G06F40/205 ,  G06F40/211 ,  G06F40/284 ,  G06F18/25 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0895

摘要： 本发明属于人工智能领域，公开了基于公有与私有特征分解的混合可读性评估方法与系统，所述方法包括下列步骤：步骤一、构建ARA模型；步骤二、采集一定量文本作为训练集和测试集并对构建的ARA模型进行训练；步骤三、完成训练后利用训练好的ARA模型对文本进行可读性评估，生成相应的可读性水平标签；所述ARA模型为CP‑ARA模型，所述CP‑ARA模型包括深度特征模块、语言特征模块、私有特征模块、公有特征模块和联合特征模块。本发明捕获文档级、句子级和单词级三种不同深度的文本信息，由此产生了三个层次的深度特征表示，同时通过学习公有特征和私

公开(公告)号：CN117392153A

公开(公告)日：2024-01-12

申请号：CN202311663797.9

申请日：2023-12-06

申请人： 江西师范大学

发明人： 陈欣儿 ,  曾锦山 ,  万欢 ,  邓桃娜 ,  汪叶飞

IPC分类号： G06T7/11 ,  G06T7/13 ,  G06T7/194 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明属于医学图像技术领域，公开了一种基于局部补偿和多尺度自适应变形的胰腺分割方法，包括下列步骤：步骤一、构建双分支模型；所述双分支模型包括定位分支和分割分支，定位分支的输入是完整的三切片组图像，用于对完整的三切片组图像进行裁剪并输出到分割分支，分割分支用于对裁剪后的三切片组图像进行分割得到细分割结果；步骤二、利用切片图形的样本及相应真实标签对双分支模型进行训练；步骤三、利用训练后的双分支模型对三切片组图像进行胰腺分割。本发明通过局部补偿模块将微小胰腺特征重新补充回来，通过融合多尺度自适应形变模块灵活捕捉胰腺的形态位置差异，能很好的适应相邻切片之间形变差异大的场景。

公开(公告)号：CN117058266B

公开(公告)日：2023-12-26

申请号：CN202311313408.X

申请日：2023-10-11

申请人： 江西师范大学

发明人： 曾锦山 ,  章燕 ,  汪叶飞 ,  熊佳鹭 ,  汪蕊

IPC分类号： G06T11/00 ,  G06V30/32 ,  G06V30/19 ,  G06N3/044 ,  G06N3/0475 ,  G06N3/094

摘要： 本发明公开了一种基于骨架和轮廓的书法字生成方法，包括下列步骤：建立模型；所述模型以CycleGAN模型为骨干网络，CycleGAN模型包含两组生成对抗网络，所述模型还包括Con、Ske、IPaD和SCF；步骤二、对所述模型进行训练；源域风格的汉字图像作为原始图像输入模型，通过第一组生成对抗网络将原始图像转化为目标风格图像，通过第二组生成对抗网络将第一组生成对抗网络输出的目标风格图像转化为重构图像，训练过程中通过计算整个模型的损失，对模型进行优化；步骤三、获得优化后的模型用于书法字体自动生成。本发明引入有效的骨架‑轮廓融合模块来融合骨架信息和轮廓信息，在缺少精确配对字体样本的情况下能实现高质量的内容风格表现。