蛋白质结合位点的预测方法、装置、设备及存储介质

    公开(公告)号:CN107563150B

    公开(公告)日:2021-03-19

    申请号:CN201710770933.2

    申请日:2017-08-31

    IPC分类号: G16B20/30 G16B40/00

    摘要: 本发明适用生物信息技术领域,提供了一种蛋白质结合位点的预测方法、装置、设备及存储介质,该方法包括:接收待预测的蛋白质序列,使用预设的滑动窗口和滑动步长对蛋白质序列进行序列划分,得到多个氨基酸子序列,根据这些氨基酸子序列构建蛋白质序列的词向量,对词元素进行文档特征提取,根据提取的文档特征构建蛋白质序列的文档特征向量,对这些氨基酸子序列进行蛋白质链生物学特征提取,根据提取的生物学特征构建蛋白质序列的生物学特征向量,使用预设的氨基酸残基分类模型对使用文档特征向量和生物学特征向量表示的氨基酸子序列进行分类,得到蛋白质序列的氨基酸残基类型,从而提高了蛋白质结合位点预测的准确性和泛用性。

    一种云计算任务分配方法、装置、设备及存储介质

    公开(公告)号:CN108776612A

    公开(公告)日:2018-11-09

    申请号:CN201810321267.9

    申请日:2018-04-11

    摘要: 本发明适用计算机技术领域,提供了一种云计算任务分配方法、装置、设备及存储介质,该方法包括:在接收到云任务分配请求时,根据云任务分配请求中待分配的云计算任务,构建云任务分配模型,通过云任务分配模型和蚁群算法,对云计算任务的分配进行第一预设数目次优化,生成第一预设数目个中间分配路径,通过遗传算法对中间分配路径进行第二预设数目次进化,生成云计算任务的最优分配路径,将云计算任务按照最优分配路径分配给云环境中的虚拟机,从而通过蚁群、遗传算法组合的混合群智能算法有效地提高了云计算任务分配的性能,保证了云计算任务较短的响应时间和完成时间,进而提高了云计算平台的服务质量和用户体验。

    蛋白质结合位点的预测方法、装置、设备及存储介质

    公开(公告)号:CN107563150A

    公开(公告)日:2018-01-09

    申请号:CN201710770933.2

    申请日:2017-08-31

    IPC分类号: G06F19/18 G06F19/12

    摘要: 本发明适用生物信息技术领域,提供了一种蛋白质结合位点的预测方法、装置、设备及存储介质,该方法包括:接收待预测的蛋白质序列,使用预设的滑动窗口和滑动步长对蛋白质序列进行序列划分,得到多个氨基酸子序列,根据这些氨基酸子序列构建蛋白质序列的词向量,对词元素进行文档特征提取,根据提取的文档特征构建蛋白质序列的文档特征向量,对这些氨基酸子序列进行蛋白质链生物学特征提取,根据提取的生物学特征构建蛋白质序列的生物学特征向量,使用预设的氨基酸残基分类模型对使用文档特征向量和生物学特征向量表示的氨基酸子序列进行分类,得到蛋白质序列的氨基酸残基类型,从而提高了蛋白质结合位点预测的准确性和泛用性。

    基于LFFD的口罩检测方法
    4.
    发明授权

    公开(公告)号:CN113762200B

    公开(公告)日:2023-06-30

    申请号:CN202111088278.5

    申请日:2021-09-16

    申请人: 深圳大学

    摘要: 本发明实施例公开了一种基于LFFD的口罩检测方法,包括:步骤1:制作训练集;步骤2:构建预设的SP‑LFFD人脸检测网络和分类网络,并进行训练;步骤3:先将输入的图片进行人脸检测,然后获得人脸位置后再送入分类网络判断输入的图片的每一个人脸目标是否佩戴口罩;其中,预设的SP‑LFFD人脸检测网络包括25个卷积层,分为4个部分,各卷积层采用基于Split的SPConv卷积单元代替常规卷积。本发明针对口罩佩戴检测场景采用LFFD检测框架和Resnet18图像分类,采用SPConv卷积替代常规卷积,降低常规卷积中的冗余信息,可以大幅度提升推理速度,同时采用ResNet18网络对检测到的人脸目标进行二分类,判断是否佩戴口罩。整体网络结构模型小,计算效率高。

    一种行人头部识别方法及系统

    公开(公告)号:CN106845361B

    公开(公告)日:2020-01-17

    申请号:CN201611225893.5

    申请日:2016-12-27

    申请人: 深圳大学

    IPC分类号: G06K9/00

    摘要: 本发明适用于图像处理技术领域,提供了一种行人头部识别方法及系统,其中,行人头部识别方法包括:步骤S1,采集目标区域的深度图像,并从深度图像中提取前景图像;步骤S2,从前景图像中提取所有的感兴趣区域即ROI区域;步骤S3,以每一个ROI区域中的每一个像素点为圆心,通过构造同心圆来计算当前像素点属于头部区域内的像素点的概率,得到每个ROI区域中的每个像素点的概率值,将每个ROI区域中每个像素点的概率值与预置的第一阈值比较,将低于第一阈值的像素点滤除,剩下的以区域形式存在的像素点即为头部区域的点,每个区域即为识别出的一个头部;本发明提供的识别方法提高了头部识别准确率和效率。

    一种数据隐藏方法及隐藏系统

    公开(公告)号:CN105160694A

    公开(公告)日:2015-12-16

    申请号:CN201510671142.5

    申请日:2015-10-15

    申请人: 深圳大学

    IPC分类号: G06T9/00

    CPC分类号: G09C1/00 G09C5/00 H04L2209/16

    摘要: 本发明涉及数据隐藏技术领域,尤其涉及一种数据隐藏方法及隐藏系统。本发明以图像作为数据载体,发送端将秘密数据转换成比特序列后,将比特序列中每一比特位的值隐藏于图像中,得到隐藏有秘密数据的图像并发送给接收端,接收端可根据相应密钥从图像中提取出隐藏的秘密数据。隐藏数据时,每个正方形图像块可通过其两条对角线的像素灰度值序列的逆序数奇偶性隐藏两比特位的数据,这样,在图像中隐藏的数据量将是图像所拆分成的图像块数量的两倍。而且,在对正方形图像块进行像素位置调整时,由于只需调整该正方形图像块的第一对角线和第二对角线上的最多两个像素的灰度值,因此,对图像的质量影响很小,保证了图像质量。

    基于行人重识别的轨迹还原方法
    7.
    发明公开

    公开(公告)号:CN115331138A

    公开(公告)日:2022-11-11

    申请号:CN202210844696.0

    申请日:2022-07-18

    申请人: 深圳大学

    摘要: 本发明实施例公开了一种基于行人重识别的轨迹还原方法,包括以下步骤:S100:获取目标行人图像,存储到目标行人数据库中;S200:建立视频数据采集环境,采集多个摄像头下的视频数据;S300:读取采集到的摄像头的视频数据,并对视频数据进行分帧提取包含行人的图像,并存储在行人图像数据库中;S400:将检测出包含行人的图像与目标行人数据库中的目标行人图像对比;S500:将匹配结果返回,若当前摄像头查找到目标行人,则将摄像头在地图上的经纬度信息以及目标出现时间保存;S600:利用优化的路径生成算法以及保存的经纬度信息及时间信息生成目标可能的路径。本发明能够加快查找行人以及分析目标轨迹的效率,具有很高的推广和使用价值。

    一种口罩缺陷的识别方法、装置、设备及存储介质

    公开(公告)号:CN109902584A

    公开(公告)日:2019-06-18

    申请号:CN201910080138.X

    申请日:2019-01-28

    申请人: 深圳大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明适用机器视觉图像检测与深度学习技术领域,提供了一种口罩缺陷的识别方法、装置、设备及存储介质,该方法包括:通过多特征融合卷积神经网络模型中的第一子模型对待进行口罩缺陷识别的口罩图像进行空间变换处理,得到第一口罩图像,通过多特征融合卷积神经网络模型中的第二子模型对该口罩图像进行降维处理,得到第二口罩图像,将第一子图像和第二子图像进行图像融合,得到第三口罩图像,采用Softmax函数对该第三口罩图像的图像特征进行分类预测,得到与口罩缺陷类型对应的各分类概率,根据该分类概率对口罩图像的口罩缺陷进行识别,从而通过多特征融合卷积神经网络模型提高口罩缺陷特征的区分度,以及提高了对不同口罩缺陷类型识别的精确度。

    一种基于人体头顶部识别的行人统计方法及装置

    公开(公告)号:CN106530310B

    公开(公告)日:2018-02-23

    申请号:CN201610931928.0

    申请日:2016-10-25

    申请人: 深圳大学

    IPC分类号: G06T7/11 G06T7/194

    摘要: 本发明适用图像识别技术领域,提供了一种基于人体头顶部识别的行人统计方法及装置,该方法包括:读取通过深度摄像头拍摄的行人深度图像,将行人深度图像和预先获取的环境均值图像比较,以得到前景图像;将前景图像分割为多个区域,检测每个区域的边缘像素点是否存在阶跃,并检测每个区域形成的区域曲面是否与人体头顶部曲面一致;当当前被检测区域的边缘像素点存在阶跃、且当前被检测区域形成的区域曲面与人体头顶部曲面一致时,则确定当前被检测区域为人体头顶部区域;根据从行人深度图像中确定的人体头顶部区域和从相邻行人深度图像中确定的人体头顶部区域,统计输出行人的数量,提高了人体头顶部的识别准确率,实现了行人的精确统计。