-
公开(公告)号：CN116805341A
公开(公告)日：2023-09-26
申请号：CN202310453947.7
申请日：2023-04-25
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06T11/00 , G06T5/10 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种改善GAN生成图像质量的方法，其包括构建WL‑GAN神经网络，所述WL‑GAN神经网络包括n层级联的GAN，第1至n‑1层的GAN均由离散小波变换器、生成器和判别器组成，第n层GAN由生成器和判别器组成；将图像输入第1层GAN的离散小波变换器，并向各层GAN的生成器输入噪声，以训练所构建的WL‑GAN神经网络；在训练过程中不断调节判别器和生成器的权重，最终使各层GAN在获得输入噪声和低频图像时就能生成高频图像。本发明将原始问题分解为一系列更易于管理的阶段，图像以从粗到细的方式绘制，使得网络最终生成的图像质量得到提高。
-
公开(公告)号：CN115081489A
公开(公告)日：2022-09-20
申请号：CN202210827820.2
申请日：2022-07-13
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
Abstract: 本发明公开了一种基于小波分解矩阵和残差网络的时间序列分类方法，其包括步骤：1)对时间序列数据进行图像化表示，2)以时间序列的图像化表示G作为分类网络的输入，通过分类网络的非线性函数fc：进行映射，得到G对应的分类表示3)设置总体目标Ltotal，实现联合优化图像化表示转换阶段的监督目标Ls和分类阶段的监督目标Lc。本发明提出了一种新的时间序列图像化表示方法——小波分解矩阵，还提出了图像化表示阶段的相似性约束，通过结合相似性约束和最小化分类误差约束，将图像化表示阶段和分类阶段集成在一起进行联合优化，这样端到端的联合优化方式，帮助达到更好的分类效果。
-
公开(公告)号：CN114970818A
公开(公告)日：2022-08-30
申请号：CN202210578738.0
申请日：2022-05-25
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
Abstract: 本发明公开了一种减少生成对抗网络模式崩溃的方法，其包括1)构建GMN‑GAN网络，所述GMN‑GAN网络包括高斯混合模型M、高斯混合噪声变量生成器V、样本生成器G和判别器D；高斯混合噪声变量生成器的个数与图像数据集中的图像类别数量c相等，高斯混合噪声变量生成器的输出作为样本生成器的输入，样本生成器的输出作为判别器的输入，判别器输出层的输出单元数量设定为图像类别的数量，一个输出单元对应着一个不同的类别；2)对GMN‑GAN网络进行训练。本发明中样本生成器能够生成种类更多的图像，能有效避免生成对抗网络出现模式崩溃的问题。
-
公开(公告)号：CN114970818B
公开(公告)日：2024-12-24
申请号：CN202210578738.0
申请日：2022-05-25
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06N3/0475 , G06N3/045 , G06N3/094 , G06F18/2321
Abstract: 本发明公开了一种减少生成对抗网络模式崩溃的方法，其包括1)构建GMN‑GAN网络，所述GMN‑GAN网络包括高斯混合模型M、高斯混合噪声变量生成器V、样本生成器G和判别器D；高斯混合噪声变量生成器的个数与图像数据集中的图像类别数量c相等，高斯混合噪声变量生成器的输出作为样本生成器的输入，样本生成器的输出作为判别器的输入，判别器输出层的输出单元数量设定为图像类别的数量，一个输出单元对应着一个不同的类别；2)对GMN‑GAN网络进行训练。本发明中样本生成器能够生成种类更多的图像，能有效避免生成对抗网络出现模式崩溃的问题。
-
公开(公告)号：CN119007194A
公开(公告)日：2024-11-22
申请号：CN202411012065.8
申请日：2024-07-26
Applicant: 重庆大学 , 重庆大学附属肿瘤医院
IPC: G06V20/69 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本发明公开了一种基于多层次硬极化特征融合的TCT涂片自动检测系统，其包括YOLO‑TCT模型，YOLO‑TCT模型由对YOLOv8进行改进得到，改进在于将YOLOv8骨干网络中的C2f模块替换为MLHP‑C2f模块。通过消融实验证明，在YOLOv8‑L基础上单独添加ML、PSA或HPSA时进行特征融合会对模型的性能产生负面的影响，只有当结合ML和HPSA时，模型才实现了最佳的mAP0.5:0.95和mAP0.5，展示了MLHP结构的合理性和优越性。不同模型对比实验结果显示，在针对高分辨率宫颈细胞TCT涂片图像的检测中，YOLO‑TCT检测精确度上显著优于其他模型系统。
-
Patent Agency Ranking
公开(公告)号：CN112688927A
公开(公告)日：2021-04-20
申请号：CN202011505943.1
申请日：2020-12-18
Applicant: 重庆大学 , 重庆工业大数据创新中心有限公司
Abstract: 本发明涉及一种基于区块链的分布式访问控制方法，属于信息安全领域。该方法包括：分布式访问授权流程设计：根据基于区块链的分布式访问控制模型B‑ABAC中各组件功能，设计分布式授权流程；同时设计在授权过程中，将产生的授权访问记录都记录在区块链上；S2：属性与策略智能合约设计：分离出属性权威和策略权威的职能，将这些职能分散到B‑ABAC模型中的智能合约与区块链账本中；S3：共识算法设计：使用分布式决策网络代替原有的决策点，设计并使用改进后的共识算法对分布式决策网络进行共识维护。本发明在非信任环境下，能提供细粒度、动态地访问授权，同时提高访问模型的安全性、可审计性并减少授权过程中的人为干预。
-
公开(公告)号：CN108130176B
公开(公告)日：2020-11-06
申请号：CN201810022312.0
申请日：2018-01-10
Applicant: 重庆大学 , 国网重庆市电力公司电力科学研究院
IPC: C10M169/04 , C10N30/02 , C10N40/16
Abstract: 本发明提供了一种三元混合绝缘油及其制备方法，三元混合绝缘油包括质量比为100:0.05～0.4的基础油和抗氧化剂；以质量分数计，所述基础油包括大豆油10～25％，棕榈油3～10％和矿物油70～87％；所述抗氧化剂选自酚类氧化剂和/或胺类氧化剂。该三元混合绝缘油具有比传统混合绝缘油更低的运动粘度和介质损耗，使得绝缘油具有更优的散热性能，将使得变压器油纸绝缘系统在同样运行负载下，具有更低的运行温度。其具有更高的工频击穿电压。其还能有效减缓油纸绝缘系统老化速率，延长油纸绝缘类电气设备绝缘寿命；以及更优良的环保性能和油纸绝缘体系配合性能。
-
公开(公告)号：CN105966471A
公开(公告)日：2016-09-28
申请号：CN201610297166.3
申请日：2016-05-06
Applicant: 重庆大学
Abstract: 本发明公开了一种内置货架可外展式货厢，包括厢体、厢门和置于厢体内的货柜，还包括与货柜连接并用于厢门打开时带动货柜向厢体边缘滑动的联动机构；货柜包括柜体、置于柜体内的内置货架和设置于柜体并用于内置货架向厢体外被拉出形成伸展的伸展机构；当厢门打开时，在联动机构的作用下，可带动货柜向货厢的厢门处边缘滑动，当厢门关闭时，在联动机构的作用下，可推动货柜向货厢内部滑动；当货柜滑动到货厢边缘处时，由于伸展机构的设置，并在工作人员拉力和内置货架的自身重力作用下，可将内置货架省力的拉出货厢，整个过程工作人员不需进入货厢即可进行装载，省力省时，可实现货物的快捷装卸，从而使得使用该货厢的快递车可作为流动快递点。
-
公开(公告)号：CN114818914B
公开(公告)日：2024-05-24
申请号：CN202210434503.4
申请日：2022-04-24
Applicant: 重庆大学 , 勒威半导体技术(嘉兴)有限公司
Abstract: 本发明公开了一种基于相空间和光流图像的多变量时间序列分类方法，其包括步骤：1)将多变量时间序列转化成相空间轨迹矩阵图和光流图像；2)通过双流时空网络对多变量时间序列进行分类，所述的双流时空网络包括第一个3D网络、第二个3D网络、将两个3D网络的输出特征进行融合的Conatenate层、与Conatenate层连接的Flatten层和与Flatten层链接的全连接层，双流时空网络的激活函数为softmax。将相空间轨迹矩阵图输入第一个3D网络，光流图像输入第二个3D网络。本发明基于相空间和光流图像的多变量时间序列分类方法，通过与其他先进方法进行对比，实验结果表明本发明方法取得了与其他先进方法更好的精度，说明本发明方法对多变量时间序列分类问题是有价值的方案。
-
公开(公告)号：CN116775782A
公开(公告)日：2023-09-19
申请号：CN202310578385.9
申请日：2023-05-22
Applicant: 重庆大学 , 重庆首讯科技股份有限公司
IPC: G06F16/29 , G06F18/214 , G06F18/2415 , G06F18/23
Abstract: 本发明涉及一种基于概率分布模型的稀疏轨迹空间重构方法及系统，属于自动车辆识别轨迹的空间重构技术领域。该方法包括以下步骤：S1、通过GPS轨迹数据构建轨迹网络，轨迹网络中包含了车辆在城市道路中行驶时所有可能经过的道路；S2、当车辆在轨迹网络中行驶时，使用贝叶斯分类器计算车辆走各路径的概率，并选取概率最大的路径作为车辆的轨迹；S3、利用整体模型对测试集进行轨迹重构，并根据预测结果和实际数据，对预测误差进行评价分析。本发明能够在减少数据依赖的情况下更加准确地重构车辆的空间轨迹，相对于现有方法具有更高的效率和更高的准确率，具有较广的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.023 seconds)
