-
公开(公告)号：CN119889427A
公开(公告)日：2025-04-25
申请号：CN202510043314.8
申请日：2025-01-10
Applicant: 安徽工业大学
IPC: G16B15/30 , G16B40/00 , G16B30/00 , G06F18/241 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于混合图注意力神经网络的蛋白质相互作用预测方法，属于蛋白质相互作用预测技术领域，包括以下步骤：蛋白质数据的预处理；提取并融合蛋白质的特征；构建TCN神经网络；构建混合图注意力神经网络；模型训练；蛋白质间相互作用预测。本发明将两种特征融合作为蛋白质特征表达，采用TCN网络提取蛋白质全局特征，无需通过卷积神经网络提取全局特征；采样GAT和GCN网络提取蛋白质的局部特征，无需通过滑动窗口技术对局部特征进行单独提取。
-
公开(公告)号：CN119887727A
公开(公告)日：2025-04-25
申请号：CN202510043312.9
申请日：2025-01-10
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/096
Abstract: 本发明公开了一种基于SAPC‑Net网络的瓷砖产品表面缺陷检测方法，属于瓷砖表面缺陷检测技术领域。本发明基于YOLOv8目标检测框架，设计了一种基于Sobel卷积的空间边缘信息融合模块SEIF，并将其引入骨干网络中的C2f模块，形成C2f‑SEIF模块，从而增强了骨干网络的特征提取能力；进一步引入ASF‑YOLO网络的颈部网络，并在此基础上进行改进和优化，设计出带有200×200的小目标检测层的改进颈部网络improved_neck，显著提升了模型对瓷砖小目标缺陷的检测性能；此外，引入PIOU_V2损失函数替代CIOU作为回归框损失函数，加快了模型的收敛速度，并增强了目标缺陷的定位能力；最后，采用通道蒸馏策略CWD，在保持模型轻量化的同时，进一步提升了检测性能。
-
公开(公告)号：CN119006928A
公开(公告)日：2024-11-22
申请号：CN202411234860.1
申请日：2024-09-04
Applicant: 安徽工业大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774 , G06V10/776 , G06N3/048 , G06V10/80 , G06T7/00
Abstract: 本发明公开了一种基于改进后EfficientNetV2模型的桥梁混凝土缺陷多标签分类方法，属于混凝土缺陷分类技术领域。本发明通过在原始的EfficientNetV2网络中加入SCARM模块，实现对网络提取的特征图进行空间和通道上的冗余信息的去除，以减少模型训练过程中的冗余信息，并通过注意力机制促进代表性特征的学习；鉴于数据集中的图像具有不同的尺寸和高宽比，在分类层之前采用了SPPF模块进行多尺度特征融合，可以帮助网络提取各种尺寸的空间特征信息，从而提高模型对物体变形的鲁棒性；为了解决数据集中正负样本不平衡的问题，采用了不对称损失函数进行训练，能够动态调整权重和硬阈值，以减少简单负样本的影响，并且可以过滤可能被错误标记的样本。
-
公开(公告)号：CN118866115A
公开(公告)日：2024-10-29
申请号：CN202410885587.2
申请日：2024-07-03
Applicant: 安徽工业大学
IPC: G16B40/00 , G16B15/20 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于图神经网络的蛋白质相互作用预测方法，属于蛋白质相互作用预测技术领域，包括以下步骤：S1：氨基酸序列预处理；S2：提取蛋白质结构信息和序列信息；S3：结构信息与特征信息融合；S4：构建图神经网络；S5：模型网络训练；S6：蛋白质间相互作用预测。本发明采用将两种特征融合作为蛋白质特征表达；采用ESM‑2模块利用蛋白质的氨基酸序列提取蛋白质结构特征，无需提供单独的结构特征；采用非对称损失函数，能够有效解决蛋白质之间的相互作用中存在的样本标签不平衡问题。
-
公开(公告)号：CN116468686A
公开(公告)日：2023-07-21
申请号：CN202310398023.1
申请日：2023-04-10
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/778 , G06V10/774
Abstract: 本发明公开了一种基于软优化知识蒸馏的带钢表面缺陷识别方法，属于表面缺陷识别技术领域，包括以下步骤：S1：图像样本处理；S2：构建并训练教师网络；S3：软优化知识蒸馏训练；S3：软优化知识蒸馏训练。本发明先训练了一个大规模但识别精度高的大模型(教师模型)，再从教师网络中提取出一个子结构(学生网络)，最后以软优化知识蒸馏方案对学生网络进行训练，得到了一个高精度的缺陷识别模型，减少了模型高额的存储空间以及计算资源消耗，将缺陷识别模型更稳定、高效的落地在硬件平台上。
-
Patent Agency Ranking
公开(公告)号：CN119831981A
公开(公告)日：2025-04-15
申请号：CN202510242700.X
申请日：2025-03-03
Applicant: 安徽工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种基于LDSNet网络的热轧带钢表面缺陷检测方法，属于钢材表面缺陷检测技术领域。本发明基于YOLOv5目标检测框架，设计了基于小波卷积的特征提取模块Ldswt，并将其替换掉C3模块的Bottleneck层，形成LdswtC3模块，增强网络的特征提取和特征融合能力；在下采样操作时，利用GSConvns模块替换普通卷积，不仅可以降低参数量和计算量，还可以对特征进行进一步提取与增强；在neck网络，对P3、P4、P5的各个输出层都进行原始特征融合，显著增强模型对小目标的检测能力；在特征输入到检测头网络前经过一个注意力模块，在不明显增加计算量和参数量的情况下显著增强模型的性能。
-
公开(公告)号：CN119132386A
公开(公告)日：2024-12-13
申请号：CN202411175446.8
申请日：2024-08-26
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于图神经网络的药物靶标结合亲和力预测方法，属于生物信息技术领域，包括以下步骤：S1：样本预处理；S2：模型构建；S3：模型训练；S4：DTA预测。本发明先通过Davis数据集和KIBA数据集获取相关数据，通过数据预处理分别得到药物分子图、药物摩根指纹以及蛋白质序列信息分别输入GATv2网络、多层感知机网络以及多尺度卷积神经网络中进行特征提取，将摩根指纹与分子图特征经过层注意力进行特征拼接得到药物特征，并与蛋白质特征拼接后输入预测网络来进行药物靶标结合亲和力预测。
-
公开(公告)号：CN119006410A
公开(公告)日：2024-11-22
申请号：CN202411090558.3
申请日：2024-08-09
Applicant: 安徽工业大学
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于改进U‑Net网络的结肠息肉图像分割方法，属于医学图像分割技术领域。本发明通过在原始U‑Net网络中添加DUCK Block模块，增强了网络提取息肉重要特征的能力，同时加强了对于息肉细节特征的关注度；并提出了MLFC跳跃连接模块，并在该模块前添加与解码器层数相对应的残差块，通过该跳跃连接来显著减少网络在编码器‑解码器信息传递过程中的信息丢失，让每一层的特征传递都可以获取全局特征增加了各种特征之间的信息交换而卷积块则用来减少语义间隙；在原始U‑Net网络中添加了Coordinate注意力机制模块，加强模型的长距离依赖性和位置信息敏感度，从而更准确地识别息肉位置以提取更有效的特征。
-
公开(公告)号：CN119905168A
公开(公告)日：2025-04-29
申请号：CN202411959726.8
申请日：2024-12-30
Applicant: 安徽工业大学
Abstract: 本发明公开了一种基于图神经网络与卷积神经网络的药物反应预测方法，属于药物反应预测技术领域，包括以下步骤：S1：数据预处理；S2：网络构建；S3：网络训练；S4：药物反应预测。本发明采用了卷积神经网络与图神经网络结合的方法，加入了药物分子图数据，引入了药物分子的结构特征，使得最终的回归预测更佳精准；对于来源于序列的药物分子指纹全局特征使用堆叠的一维卷积模块进行特征提取，强化了邻域信息；通过设计的信息交互融合分支，不仅实现了对药物特征与细胞系特征的信息交互，同样实现了药物反应信息与药物smiles序列信息之间的交互，得到的新特征向量提高了模型的预测性能。
-
公开(公告)号：CN119049543A
公开(公告)日：2024-11-29
申请号：CN202411234959.1
申请日：2024-09-04
Applicant: 安徽工业大学
IPC: G16B15/30 , G16B40/00 , G06V10/40 , G06N3/0464 , G06N3/045 , G06V10/74 , G06V10/80 , G06N3/08 , G06V10/82
Abstract: 本发明公开了基于图神经网络的多视图特征融合药物重定位预测方法，属于药物‑疾病相互作用预测技术领域。本发明通过将多种关系数据构建为不同视图的图网络，并构建适用于图网络性质的图神经网络来提取对应视图包含的独特信息；在提取多视图特征后，采用最大值选取策略保留了最显著的特征并降低了噪声带来的影响，同时利用多层图神经网络和层注意力机制提取了多层次特征并自动调整了其对最终结果的贡献。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
