-
公开(公告)号：CN117994259A
公开(公告)日：2024-05-07
申请号：CN202311313000.2
申请日：2023-10-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种利用像素权重提高伪标签置信度的半监督医学图像分割方法，包括下述步骤：采集2D磁共振成像医学图像；对图像进行裁剪，缩放，过滤处理，并添加随机扰动；为每个样本添加一个像素权重矩阵，将带有不同扰动的图片分别放入教师模型和学生模型中，让两个模型进行协同训练，直至收敛。本算法在mean‑teacher模型的基础上，使用伪标记图像结合标记图像来更新分割模型，并将教师和学生模型输出的置信度矩阵进行融合对比从而生成更高质量的伪标签。另为每一个图像添加一个像素权重矩阵，训练时更加关注分割有争议的部分，像素权重矩阵通过两个模型输出的概率分布和置信度矩阵来进行更新。本方法使用少量标注数据训练出分割模型。
-
公开(公告)号：CN117992819A
公开(公告)日：2024-05-07
申请号：CN202311779706.8
申请日：2023-12-22
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06F18/25 , G06Q30/0201 , G06Q40/03 , G06N20/20
Abstract: 本发明公开了基于集成学习的多特征融合金融用户画像分类方法，适用于金融领域多特征、多类别数据的分类挑战。首先，获取具有多种类型特征的金融用户数据并进行预处理，通过使用多种基本分类算法为每个特征类型选择最优基分类器，随后基于确定的基模型，对样本中不同类型特征进行训练，得到各类别的预测概率值，形成预测概率矩阵。根据每个基模型在训练数据上的召回率与所有基模型的召回率的比值调整权重，将权重融入各模型的预测结果。然后，将加权后的预测概率矩阵与原始输入特征矩阵进行整合，构建新的输入特征集合，并将其输入至第二层的XGBoost分类器中，最终得到每个金融用户样本的分类预测结果。
-
公开(公告)号：CN117668225A
公开(公告)日：2024-03-08
申请号：CN202311584640.7
申请日：2023-11-27
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06N3/126
Abstract: 一种基于遗传算法的文本情感分类方法属于基于情感分类领域。本发明结合遗传算法和机器学习分类技术，旨在自动提取最佳文本特征，构建高性能情感分类模型。具体步骤包括数据预处理、特征预筛选、基于遗传算法的特征选择和模型构建，其中遗传算法用于特征选择和模型优化，适应度函数中纳入特征数量，模型准确率等指标。最终，集成不同基模型以构建强大的情感分类模型。
-
公开(公告)号：CN111612807B
公开(公告)日：2023-07-25
申请号：CN202010409642.2
申请日：2020-05-15
Applicant: 北京工业大学
IPC: G06T7/13 , G06T5/50 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于尺度和边缘信息的小目标图像分割方法涉及计算机视觉及图像处理技术领域。本发明是基于编码器解码器结构的分割模型进行改进，编码器解码器结构可以利用图像的尺度信息，在此基础上增加了一个边缘编码模块，该模块以编码器部分卷积块的最后一层卷积层为输入，由注意力模块和门控模块交替连接构成。注意力模块通过引入全局注意力增大图像的感受野，使其不至于忽略小目标区域的边缘信息；门控模块对输入图像标签的梯度图进行加权，增加了边缘的宽度，减少了边缘在计算过程中的损失。将边缘编码模块的输出与上采样后的特征图逐层点乘进行融合，通过softmax逐像素分类得到最终结果。该方法使得包含小目标区域的图像实现更精确的分割。
-
公开(公告)号：CN110069756B
公开(公告)日：2023-07-21
申请号：CN201910321968.7
申请日：2019-04-22
Applicant: 北京工业大学
IPC: G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/08 , G06F16/9535
Abstract: 一种考虑用户评价的资源或服务推荐方法属于计算机人工智能领域，涉及一种考虑用户评价的资源或服务推荐方法。该方法包括：用户特征编码模块、资源或服务编码模块、Encoder模块、Decoder模块。本发明的原理是一种考虑用户评价的资源或服务推荐方法，应用多层次编码方法不仅学习了资源或服务本来的特征还学习到了用户评价对于资源或服务的作用，通过注意力机制得到了用户特征与资源或服务的相关重要性程度，通过残差网络降低了模型复杂度且更快更准确的得到资源或服务的推荐结果。
-
Patent Agency Ranking
公开(公告)号：CN115496708A
公开(公告)日：2022-12-20
申请号：CN202210964056.3
申请日：2022-08-11
Applicant: 北京工业大学
Abstract: 本发明提供一种安全帽检测方法、装置、电子设备及计算机可读存储介质，该方法包括：根据获取的待处理图像，基于人体姿态估计网络，确定节点图像；根据所述节点图像中的人体关键节点，确定感兴趣区域图像；提取所述感兴趣区域图像中安全帽对应的目标颜色像素；根据所述目标颜色像素，确定所述安全帽的佩戴情况。该方法用以解决现有技术中现有的安全帽检测方法都具有一定的局限性，从而易导致电子设备无法准确确定工作人员是否佩戴安全帽的缺陷，实现电子设备基于人体姿态估计网络，可准确确定人体关键节点，从而从待处理图像中能够准确确定安全帽的佩戴情况。
-
公开(公告)号：CN114926635A
公开(公告)日：2022-08-19
申请号：CN202210427559.7
申请日：2022-04-21
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/56 , G06V10/44 , G06V10/42 , G06V10/46 , G06V10/764 , G06V10/766 , G06T7/33
Abstract: 本发明公开了与深度学习方法相结合的多焦图像中目标分割方法，先对多焦图像进行配准；再基于目标的颜色与轮廓进行粗分割得到一张只包含单个目标的局部图像并基于目标中心所在位置与所属图像形成目标的定位标签；提出两种评价尺度，分别为目标清晰度判断模块与目标需求性判断模块；综合清晰度判断模块与需求性判断模块的分数得到目标的分割价值系数；最后针对具有相同定位标签的目标，比较其分割价值系数，将具有分割价值的目标放入语义细分割模块来获取多焦图像中所有清晰需求的非重复目标，以解决单独使用传统方法中所存在的分割粗糙的问题和单独使用深度学习语义分割方法中存在的效率低下、效果差等问题。这样便兼顾了分割的效果与效率。
-
公开(公告)号：CN114707497A
公开(公告)日：2022-07-05
申请号：CN202210326124.3
申请日：2022-03-30
Applicant: 北京工业大学
IPC: G06F40/279 , G06F40/216 , G06F40/30 , G06F16/35
Abstract: 本发明涉及一种基于多源词典的交叉Transformer中文医疗命名实体识别方法。本发明加入多源词典信息，通过特征提取模块，分别提取通用词汇增强的文本特征和医疗词汇增强的文本特征。然后，通过交叉Transformer模块，将上一步得到的2种特征进行交互增强，并动态的进行融合。最终，使用融合后的文本特征来一起预测中文医疗文本中的实体。该方法可以同时使用通用词典信息和医疗领域词典信息，来提升词典和实体之间的匹配率。
-
公开(公告)号：CN114648664A
公开(公告)日：2022-06-21
申请号：CN202210290777.0
申请日：2022-03-23
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于多视角信息融合的图像分类方法，属于计算机视觉领域，具有全面学习全局图像信息和局部花粉颗粒区域信息的效果，比以往只考虑全局图像信息更加准确。本发明在关注全局图像信息的基础上，更针对性地关注局部花粉颗粒区域信息，所用网络包含两个深度学习流，对应于花粉图像的不同层次和结构水平。首先是基于全局图像信息流进行的分类，在全局图像结构上直接对花粉进行分类；其次是基于局部花粉颗粒区域信息流进行的分类，在此流中加入分割指导网络，从整个花粉图像对花粉颗粒定位，保留花粉颗粒区域图片，在局部区域图像水平上检测花粉类别；最后，将全局图像分类结果和局部花粉颗粒区域分类结果进行融合，得到最终分类结果。
-
公开(公告)号：CN114611399A
公开(公告)日：2022-06-10
申请号：CN202210268175.5
申请日：2022-03-17
Applicant: 北京工业大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于NGBoost算法的PM2.5浓度长时间序列预测方法，该方法综合气象和其他污染物影响因素，提出了基于自然梯度提升的PM2.5浓度预测模型，以提升长时间序列PM2.5浓度预测的精度。使用Isolation Forest算法对采集到的目标站点空气污染物及气象数据进行了异常值判定、通过斯皮尔曼相关系数进行特征选择等预处理作为总数据集；提出数据时序离散化方法，使用所有天中同一小时的数据构成模型输入。然后进行了数据规范化、数据集划分比例、阈值等参数调优实验进行模型优化。最后将离散化后的多维数据集采用NGBoost算法，得出对目标站点未来一天PM2.5浓度的小时级精确化预测值。本发明为PM2.5浓度长时间序列预测提供了一个开放的研究框架。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.033 seconds)
