-
公开(公告)号：CN117711636A
公开(公告)日：2024-03-15
申请号：CN202311727080.6
申请日：2023-12-15
Applicant: 南京理工大学
IPC: G16H50/80 , G16H50/50 , G06N3/0464
Abstract: 本发明公开了基于注意力机制的张量时空图卷积的猴痘疫情预测方法，属于人工智能领域和流行病学研究领域的交叉任务。具体而言，该方法首先将流行病网络建模为无向属性图(Graph)，基于航班量和自适应学习共同构建节点的空间邻接关系，节点属性来自所代表国家的猴痘病例数。此外，节点的属性具备动态时序性，从而使整个网络可以被建模为时空图结构。本发明在高维张量空间中建模了时空图内部的时空关联，实现了对时空关联的统一建模。此外，本发明首次将航班信息融入时空图卷积网络，并利用注意力机制来学习额外的空间依赖性，在猴痘疫情病例预测任务中，该方法表现出了优异的性能。
-
公开(公告)号：CN116108375A
公开(公告)日：2023-05-12
申请号：CN202211630011.9
申请日：2022-12-19
Applicant: 南京理工大学
IPC: G06F18/241 , G06F18/28 , G06F30/27 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于结构敏感图字典嵌入的图分类方法，包括以下步骤：构造基础图字典‑分别用于对输入图和字典键进行建模，在此过程中，图卷积神经网络学习每个节点的嵌入表示‑将得到的嵌入表示输入到变分图字典自适应模块，学习出自适应图字典，生成更具表达能力的字典‑度量交叉图节点之间的相关性，并实现交叉图的嵌入‑对得到的嵌入表示通过全连接层获得更低维的嵌入表示，从而得到分类结果，并引入互信息作为目标，推导出自适应图字典的变分推理，使得能够端到端的进行训练和优化。本发明采用上述基于结构敏感图字典嵌入的图分类方法，增强了原始图字典的表达能力，提高了结构变化的灵敏度，从而为重要的局部相关模式，准确地表示输入图。
-
公开(公告)号：CN115797794A
公开(公告)日：2023-03-14
申请号：CN202310057656.6
申请日：2023-01-17
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/62 , G06V10/774 , G06V10/82 , G06V20/40 , G06V10/778
Abstract: 本发明公开了一种基于知识蒸馏的卫星视频多目标跟踪方法，包括以下步骤：构造专门用于目标检测的教师网络；构造用于多目标跟踪的学生网络；结合教师网络和学生网络构建知识蒸馏模块；根据知识蒸馏损失和已有损失优化学生网络模型；结合目标检测结果，输出多目标跟踪结果。本发明的优点在于将知识蒸馏技术应用于卫星视频的多目标跟踪，利用专门用于目标检测的教师网络指导学生网络学习，提升了学生网络检测的泛化能力，可适用于卫星视频中的多目标跟踪问题。
-
公开(公告)号：CN115620803A
公开(公告)日：2023-01-17
申请号：CN202211359901.0
申请日：2022-11-02
Applicant: 南京理工大学
IPC: G16B5/20 , G16B15/30 , G16B40/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于跨图注意力的蛋白质相互作用点位预测方法，步骤如下：S1、获取蛋白质数据，对每一对蛋白质分别构建一个表示残基关系的图结构；S2、对于步骤S1中构建的图，提取残基的生信特征构建节点特征矩阵；S3、对于步骤S1中构建的图，提取残基的空间特征构建图邻接特征矩阵；S4、对步骤S3构建的蛋白质图通过图卷积神经网络进行图编码；S5、在步骤S4的基础上，对步骤S3构建的蛋白质图进行跨图信息交互；S6、对步骤S5得到的节点特征进行堆叠，构成残基对特征；S7、将步骤S6得到的残基对特征送入分类器，预测该残基对是否发生了相互作用。本发明的预测方法，具有较强的表征能力和学习能力，在蛋白质相互作用点位预测任务中获得了优异表现。
-
公开(公告)号：CN112749585A
公开(公告)日：2021-05-04
申请号：CN201911041763.X
申请日：2019-10-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于图卷积的骨架动作识别方法，其基本单元是一个时空图卷积模块。该时空图卷积模块包括以下步骤：获取骨架视频，基于每一帧的骨架视频构建一个骨架图(graph)，根据该骨架图定义不同的人体部件组合，且对各人体部件组合构建关节点关系图，进一步构造成为多维关系交互图，其包含部件组合交互维度和关节点交互维度；对多维交互图分别在关节点交互维度上和部件组合交互维度上进行图卷积；然后把两个图卷积得到的空间特征送到时间切片的局部卷积网络获取时间动态特征。在本发明的网络模型中堆叠多个时空图卷积模块来构建神经网络，并使用softmax分类器进行分类。
-
Patent Agency Ranking
公开(公告)号：CN119832992A
公开(公告)日：2025-04-15
申请号：CN202411939467.2
申请日：2024-12-26
Applicant: 南京理工大学
IPC: G16B40/00 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种面向抗体的双分支结构特征预测方法，涉及蛋白质表示学习和蛋白质结构预测技术领域，包括以下步骤：步骤一、对于一个给定的抗体氨基酸序列作为输入，提取出抗体的MSA特征、Pair特征、模板特征共三类特征，对三类特征进行协同融合；步骤二、构建双分支结构特征预测模块，优化抗体结构；步骤三、模型训练；步骤四、模型测试，得到抗体结构。本发明采用上述一种面向抗体的双分支结构特征预测方法，实现了高效且精准的抗体结构特征预测，为抗体相关研究和应用提供了强大支持。
-
公开(公告)号：CN117711636B
公开(公告)日：2024-08-13
申请号：CN202311727080.6
申请日：2023-12-15
Applicant: 南京理工大学
IPC: G16H50/80 , G16H50/50 , G06N3/0464
Abstract: 本发明公开了基于注意力机制的张量时空图卷积的猴痘疫情预测方法，属于人工智能领域和流行病学研究领域的交叉任务。具体而言，该方法首先将流行病网络建模为无向属性图(Graph)，基于航班量和自适应学习共同构建节点的空间邻接关系，节点属性来自所代表国家的猴痘病例数。此外，节点的属性具备动态时序性，从而使整个网络可以被建模为时空图结构。本发明在高维张量空间中建模了时空图内部的时空关联，实现了对时空关联的统一建模。此外，本发明首次将航班信息融入时空图卷积网络，并利用注意力机制来学习额外的空间依赖性，在猴痘疫情病例预测任务中，该方法表现出了优异的性能。
-
公开(公告)号：CN116386108A
公开(公告)日：2023-07-04
申请号：CN202310304443.9
申请日：2023-03-27
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于实例一致性的公平性人脸识别方法，涉及图像信号处理技术领域，该方法主要包括以下步骤：步骤一、对人脸图像样本进行特征提取；步骤二、利用步骤一提取到的人脸样本特征，计算样本和分类器类中心构成的负样本对的相似性，以及同类样本之间正样本对的相似性；步骤三、利用步骤二得到的两种相似性，分别计算人脸样本的误识率(False PositiveRate，FPR)和召回率(TruePositiveRate，TPR)；步骤四、根据步骤三得到的样本的FPR和TPR，修改人脸识别损失函数，计算样本FPR和TPR的一致性损失。本发明采用上述方法，相比于经典人脸识别方法具有实例级的公平性，具有较高的识别精度和较低的标准差，具备优越的泛化性。
-
公开(公告)号：CN110633661A
公开(公告)日：2019-12-31
申请号：CN201910820020.6
申请日：2019-08-31
Applicant: 南京理工大学
Abstract: 本发明公开了一种融合语义分割的遥感图像目标检测方法，构建改进的特征金字塔网络，提取遥感图像的多层金字塔特征；对金字塔特征进行语义分割，获取目标边界框级别的掩码和语义特征；构建图片笛卡尔直角坐标系，根据提取的金字塔特征和生成的边界框级别的掩码生成与图片坐标轴平行的候选框；根据候选框坐标、多层金字塔特征、语义特征和归一化后的原始图像确定边界框特征，再进行回归和softmax操作得到与坐标轴平行/旋转的边界框的位置信息以及物体的类别信息。本发明提高了遥感图像小目标检测的准确率。
-
公开(公告)号：CN109359568A
公开(公告)日：2019-02-19
申请号：CN201811154729.9
申请日：2018-09-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于图卷积网络的人体关键点检测方法，使用卷积神经网络从图像中提取人体特征，预测人体关键点响应图，确定初始关键点坐标；根据预测的关键点坐标，从卷积神经网络中提取对应人体各个关键点的局部特征；建立人体关键点的图模型，根据人体的每个关键点与邻近关键点的位置关系，提取每个关键点的特征向量；把人体各个关键点的特征向量输入图卷积网络，得到每个关键点的偏移，用初始关键点坐标加上偏移，即得优化的关键点预测结果。本发明所预测关键点相比于其他方法，对人体关键点建立图模型，更好地考虑了关键点之间的联系，提高了关键点预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.072 seconds)
