-
公开(公告)号：CN112766551A
公开(公告)日：2021-05-07
申请号：CN202110023335.5
申请日：2021-01-08
Applicant: 鹏城实验室
Abstract: 本发明公开了一种交通预测方法、智能终端及计算机可读存储介质，所述方法包括：获取路网数据，其中，所述路网数据包括路网节点，以及各个路网节点之间的物理距离；根据预设的静态邻接矩阵规则，构建与所述路网数据对应的静态邻接矩阵；当获取历史交通数据时，根据预设的动态邻接矩阵规则，构建与所述历史交通数据对应的动态邻接矩阵；根据所述历史交通数据，对所述动态邻接矩阵和所述静态邻接矩阵进行图卷积处理，生成与所述历史交通数据对应的预测结果。本发明在图卷积网络中所使用了基于自注意力机制产生的动态邻接矩阵表示了路网节点交通状态之间的动态空间关系，从而提高了交通预测的准确性。
-
公开(公告)号：CN116188504A
公开(公告)日：2023-05-30
申请号：CN202211475402.8
申请日：2022-11-23
Applicant: 鹏城实验室
IPC: G06T7/13 , G06T7/11 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/25 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种基于可学习方向导数的病灶边缘检测方法及相关装置，方法应用预训练的边缘检测模型；其包括将待检测图像输入边缘检测模型的特征提取模块，通过特征提取模块确定待检测图像对应的候选区域特征以及高级语义特征；将所述候选区域特征输入所述边缘检测模型的方向导数模块，通过方向导数模块确定所述待检测图像对应的方向导数特征；将所述方向导数特征以及所述高级语义特征输入所述边缘检测模型的边缘感知模块，通过所述边缘感知模块确定所述待检测图像对应的病灶区域。本申请通过确定待检测图像的方向导数，通过方向导数来表征病灶区域的边缘区域，可以提高边缘区域检测的准确性，进而提高检测到的病灶区域的准确性。
-
公开(公告)号：CN115731511A
公开(公告)日：2023-03-03
申请号：CN202211384415.4
申请日：2022-11-07
Applicant: 鹏城实验室
Abstract: 本申请公开了一种基于区域互补聚合的人群计数方法及相关装置，方法包括：获取密集人群图像；将密集人群图像输入区域互补聚合网络模型，通过区域互补聚合网络模型确定精细密度图；基于精细密度图确定密集人群图像对应的人群计数结果。本申请通过区域互补聚合网络模型中的互补迭代聚合模块的双向迭代融合和加权互补级联来生成粗略密度图，并通过区域互补聚合网络模型中的区域定位模块进行多重深度监督来确定注意力图，然后基于注意力和粗略密度图来确定精细密度图，这样通过互补迭代聚合模块进行多尺度融合，并通过区域定位模块进行多重深度监督，有效提升了精细密度图的图像质量，从而可以提高基于精细密度图确定人群计数结果的精确度。
-
公开(公告)号：CN113724359A
公开(公告)日：2021-11-30
申请号：CN202110795676.4
申请日：2021-07-14
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于Transformer的CT报告生成方法，所述方法包括：获取CT图像，并基于预设的CT报告生成模型提取所述CT图像的视觉特征序列；对所述视觉特征序列进行编码，得到隐含层特征序列；对所述隐含层特征序列进行解码，得到与所述CT图像对应的单词概率，其中，所述单词概率用于表征将CT图像转换成文字时的单词识别概率；根据所述单词概率，生成CT医学报告文本。本发明通过在图像编码时建立不同对象之间的关系，在解码时对不同医学报告的相似模式进行建模和存储，从而生成准确且内容丰富的医学报告，减少放射科医生的工作量并且有助于促进临床自动化。
-
公开(公告)号：CN117577188A
公开(公告)日：2024-02-20
申请号：CN202311131474.5
申请日：2023-09-01
Applicant: 鹏城实验室
Abstract: 本申请提出一种高风险变异毒株预测方法、电子设备和存储介质。方法通过从预设的毒株序列数据集中提取第一毒株序列以及由第一毒株序列变异得到的所有第二毒株序列，根据第一毒株序列和所有第二毒株序列确定毒株的突变数量倍率、每个位点的突变频率以及残基分布；根据起始毒株序列、突变数量倍率、突变频率和残基分布生成预测毒株序列；根据多个预设指标对预测毒株序列进行高通量筛选，得到目标毒株序列，最后根据湿实验结果从目标毒株序列中筛选高风险变异株。应用本申请能基于毒株的变异趋势预测生成预测毒株序列，再根据各项预设指标筛选出目标毒株序列，再通过湿实验验证毒株在真实环境中的各项性质，从而准确地预测出高风险变异毒株。
-
Patent Agency Ranking
公开(公告)号：CN117455838A
公开(公告)日：2024-01-26
申请号：CN202311239132.5
申请日：2023-09-22
Applicant: 鹏城实验室
Abstract: 本申请的眼底图像的病灶预测模型的训练方法、预测方法及装置，涉及医学图像处理技术领域。获取眼底图像并按照预设尺寸进行网格划分，获取网格的标注结果，包括正结果网格和负结果网格。按照与预设尺寸不同的尺寸获取正结果网格的多个第一网格以及负结果网格的多个第二网格，并将第一网格和正结果网格构成正样本，第二网格和负结果网格构成负样本。将正样本或负样本输入病灶预测模型得到病灶预测值，计算聚焦损失值和分割损失值，以更新模型权重，直至达到迭代终止条件，得到训练好的病灶预测模型。由此设置包含多尺度网格的样本训练模型，同时兼顾不同尺寸的病灶，解决了不同病灶差异性大而难以同时检测的问题，有效提高眼底图像的病灶检出率。
-
公开(公告)号：CN117393047A
公开(公告)日：2024-01-12
申请号：CN202311155326.7
申请日：2023-09-07
Applicant: 鹏城实验室
IPC: G16B30/10 , G16B40/00 , G16B5/20 , G16B15/30 , G06F18/22 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请涉及蛋白质多肽设计技术领域，提供了一种基于语言模型的抗病毒多肽序列设计方法，该利用目标病毒在病毒分类体系中所属更高类别的病毒的多肽序列进行分层筛选，即利用适用于对抗第一类别的病毒的多肽序列训练语言模型，以使语言模型能够按照适用于对抗第一类别的病毒的多肽序列生成候选多肽序列，同时利用适用于对抗第二类别的病毒的多肽序列训练多肽序列分类模型，以使多肽序列分类模型能够筛选出适用于对抗第二类别的候选多肽序列，最后利用适用于对抗目标病毒的多肽序列从序列相似度层面筛选候选多肽序列，将自然语言处理技术迁移到蛋白质工程领域通过分层式筛选不断缩小目标多肽序列的范围，降低抗病毒多肽序列的设计时间和资金成本。
-
公开(公告)号：CN116227581A
公开(公告)日：2023-06-06
申请号：CN202211579420.0
申请日：2022-12-08
Applicant: 鹏城实验室
IPC: G06N3/096 , G06N3/04 , G06N3/0464
Abstract: 本发明公开了基于自适应参数隔离的迁移学习方法、装置、终端及介质，包括：获取当前源域在每个通道中的统计均值和统计方差，并获取目标域在每个通道中的统计均值和统计方差；根据所述当前源域的统计均值和统计方差、所述目标域的统计均值和统计方差计算得到通道抑制敏感因子；根据所述通道抑制敏感因子确定自适应参数隔离的目标函数，并根据所述自适应参数隔离的目标函数进行域自适应迁移学习。本发明通过自适应参数隔离，在增量域自适应中显著地减少了不同源域的干扰，以及通过自适应参数隔离充分保留和有效融合标注知识，提高了目标域的泛化性能。
-
公开(公告)号：CN116128801A
公开(公告)日：2023-05-16
申请号：CN202211475103.4
申请日：2022-11-23
Applicant: 鹏城实验室
IPC: G06T7/00 , G06T7/10 , G06V10/40 , G06V10/764
Abstract: 本申请公开了一种基于多任务学习的图像清洁度评估方法及相关装置，方法包括将待评估图像输入所述评估网络模型中的特征提取模块，通过所述特征提取模块确定所述待评估图像的若干特征图，将若干特征图输入所述评估网络膜中的预测模块，通过所述预测模块确定所述待评估图像对应的掩膜图以及清洁度类别。本申请通过特征提取模块提取若干特征图，然后通过预测模块基于若干特征图确定掩膜图以及清洁度类别，预测模块利用用于确定掩膜图的实例特征增强图像的清洁特征表现，聚焦图像所属器官的划分和图像的清洁度评估，从而可以快速确定清洁度满足预定要求的视频图像，进而使后续的病灶分割网络免受噪声场景的干扰，还能降低病灶检测的计算复杂程度。
-
公开(公告)号：CN115983375A
公开(公告)日：2023-04-18
申请号：CN202211581443.5
申请日：2022-12-09
Applicant: 鹏城实验室
IPC: G06N3/096 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明所提供的一种基于领域对关联的迁移学习方法及装置，方法包括：当接收到目标域样本图像及目标域样本图像对应的类别标签时，获取源域样本图像；构建目标域样本图像与源域样本图像之间的特征关系图，得到特征相似图像对；将特征相似图像对输入预先训练的连续领域自适应模型中，将目标域样本图像对应的类别标签作为监督信息，并以基于特征互相关矩阵的预设学习目标为优化目标，对连续领域自适应模型进行迁移学习；将目标域目标图像输入已完成迁移学习的连续领域自适应模型中，得到预测结果。本发明实现了对比性的配对，在巩固模型先验关系的基础上对新源域的局部相关性进行增量探索，避免出现迁移性漂移现象，提高了预测结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.04 seconds)
