-
公开(公告)号：CN116386720A
公开(公告)日：2023-07-04
申请号：CN202310383948.9
申请日：2023-04-11
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于深度学习和注意力机制的单细胞转录因子预测方法，其包括获取单细胞染色质可及性分析测序数据，并对其进行预处理，之后进行数据增强操作，得到增强测序数据；提取增强测序数据中的回归峰作为特征向量S，拼接正向和反向的增强测序数据作为特征向量A，将取自全基因组的DNA序列数据转换为特征向量U；拼接特征向量S、特征向量A和特征向量U，并输入深度网络模型预测单细胞中每个转录因子的概率，深度网络模型包括卷积模块和通道注意力模型。
-
公开(公告)号：CN115661612A
公开(公告)日：2023-01-31
申请号：CN202211498102.1
申请日：2022-11-28
Applicant: 成都信息工程大学
IPC: G06V10/82 , G06V10/774 , G06T3/40 , G06Q10/04 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于元迁移学习的通用气候数据降尺度方法，提出一种通用的气候降尺度框架MTL‑Framework，构建的降尺度模型在该框架上进行训练优化，基于元迁移学习，训练后的降尺度模型能隐含地学习到不同气候变量之间的关联性，本发明的降尺度框架能够在参数空间中找到一个对多个气象变量降尺度任务敏感且可转移的初始化参数，降尺度模型只需要通过该初始化参数初始化模型，接着在当前目标任务上经过简单的微调，就可以取得不错的降尺度效果。实验结果表明，本发明的气候降尺度方法较现有技术更优，并且在多个任务的综合性能表现上更好。
-
公开(公告)号：CN115468679A
公开(公告)日：2022-12-13
申请号：CN202211126087.8
申请日：2022-09-16
Applicant: 成都信息工程大学
IPC: G01K13/00 , G01M13/04 , G01M17/007 , G06K9/62
Abstract: 本发明涉及一种基于大数据和数字化工厂的产品检测方法，其包括：将目标机器产品的待测轴承部件划分为易测轴承区域和非易测轴承区域。通过目标机器产品在试车过程中激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速生成第一多维试车特征序列。通过待测轴承部件的目标轴承区域在试车过程中的关联温度分布数据生成第二多维试车特征序列。利用第一多维试车特征序列、第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型，然后根据所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。
-
公开(公告)号：CN115359372A
公开(公告)日：2022-11-18
申请号：CN202210878119.3
申请日：2022-07-25
Applicant: 成都信息工程大学
IPC: G06V20/17 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/44 , G06T7/269 , G06T7/246 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于光流网络的无人机视频运动目标检测方法，所述光流网络包括特征语义提取网络、上下文提取网络、视觉相似度计算模块、MobileViT‑CBAM模块和GRU迭代更新模块，特征语义提取网络和上下文提取网络的RepVGG特征提取模块，即保留了多分支结构的性能优势，进一步融合了细节信息和语义信息，使提取的特征表达能力更强，提高了检测精度。同时利用机构重参数化思想变为单路结构，又进一步提高了推理速度，减少显存占用。针对CNN缺乏全局信息的提取能力，采用MobileViT‑CBAM模块作为单独的附加模块，使用CNN和Transformer结合的方式，以获得更多的特征信息和细节信息，达到更精确的光流估计，得到更精确的目标分割结果。
-
公开(公告)号：CN114708511A
公开(公告)日：2022-07-05
申请号：CN202210614648.2
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。
-
Patent Agency Ranking
公开(公告)号：CN113936318A
公开(公告)日：2022-01-14
申请号：CN202111218941.9
申请日：2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法，本发明方法的神经网络以VAE结构为主干网络，包括两个阶段，首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像，同时通过融合人脸轮廓，区域和关键点中间特征得到人脸生成指导信息，然后为了更好的考虑人脸结构信息，通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修，在第二生成器中间引入指导信息以实现人脸细节、结构精细化，最终生成自然和谐，结构对称的人脸图像，本发明采用全局和局部两种判别器来做监督，以保证生成更高质量的人脸图像。
-
公开(公告)号：CN111861924A
公开(公告)日：2020-10-30
申请号：CN202010715325.3
申请日：2020-07-23
Applicant: 成都信息工程大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于进化GAN的心脏磁共振图像数据增强方法，该方法在训练生成器时，对生成器进行突变生成多个子代生成器，通过适应性分数函数来评判多个生成器的适应性分数，根据分数来选择最优的子代生成器作为下一个迭代的父代生成器，同时在判别器训练阶段，结合特征向量的线性插值合成新的训练样本并生成相关的线性插值标签，不仅拓展了整个训练集的分布，也对离散样本空间进行连续化并且提高了领域间的平滑性，从而使得模型能够更好地得到训练。本发明的方法图像增强方法，能够生成高质量且多样的样本对训练集进行扩充，最终提高了分类结果的各项指标。
-
公开(公告)号：CN111462146A
公开(公告)日：2020-07-28
申请号：CN202010302248.9
申请日：2020-04-16
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种时空智能体的医学图像多模态配准方法，将不同模态的动态图像和固态图像输入到构建好的神经网络中，通过神经网络中的卷积神经网络模块提取图像的高层抽象特征，然后卷积长短时记忆网络模块自动提取高层抽象特征中序列间的时序和空间信息，经过神经网络后输出当前状态值和策略动作的概率分布，时空智能体对动态图像实施概率最大的动作，在当前状态值达到阈值前，循环进行配准，直到循环结束；最后对配准图像进行蒙特卡洛采样得到最终配准结果。本发明的卷积长短时记忆模型通过卷积来捕获图像内部的空间关系和时序信息，配准精度更高。
-
公开(公告)号：CN108062743B
公开(公告)日：2020-07-21
申请号：CN201710738863.2
申请日：2017-08-25
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种含噪图像的超分辨率方法，所述方法主要包括以下步骤：输入一张低分辨率含噪图像I；对图像I进行简单插值，获得低分辨率测试图像的初步估计以为基础获得横向、纵向和对角方向的图像多尺度金字塔，利用图像多尺度金字塔获得低分辨率测试图像Lk+1；对图像I进行高斯模糊操作，获得模糊图像Lk；以图像块为单位，求出I和Lk内部图像块间的映射函数，并将其作用到相应的Lk+1内部图像块上，从而生成高分辨率图像块，进而获得高分辨率图像。本发明使得噪声在超分辨率过程中得到了很好的抑制，进一步的，重建图像的边缘细节更加丰富，图像形变更少。
-
公开(公告)号：CN108898225B
公开(公告)日：2020-07-17
申请号：CN201810416774.0
申请日：2018-05-04
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
Abstract: 本发明涉及一种基于人机协同学习的数据标注方法，其包括：1、由领域专家制定分类标准和标注规范，并给出样例作为金标数据；2、以金标数据作为聚类的中心点对数据进行聚类处理，选出银标数据来训练标注人员，利用金标数据对标注人员进行测试，测试通过即可进行下一步的标注；3、利用金标数据和银标数据作为训练集对未分类的数据进行分类，得到的置信度高的数据可直接采用，并将其加入训练数据集重新训练分类器；4、从待标注数据集中选取出最值得标注的数据，分发给标注人员进行标注，将得到的标注结果加入训练集重新训练分类器；迭代步骤3和4，直至分类器的精度达到预设的阈值。本发明能够有效降低人工标注的成本，同时保证标注的高质量。
-
-
-
-
-
-
-
-
-
Search Results
175
records
(took 0.064 seconds)
