公开(公告)号：CN116342985B

公开(公告)日：2023-09-12

申请号：CN202310109875.4

申请日：2023-02-14

Applicant: 中南大学

Inventor： 张健 ,  陶泽 ,  贺建飚 ,  任子欣 ,  熊友曹

IPC: G06V10/778 ,  G06V10/82 ,  G06V10/40

Abstract: 本发明提供了一种用于动态智能货柜的鲁棒性特征学习方法，包括步骤S1根据第一输出特征图M生成第一全局抑制掩码G；步骤S2、生成第二全局抑制掩码G'；步骤S3、获得全局抑制后的第二特征图M'；步骤S4、划分所述M为多个连续的小尺度局部特征图mi，在所述mi上生成局部抑制掩码Ki'；步骤S5、将所述Ki'均匀覆盖在所述mi上，用于完成对所述mi上显著特征的抑制，获得MK'；步骤S6、采用步骤S1‑S3实施的全局抑制操作和步骤S4‑S5的局部抑制操作，最终生成第三输出特征图M”。本发明能够动态调整显著特征的抑制强度，获得精确的鲁棒性特征学习表现，提高了动态智能货柜零售商品识别的可信度。

公开(公告)号：CN116524178A

公开(公告)日：2023-08-01

申请号：CN202310224096.9

申请日：2023-03-10

Applicant: 中南大学

Inventor： 陈再良 ,  侯雅筝 ,  沈海澜 ,  张健

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/774 ,  G06V10/82 ,  G06N3/088 ,  G06N3/0895

Abstract: 本发明公开了一种基于半监督的MRI图像组织分割方法，包括获取图像数据并标记得到带标签和无标签数据图像；构建图像组织分割初步模型；随机选取若干张图像并进行增广得到强增广图像和弱增广图像；选择带标签的图像输入到当前分割模型并得到监督部分损失和边界损失；选择无标签的图像输入到当前的分割模型中并得到无监督损失；综合所有损失构成总损失函数，通过梯度下降算法反向传播以更新当前的分割模型的参数；重复以上步骤直至得到最终的图像组织分割模型；采用图像组织分割模型进行实际的MRI图像的组织分割。本发名还公开了一种包括所述基于半监督的MRI图像组织分割方法的成像方法。本发明可靠性高、精确性好且分割效果好。

公开(公告)号：CN116091551B

公开(公告)日：2023-06-20

申请号：CN202310237584.3

申请日：2023-03-14

Applicant: 中南大学

Inventor： 李芳芳 ,  夏伟代 ,  张健

IPC: G06T7/246 ,  G06F40/279 ,  G06T7/277 ,  G06T7/73

Abstract: 本发明提供一种基于多模态融合的目标检索跟踪方法，包括：对文本数据和图像数据进行特征提取，获得文本特征和图像特征；根据文本特征和图像特征进行回归运算，获得目标预测坐标；当出现跟踪漂移后重新感知目标位置，具体是：先划定一个搜索区域，并以目标图像作为模板区域，获得模板特征和搜索特征；以模板特征作为卷积核对搜索特征进行相关性滤波运算得到相关性特征，将相关性特征输入卷积神经网络得到相关性特征图；将文本特征和相关性特征图进行乘积运算获得重新感知的目标预测坐标。本发明还提供了使用该方法的目标检索跟踪系统。相较于传统跟踪算法大大提高了面对复杂跟踪环境的跟踪鲁棒性，提高了模型目标回归的精度。

公开(公告)号：CN116091551A

公开(公告)日：2023-05-09

申请号：CN202310237584.3

申请日：2023-03-14

Applicant: 中南大学

Inventor： 李芳芳 ,  夏伟代 ,  张健

IPC: G06T7/246 ,  G06F40/279 ,  G06T7/277 ,  G06T7/73

Abstract: 本发明提供一种基于多模态融合的目标检索跟踪方法，包括：对文本数据和图像数据进行特征提取，获得文本特征和图像特征；根据文本特征和图像特征进行回归运算，获得目标预测坐标；当出现跟踪漂移后重新感知目标位置，具体是：先划定一个搜索区域，并以目标图像作为模板区域，获得模板特征和搜索特征；以模板特征作为卷积核对搜索特征进行相关性滤波运算得到相关性特征，将相关性特征输入卷积神经网络得到相关性特征图；将文本特征和相关性特征图进行乘积运算获得重新感知的目标预测坐标。本发明还提供了使用该方法的目标检索跟踪系统。相较于传统跟踪算法大大提高了面对复杂跟踪环境的跟踪鲁棒性，提高了模型目标回归的精度。

公开(公告)号：CN115499668A

公开(公告)日：2022-12-20

申请号：CN202211431071.8

申请日：2022-11-16

Applicant: 中南大学

Inventor： 张健 ,  文翠娟

IPC: H04N19/467 ,  H04L9/08 ,  G10L19/018 ,  G06F21/16 ,  G06F21/62 ,  G06T1/00

Abstract: 本发明公开了一种音视频零水印生成、注册、版权鉴别方法及相关系统，分别提取音频流和视频流的固有特征，再将双模态的特征进行特征融合，从而得到音视频流的融合特征，利用融合后的特征和混沌序列系统产生的密钥生成主共享，再使用视觉密码技术,利用主共享和原始水印图像的特征生成从共享，将密钥及从共享注册存储到区块链中。当需要验证音视频流的版权信息时，从区块链中取出从共享和密钥，利用密钥生成主共享，再将主共享和从共享执行异或操作，得到还原的水印图像，计算原始水印图像和还原的水印图像之间的误码率BER，就可以进行音视频流的版权鉴定。

公开(公告)号：CN114913583A

公开(公告)日：2022-08-16

申请号：CN202210534584.5

申请日：2022-05-17

Applicant: 中南大学

Inventor： 刘熙尧 ,  胡家馨 ,  张健 ,  张伟 ,  贺建飚 ,  方辉

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习孪生网络的图像类型检测方法及系统，涉及目标检测技术领域，方法包括：获取待检测人脸图像；将待检测人脸图像输入至图像检测模型，以得到人脸图像的图像类型。其中，图像检测模型是依据第一损失函数、第二损失函数和训练集，对标定深度孪生网络进行训练得到的；训练集包括多个样本，每个样本包括初始人脸图像对和标签信息标定深度孪生网络包括第一特征提取模块、第二特征提取模块、对比损失模块和图像分类模块，且所述第一特征提取模块与所述第二特征提取模块之间权重共享。本发明结合孪生网络框架对图像对抗样本进行智能识别，有效提高面向图像深度识别模型在对抗样本攻击下的鲁棒性和可靠性。

公开(公告)号：CN114677966A

公开(公告)日：2022-06-28

申请号：CN202210412128.3

申请日：2022-04-19

Applicant: 中南大学

Inventor： 邓联文 ,  张健 ,  黄生祥

IPC: G09G3/3233

Abstract: 本发明提供了一种Micro‑LED显示设备及其反馈补偿电路，其中反馈补偿电路包括数据电流生成模块、电流检测模块、I‑V转换模块、参考电压模块、驱动信号产生模块和互补开关模块，其中数据电流生成模块用于生成数据电流，电流检测模块用于在编程阶段为反馈线路提供参考电压以加快反馈电流的建立速度，I‑V转换模块用于根据反馈电流和数据电流之间的差值生成电压信号并将该信号输入给互补开关模块；参考电压模块用于提供参考电压，驱动信号产生模块连接互补开关模块，互补开关模块用于为像素电路提供驱动信号，以控制像素电路中驱动管的充电过程和放电过程。本申请的技术方案，能够同时保证对Micro‑LED显示设备的补偿精度和补偿速度。

公开(公告)号：CN114606395A

公开(公告)日：2022-06-10

申请号：CN202210241344.6

申请日：2022-03-11

Applicant: 中南大学

Inventor： 彭志伟 ,  李光辉 ,  唐慧敏 ,  姜涛 ,  饶明军 ,  罗骏 ,  张健 ,  田冉 ,  朱广衍 ,  俞景峰

IPC: C22B23/00 ,  C22B1/02 ,  C22B1/24

Abstract: 本发明公开了一种实现红土镍矿高效选择性冶炼产品的方法，包括如下步骤：将红土镍矿细粉、硫化钠、含硅添加剂、还原剂混合获得混匀料，将混匀料压制成型，获得生团，将生团在微波的辅助下在保护气氛中进行焙烧，获得焙烧产物；所述焙烧的温度为500～900℃；焙烧的时间≦60min，控制混匀料中，组分的质量比的关系为：w(S)/w(SiO2)＝0.21～0.29；w(S)/w(C)＝2.26～3.08，或控制混匀料中，组分的质量比的关系为：w(S)/w(SiO2)＝0.37～0.45；w(S)/w(C)＝13.54～16.12；本发明通过配料成分比例以及工艺条件参数的联合控制，能够调控目标反应及产品的选择性，在低温短时条件下选择性的得到高质量还原焙烧产品或者硫化产品。本产品具有工艺简单、产品质量高、生产成本低、环境友好等诸多优点，为低品位红土镍矿的资源化利用提供了新方向。

公开(公告)号：CN114065760B

公开(公告)日：2022-06-10

申请号：CN202210040271.4

申请日：2022-01-14

Applicant: 中南大学

Inventor： 李芳芳 ,  苏朴真 ,  邓晓衡 ,  张健

IPC: G06F40/289 ,  G06F40/194 ,  G06F16/33 ,  G06K9/62

Abstract: 本发明提供了一种基于预训练语言模型的法律文本类案检索方法及系统，包括：根据原始法律主句文本数据和检索池文本数据，将待检索的法律文本类案信息整理成包括有主句和被检索句的数据信息作为模型训练的输入数据；将所述输入数据中的主句和被检索句进行分词处理和无效词性筛选，基于人工构建的罪名表定位函数得到最终具有关键信息的数据；对所述具有关键信息的数据进行位置向量的计算，确定数据之间的位置关系；利用训练好的预训练语言模型，检索出与查询主句案例相关的法律文本类案。最大限度的保留了有效文本特征，又减少了文本的长度，同时也保证了文本语义信息不被破坏、强化了重点特征的占比。在数据上、本质上提高了模型的精度和性能。

公开(公告)号：CN114548646A

公开(公告)日：2022-05-27

申请号：CN202111532410.7

申请日：2021-12-15

Applicant: 中南大学

Inventor： 李芳芳 ,  伍诗萌 ,  张健 ,  徐雪松 ,  毛星亮

IPC: G06Q10/06 ,  G06Q50/22 ,  G06F16/2458

Abstract: 本发明公开了一种基于关联规则的疫情风险因子识别方法，包括步骤：从官方数据源中提取数据；对提取的数据中的非离散型数据进行数据形式变换；对数据形式变换后的数据进行数据挖掘，生成关联规则，并识别出风险因子；先对关联规则进行分析排序，然后对风险因子进行分析，得出风险因子的风险程度；还公开了一种基于关联规则的疫情风险因子识别系统，该系统包括数据提取模块、数据处理模块、数据挖掘模块和综合分析模块；该方法通过对疫情相关数据进行特征分级与标签化，实现了疫情相关数据形式的转换，提高了数据的鲁棒性和延展性，从而可以利用关联规则对大规模、多维度的数据进行数据挖掘和分析，不再受限于数据的规模和维度。