-
公开(公告)号:CN107007252A
公开(公告)日:2017-08-04
申请号:CN201710226327.4
申请日:2017-04-08
Applicant: 上海中医药大学附属曙光医院 , 同济大学
IPC: A61B3/14
CPC classification number: A61B3/14
Abstract: 本发明实施例涉及电子技术领域,公开了一种目诊信息采集器。本发明实施例中,目诊信息采集器包括:壳体、处理器、视频采集器以及信息发射器;所述处理器、所述视频采集器以及所述信息发射器均设置于所述壳体;所述处理器连接于所述视频采集器与所述信息发射器;其中,所述处理器控制所述视频采集器采集眼睛的图像。本发明实施例提供的目诊信息采集器体积小且方便携带,使得人们能够实时采集目诊信息,从而使得目诊场所与目诊时间可根据用户需要选择,极大的方便了用户,从而提醒用户随时关注自己的健康状况,以便于疾病的及时发现。
-
公开(公告)号:CN118446074A
公开(公告)日:2024-08-06
申请号:CN202410085174.6
申请日:2024-01-20
Applicant: 同济大学
IPC: G06F30/27 , G06F30/18 , G06Q10/0639 , G06Q50/26 , G06N3/042 , G06F119/02
Abstract: 本发明涉及智能交通领域,提出了一种基于图神经网络与综合韧性计算的交通韧性评估方法。包括步骤:步骤1,基于原始交通速度数据,采用动态图神经网络模型进行功能性指标即交通速度预测;步骤2,基于原始交通速度数据,构建交通路网的空间物理拓扑结构,进行结构性指标计算;步骤3,融合功能及结构指标构建综合评价指标,并结合所设计的综合韧性评估算法实现城市交通路网韧性评估。根据在公开数据集PEMS‑BAY上的实验,与其他最新且受认可的方法相比,本发明能够更准确地进行城市交通路网的韧性评估。
-
公开(公告)号:CN117765718A
公开(公告)日:2024-03-26
申请号:CN202311501863.2
申请日:2023-11-13
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本申请属于智能交通领域,提出了基于扩散概率模型数据重建的交通韧性评估方法,包括步骤:步骤1:基于扩散概率模型对原始韧性指标数据进行重建;步骤2:协同利用原始韧性指标数据与重建数据进行韧性指标预测;步骤3:建立基于最短路径概念的、兼顾功能韧性与结构韧性的综合韧性评估算法,实现具有实时性和一定预测性的城市交通路网韧性评估。本发明可以有效判断交通系统在低概率突发事件影响下的性能,实现多粒度、全面且动态的交通韧性评估,并指导决策用以增强城市路网交通系统对突发事件的抵抗、恢复及适应能力。
-
公开(公告)号:CN117334043A
公开(公告)日:2024-01-02
申请号:CN202311273726.8
申请日:2023-09-28
Applicant: 同济大学
IPC: G08G1/01 , G06Q10/0639 , G08G1/052
Abstract: 本发明涉及智能交通领域,提出了基于神经注意受控微分方程的城市交通路网韧性评估方法,包含三个步骤:步骤1:基于原始交通速度数据进行功能性指标预测;步骤2:基于原始交通速度数据进行结构性指标计算;步骤3:融合功能及结构指标构建综合评价指标体系,并结合多指标韧性评估算法实现城市交通路网韧性评估。本发明继承了神经受控微分方程训练时高效的内存利用率、处理缺失观测值的鲁棒性,又展示了处理长时间突变抖动信号的特殊优势,对时序数据趋势特征尤为敏感,能够胜任于建模动态长时间交通速度数据预测。此外,所设计的综合韧性评价指标体系及多指标韧性评估算法能够实现城市交通路网韧性的精准评估。
-
公开(公告)号:CN112417134B
公开(公告)日:2022-05-13
申请号:CN202011198008.5
申请日:2020-10-30
Applicant: 同济大学
IPC: G06F16/34 , G06F16/33 , G06F40/126 , G06F40/232 , G06F40/284 , G06K9/62 , G10L15/26
Abstract: 基于语音文本深度融合的摘要自动生成系统及方法,包括预处理与语音对应模块、编码器模块、解码器特征融合模块、损失函数模块。预处理与语音对应模块包括文本获取和语音对应。解码器特征融合模块包括中间摘要生成、声音特征的融合、修正后摘要生成。损失函数模块包括中间摘要损失函数、修正后摘要的评估函数。对于用户语音数据,通过文本获取得到语音对应的文本,经过语音对应得到按字对应的语音特征;文本数据经过预训练xlnet编码器,得到文本的向量表示;文本向量与语音特征通过解码器的声音特征融合以及中间摘要生成后学习得到中间摘要;对于中间摘要重新利用xlnet编码得到对于文本的进一步理解,最后再经过修正后摘要生成学习得到最终的摘要。
-
公开(公告)号:CN112241682B
公开(公告)日:2022-05-10
申请号:CN202010970031.5
申请日:2020-09-14
Applicant: 同济大学
IPC: G06V40/10 , G06V10/25 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/80 , G06K9/62
Abstract: 本发明涉及计算机视觉领域,采用深度学习框架,提出了一种基于分块以及多层信息融合的端到端行人搜索方法。本方法包括:1)使用监控摄像机所拍摄的整幅画面作为数据输入;2)使用卷积神经网络提取初步的特征,随后使用候选区域提取网络提取可能存在行人的候选区域;3)对上述候选区域的特征进行池化并使用另一卷积神经网络提取用于行人识别的特征,将特征进行分块进行处理,与网络的中层特征进行特征融合,最后使用在线实例匹配损失训练网络;4)将测试图像输入网络,网络输出图像中的行人位置及对应特征,最后将行人检测结果以及与待查找行人的相似度标注在图像上。此算法相比现有方法具有更加准确、鲁棒性好的特点。
-
公开(公告)号:CN112331216A
公开(公告)日:2021-02-05
申请号:CN202011183292.9
申请日:2020-10-29
Applicant: 同济大学
Abstract: 基于复合声学特征和低秩分解TDNN的说话人识别系统及方法。对输入的语音信号在预处理后采用MFCC和归一化互相关函数进行声学特征提取,将两种特征复合;在说话人模块中,将复合声学特征输入低秩矩阵分解TDNN进行帧级别特征提取,再经过统计池化层后,通过两个全连接层和一个softmax层完成段级别特征提取,并得到输入语音对应的特征向量。上述方法在采用低秩矩阵分解对TDNN进行优化,能够显著减小参数规模,加快训练速度;同时在网络中采用跳层连接,以减少梯度消失的出现;相较于常规声学特征提取在MFCC特征的基础上增加了归一化互相关函数进行音高特征提取,弥补了单纯采用MFCC对高频信息的损失,增加了特征的多样性,提高说话人识别的准确性。
-
公开(公告)号:CN112241682A
公开(公告)日:2021-01-19
申请号:CN202010970031.5
申请日:2020-09-14
Applicant: 同济大学
Abstract: 本发明涉及计算机视觉领域,采用深度学习框架,提出了一种基于分块以及多层信息融合的端到端行人搜索方法。本方法包括:1)使用监控摄像机所拍摄的整幅画面作为数据输入;2)使用卷积神经网络提取初步的特征,随后使用候选区域提取网络提取可能存在行人的候选区域;3)对上述候选区域的特征进行池化并使用另一卷积神经网络提取用于行人识别的特征,将特征进行分块进行处理,与网络的中层特征进行特征融合,最后使用在线实例匹配损失训练网络;4)将测试图像输入网络,网络输出图像中的行人位置及对应特征,最后将行人检测结果以及与待查找行人的相似度标注在图像上。此算法相比现有方法具有更加准确、鲁棒性好的特点。
-
公开(公告)号:CN106997428A
公开(公告)日:2017-08-01
申请号:CN201710226313.2
申请日:2017-04-08
Applicant: 上海中医药大学附属曙光医院 , 同济大学
Abstract: 本发明实施例涉及电子技术领域,公开了一种目诊系统。本发明实施例中,目诊系统包括:可携带的目诊信息采集器与终端模块;目诊信息采集器连接于终端模块;其中,目诊信息采集器用于采集眼睛的图像并将眼睛的图像发送至终端模块;终端模块用于根据眼睛的图像生成目诊参考信息。本发明实施例将可携带的目诊信息采集器与具便携性的终端模块结合在一起,使得目诊场所与目诊时间可根据用户需要选择,极大的方便了用户,从而提醒用户随时关注自己的健康状况,以便于疾病的及时发现。
-
公开(公告)号:CN103049454A
公开(公告)日:2013-04-17
申请号:CN201110312662.9
申请日:2011-10-16
Applicant: 同济大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于多标签分类的中英文搜索结果可视化系统,该系统包括:显示模块,用于显示用户界面及搜索结果;搜索模块,用于根据用户查询语句调用搜索引擎API进行搜索,并获取搜索结果,分别整合中文和英文的搜索结果;分类模块,用于对搜索模块获取的结果进行中英文多标签分类,并对分类结果进行整合;可视化模块,用于对整合后的分类结果实现Web用户界面设计,并通过显示模块输出。与现有技术相比,本发明借鉴粒计算细想,通过采用基于贝叶斯理论的多标签分类方法,可对搜索结果进行有效的多标签分类和整合,通过采用该方法设计可视化系统,能够根据用户的需求按类别显示搜索结果,同时尽量做到不丢失搜索结果,提高用户浏览效率,改善用户浏览体验。
-
-
-
-
-
-
-
-
-