-
公开(公告)号：CN118135240A
公开(公告)日：2024-06-04
申请号：CN202410075206.4
申请日：2024-01-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种面向边缘环境的深度学习模型压缩方法，该方法是先收集边缘环境的图像数据，归集为数据集；对数据集进行图像增强处理，选择一个强大的教师模型对数据集进行预训练；再选择一个较小模型作为学生模型，利用经过预训练的教师模型进行知识蒸馏来训练学生模型，在学生模型训练过程中，添加跨层蒸馏损失函数，采用最邻近上采样方法，将教师模型的深层特征以及学生模型的深层特征进行向上的特征融合，以此增强浅层特征的注意力，使教师模型在浅层特征也能转移更多的知识，提升学生模型性能的效果；将经过知识蒸馏的学生模型部署到边缘环境进行图像识别工作。该方法仅对原始特征图进行处理，无需额外的辅助网络或对知识进行浓缩处理。
-
公开(公告)号：CN118097660A
公开(公告)日：2024-05-28
申请号：CN202410044725.4
申请日：2024-01-11
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/69 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于相似注意力机制的乳腺癌细胞核分割方法及系统，所述方法包括：1)采用了传统数据增强方法来增加数据的多样性；2)采用了相似注意力机制以加强细节特征提取；通过膨胀卷积来扩大感受野并设置锯齿状膨胀系数消除空洞效应；使用密集连接和多分辨率跳跃连接实现层与层之间的连接和多尺度融合；添加Dropout层防止过拟合；3)在对乳腺癌细胞核精确分割的同时，对其进行细胞核计数、形态提取，为临床诊断乳腺癌分级提供基础；本发明能够精确分割乳腺癌细胞核，解决乳腺癌细胞核形态多样，细胞核边缘粘连严重难以分割等问题，可以有效地辅助医生进行乳腺癌的早期诊断和治疗。
-
公开(公告)号：CN117934491A
公开(公告)日：2024-04-26
申请号：CN202410110644.X
申请日：2024-01-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06T7/10 , G06V10/764 , G06V10/762 , G06V10/778
Abstract: 本发明涉及医学图像分割技术领域，特别是涉及一种基于半监督深度学习的腺体分割方法，包括：获取待分割腺体图像；将所述待分割腺体图像输入预设的分割模型中，获取分割预测图，其中，所述分割模型基于训练集训练获得，所述训练集包括有标注的结直肠癌腺体图像和乳腺癌腺体图像，无标注的结直肠癌腺体图像和乳腺癌腺体图像，所述分割模型包括教师模型、学生模型和教师助理模型，所述教师模型、学生模型和教师助理模型的主干网络均采用DeepLabv3+网络构建。本发明能够有效地提升结直肠癌和乳腺癌腺体图像的分割精度。
-
公开(公告)号：CN117891936A
公开(公告)日：2024-04-16
申请号：CN202410081176.8
申请日：2024-01-19
Applicant: 桂林电子科技大学
IPC: G06F16/34 , G06F40/151 , G06F40/126 , G06F40/117 , G06F40/289 , G06F40/216 , G06Q50/18 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种用于法律判决文书的长文本生成式摘要方法，首先，对原始法律判决文书数据集进行语料转换；其次，将转换过的文本输入到RoBERTa模型中进行处理，使用编码器对文本进行法律文本摘要特征提取；最后，利用UniLM的seq2seqLM，生成法律判决文书的精炼摘要。为了克服模型解码时无法生成表中未包含字词的问题，引入了复制机制。同时为解决生成判决文本摘要中的重复性，采用了覆盖机制。这一创新方法为法律领域的文书摘要生成提供了高效、准确的解决方案。本发明方法能够自动生成法律判决文书摘要，具备简便易用的特点，减少了对人工干预的需求，其高度应用性使其在判决文书处理、文案处理等领域展现出广泛的适用性。
-
公开(公告)号：CN116740493A
公开(公告)日：2023-09-12
申请号：CN202310653375.7
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V10/774 , G06V10/82 , G06V10/40 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于语义关系的多尺度无锚框目标检测方法，包括以下步骤：首先进行原始图片目标特征提取，再目标间语义关系构建，最后通过目标分类、中心度计算和位置回归，输出检测结果；本发明不同于现有方法由于锚框数量大而需要大量的计算资源，摒弃了传统anchor‑based方法需要预先根据目标尺寸设计各种超参数的复杂过程，减轻了计算资源的开销，更加易于算法模型的落地，且训练时间更短。进一步的，由于关系模块的引入，借鉴了自注意力机制，提高了小目标乃至是受遮挡物体的检测精度，一定程度上提高了方法的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN116052149A
公开(公告)日：2023-05-02
申请号：CN202310020106.7
申请日：2023-01-06
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
IPC: G06V20/62 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于CS‑ABCNet的电力塔牌检测识别方法，包括如下步骤：步骤1：采集输电铁塔标识牌数据集；步骤2：使用索贝尔算子，对数据集进行预处理，分别从横向和纵向两个方向计算图像中物体的边缘信息；步骤3：在ABCNet的Backbone使用ReXNet进行特征提取，以达到网络模型轻量化的目的。这种方法针能对塔牌特征进行图像预处理，优化网络结构，使用轻量级卷积神经网络获得特征图，检测头引入注意力模块CBAM，提高了塔牌的识别精度和性能。
-
公开(公告)号：CN114973244B
公开(公告)日：2023-04-11
申请号：CN202210659966.0
申请日：2022-06-12
Applicant: 桂林电子科技大学
IPC: G06V20/69 , G06V10/764 , G06V10/80 , G06T7/00
Abstract: 本发明公开了一种乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，属于数字图像处理技术技术领域，包括：输入图像预处理模块：对原始图片进行按照预定的patch尺寸切割，并通过图片翻转、旋转等方式进行数据增强；分割模块：通过在训练集中裁剪patches训练一个分割网络，将测试集数据按相应尺寸切割并送入分割网络，得到patch级的分割结果，然后将分割后结果按照其在预处理阶段截取的patch坐标信息来重建出属于原始尺寸的图像。该乳腺癌H&E染色病理图像有丝分裂自动识别系统和方法，对于准确地分割和分类乳腺癌有丝分裂的细胞，特别是样本细胞数量稀少，特征复杂的，具有重要意义。
-
公开(公告)号：CN113733071A
公开(公告)日：2021-12-03
申请号：CN202111105141.6
申请日：2021-09-22
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器人运动运动控制技术领域，且公开了一种工业机器人运动控制装置，包括两个固定块，两个所述固定块之间转动连接有多个第一丝杆，两个所述固定块之间位于所述第一丝杆的下方固定有多个第一滑杆，所述第一丝杆的外侧壁螺接有移动块，所述第一滑杆的外侧壁与所述移动块滑动连接，所述移动块的顶部固定有机械臂，设置第一丝杆、第一转块、第二转块、第一转杆、第一齿轮、第一插孔、第二插孔、电机、连接杆、活动块、第一插头、第二插头、第三插头、第四插头、第五插头、第一滑块、滑槽和第一磁铁，这样机械臂需要移动时，移动电机，使第四插头插入第二插孔内与第五插头相插合，启动电机这样，电机带着连接杆和第二转块转动。
-
公开(公告)号：CN110826558A
公开(公告)日：2020-02-21
申请号：CN201911033072.5
申请日：2019-10-28
Applicant: 桂林电子科技大学
Abstract: 本申请公开图像分类方法、计算机设备和存储介质，使用深度残差网络提取特征，得到特征图，解决了网络退化、梯度消失的问题，提取了更多有用的特征信息，所花费的时间也将更短；采用优化后的区域建议网络，过滤掉很多无用的候选框，使筛选下来的候选框置信度更高，对判别图像更有效；采用了稀疏化B-CNN，提高关键特征的显著性，有效解决训练集不是很大时产生过拟合的影响，提高了识别准确度；本申请实施例将优化后的优化后的区域建议网络和稀疏化B-CNN网络融为一体，两个网络相互协调作用，较大地提高了细粒度图像分类的准确度以及减少了花费的时间。
-
公开(公告)号：CN110427924A
公开(公告)日：2019-11-08
申请号：CN201910846195.4
申请日：2019-09-09
Applicant: 桂林电子科技大学
IPC: G06K9/00 , G06N3/04 , A61B5/0452
Abstract: 本发明公开了一种基于LSTM的心冲击信号自动多分类识别方法，步骤为：获取数据集训练样本；采用小波阈值去噪的方法对获得的数据集训练样本进行预处理，得到纯净的心冲击信号；对得到的心冲击信号配合自适应阈值完成IJK波的定位，得到心冲击信号的心拍截取；构建LSTM网络模型，将得到的心冲击信号的心拍截取作为LSTM模型的输入数据，对网络模型进行训练并测试；训练过程利用反向传播算法对构建的LSTM网络模型进行权值优化，使网络收敛到全局最优；LSTM网络模型输出识别率，得到分类准确率，根据混淆矩阵分类的正误，计算kapaa系数，评估该模型的分类精度。该方法能够解决RNN存在的长程依赖和传统方法过度依赖于人工设计和分类精度不高的问题，获得较好的分类效果。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.025 seconds)
