-
公开(公告)号：CN115035299B
公开(公告)日：2023-06-13
申请号：CN202210697730.6
申请日：2022-06-20
Applicant: 河南大学
IPC: G06V10/26 , G06V10/82 , G06V10/42 , G06V10/80 , G06N3/0464
Abstract: 本发明公开一种基于深度学习的改进型城市街景图像分割方法，包括：基于深度学习的改进型城市街景图像分割模型DEEPLS：使用编码解码的框架和ResNet101作为骨干网络，在ASPP模块中新增一层膨胀率为3的空洞卷积，合并之后的6层用并行的3×3卷积处理之后再用1×1卷积调整通道数，得到的特征图先2倍上采样，输入到CBAM注意力机制再2倍上采样，最后和经过CBAM注意力机制的浅层特征拼接融合得到预测图；基于改进型城市街景图像分割模型DEEPLS对城市街景图像进行分割。本发明能获取更精细的前景细节信息，提升城市街景图像分割效果。
-
公开(公告)号：CN115983405A
公开(公告)日：2023-04-18
申请号：CN202310089208.4
申请日：2023-02-03
Applicant: 河南大学
Abstract: 本发明提供一种智能家居场景下基于云边端的高效联邦学习方法。该方法包括：云端服务器获取学习任务并初始化初始模型，并下发至参与训练的通讯基站；通讯基站将学习任务及初始模型发送至参与训练的临时服务器及家居终端；家居终端根据本地数据和初始模型或第一中间模型进行本地训练，得到新的本地模型并传输至临时服务器；临时服务器将所有本地模型以及自身的本地模型进行加权聚合，得到第一中间模型并返回至各家居终端；重复执行前两个步骤，直至满足结束条件后，将第一中间模型传输至通讯基站；通讯基站对所有第一中间模型进行加权聚合，得到第二中间模型并返回至云端服务器；云端服务器对所有第二中间模型进行聚合，得到最终的全局模型。
-
公开(公告)号：CN115956928A
公开(公告)日：2023-04-14
申请号：CN202211728090.7
申请日：2022-12-29
Applicant: 河南大学
IPC: A61B5/372 , A61B5/291 , A61B5/00 , A61B5/11 , G06N3/0464
Abstract: 本发明公开一种基于深度学习的手部运动脑电信号分类方法，包括以下步骤：1)按照手部动作实验范式进行数据采集，构建手部运动脑电信号数据集，并对数据集进行滤波、去伪迹等预处理操作；2)加入自动权重数据平衡模块，加入动作电位特征提取卷积模块，引入注意力机制模块，构建基于改进的EEGNet脑电信号分类网络；3)设置脑电信号分类网络的超参数、损失函数，使用数据集进行训练，得到脑电信号分类网络模型；4)使用已训练网络模型进行脑电信号分类，并对分类结果进行评估。本发明能够适用于手部动作脑电信号分类检测处理，检测精确率高，在人类手部肢体康复系统领域应用前景广泛。
-
公开(公告)号：CN115147457A
公开(公告)日：2022-10-04
申请号：CN202210797892.7
申请日：2022-07-08
Applicant: 河南大学
Abstract: 本发明提供一种基于时空感知的记忆增强型自监督跟踪方法及装置。该方法包括：给定视频中的一个当前帧，并从记忆存储库中与获取距离当前帧最近的前一帧记忆帧，记忆帧是指带有跟踪对象掩码的历史帧；使用RAFT计算当前帧和记忆帧的光流以得到当前帧中的ROI区域；分别计算当前帧和记忆帧的特征图，并计算当前帧中ROI区域内的特征图与记忆帧中ROI区域内的特征图之间的关联矩阵；根据关联矩阵构建得到新的当前帧；根据新的当前帧采用轨迹一致性策略判断当前帧的跟踪区域是否含有跟踪对象；若含有跟踪对象，则再次使用RAFT计算新的当前帧与记忆帧的光流以重新得到新的当前帧中的ROI区域，从而实现当前帧的对象跟踪。
-
公开(公告)号：CN113313264B
公开(公告)日：2022-08-12
申请号：CN202110616360.4
申请日：2021-06-02
Applicant: 河南大学
Abstract: 本发明提供一种车联网场景下的高效联邦学习方法。该方法包括：步骤1：路侧单元得到备选学习任务集合；步骤2：选定训练任务；步骤3：建立初始模型参数，将训练任务和其网络地址发送至覆盖范围内的车辆；步骤4：各车辆解析训练任务的任务信息，然后决定是否参加训练过程；若参加，则通过网络地址与路侧单元建立通信连接；步骤5：将初始模型参数发送至建立各车辆；步骤6：各车辆使用本地数据对当前模型参数进行本地训练，并上传至路侧单元；步骤7：一旦接到某一车辆上传的本地训练模型就实时计算其权值，将其实时加权聚合至全局模型中，并生成当前模型参数并实时返回至各车辆；步骤8：迭代执行步骤6至步骤7，直至满足设定的迭代次数。
-
Patent Agency Ranking
公开(公告)号：CN114792300A
公开(公告)日：2022-07-26
申请号：CN202210098820.3
申请日：2022-01-27
Applicant: 河南大学
Abstract: 本发明公开一种基于多尺度注意力X光断针检测方法，本发明根据工业应用的特点，将多尺度注意力X光异物检测算法应用于X光异物检测，优化了残差神经网络的结构，这些改进使模型在工业级应用上检测速度和精度符合工业标准，确保模型的泛化能力强；相较传统的X光金属异物检测系统，基于深度学习的多尺度注意力X光异物检测算法可以检测本身含有金属的产品异物，经过重新训练后也可以根据用户需求识别其他异物，并可以快速部署在X光检针机上，实现了快速、全自动化、可保存数据、及时反馈的断针识别检测。
-
公开(公告)号：CN114386621A
公开(公告)日：2022-04-22
申请号：CN202111501125.9
申请日：2021-12-09
Applicant: 河南大学
Abstract: 本发明提供一种基于联邦学习的人类活动识别方法和系统。该方法包括：步骤1：服务器确定训练任务和对应的活动数据特征，生成初始模型参数并下发至各个客户端；步骤2：每个客户端根据接收到的初始模型参数或新的全局模型参数，结合自身的本地活动数据进行本地训练，生成本地更新参数，将本地更新参数上传到服务器；步骤3：服务器将接收到的各个客户端的本地更新参数进行加权平均聚合以产生新的全局模型参数，将新的全局模型参数下发至各个客户端；步骤4：重复执行步骤2至步骤3，直至达到训练停止条件得到最终的全局模型参数，服务器将最终的全局模型参数下发至各个客户端。本发明在保护用户隐私的同时提升了HAR识别的准确率。
-
公开(公告)号：CN114265929A
公开(公告)日：2022-04-01
申请号：CN202111598105.8
申请日：2021-12-24
Applicant: 河南大学
Abstract: 本发明属于文本数据处理技术领域，特别涉及一种融合多层次主题特征的文本摘要自动生成方法及装置，该方法包括首先基于平均词嵌入方法，将源文本对应的词向量映射成固定长度的句向量；然后将源文本对应的句向量输入到编码器中的双向GRU网络中，并得到每个句向量所对应的隐藏层状态；其次，基于生成的隐藏层状态，对源文本进行局部主题特征和全局信息特征提取；最后将提取到的局部主题特征和全局信息特征融入到源文本中进行解码，依次从源文本中选取句子组成摘要。本发明在解码时融入局部主题特征和全局信息特征，使得生成摘要贴合上下文信息，提高生成摘要的质量。
-
公开(公告)号：CN113947156A
公开(公告)日：2022-01-18
申请号：CN202111234643.9
申请日：2021-10-22
Applicant: 河南大学
Abstract: 本发明公开一种健康群智感知系统及其成本优化的联邦学习方法，本发明提出了云边端的系统架构和成本优化的联邦学习模型，通过云边协同的方式部署联邦学习来训练全局模型；在成本优化的联邦学习模型中，边根据待训练全局模型的验证精度决定是否参与本轮次训练，使得通讯成本和局部训练成本得以优化，云对接收到的局部模型更新进行质量评估并选择高质量的局部模型更新参与全局模型的聚合，从而提升学习效率。基于公开数据集的大量实验证明了本发明所提方法在保证全局模型精度的前提下，有效降低了通讯成本和训练成本。
-
公开(公告)号：CN113610706A
公开(公告)日：2021-11-05
申请号：CN202110815730.7
申请日：2021-07-19
Applicant: 河南大学
Abstract: 本发明公开了基于卷积神经网络的模糊监控图像超分辨率重建方法，包括建立数据集，并对所述数据集进行预处理，建立神经网络模型，所述神经网络模型包括第一分支和第二分支，所述第二分支包括特征提取单元、学习映射单元和图像重建单元，其中，所述特征提取单元为双通道特征提取单元，所述学习映射单元为残差块学习映射单元，所述特征提取单元、学习映射单元和图像重建单元依次连接，所述图像重建单元的输出与第一分支的输出进行特征图融合，对构建的神经网络模型进行训练和测试，通过损失函数指导网络的训练，得到训练好的神经网络模型。提高了图像重建的质量有益效果。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.022 seconds)
