-
公开(公告)号：CN115620803B
公开(公告)日：2023-10-20
申请号：CN202211359901.0
申请日：2022-11-02
Applicant: 南京理工大学
IPC: G16B5/20 , G16B15/30 , G16B40/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于跨图注意力的蛋白质相互作用点位预测方法，步骤如下：S1、获取蛋白质数据，对每一对蛋白质分别构建一个表示残基关系的图结构；S2、对于步骤S1中构建的图，提取残基的生信特征构建节点特征矩阵；S3、对于步骤S1中构建的图，提取残基的空间特征构建图邻接特征矩阵；S4、对步骤S3构建的蛋白质图通过图卷积神经网络进行图编码；S5、在步骤S4的基础上，对步骤S3构建的蛋白质图进行跨图信息交互；S6、对步骤S5得到的节点特征进行堆叠，构成残基对特征；S7、将步骤S6得到的残基对特征送入分类器，预测该残基对是否发生了相互作用。本发明的预测方法，具有较强的表征能力和学习能力，在蛋白质相互作用点位预测任务中获得了优异表现。
-
公开(公告)号：CN116386108B
公开(公告)日：2023-09-19
申请号：CN202310304443.9
申请日：2023-03-27
Applicant: 南京理工大学
IPC: G06V40/16 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于实例一致性的公平性人脸识别方法，涉及图像信号处理技术领域，该方法主要包括以下步骤：步骤一、对人脸图像样本进行特征提取；步骤二、利用步骤一提取到的人脸样本特征，计算样本和分类器类中心构成的负样本对的相似性，以及同类样本之间正样本对的相似性；步骤三、利用步骤二得到的两种相似性，分别计算人脸样本的误识率(False PositiveRate，FPR)和召回率(TruePositiveRate，TPR)；步骤四、根据步骤三得到的样本的FPR和TPR，修改人脸识别损失函数，计算样本FPR和TPR的一致性损失。本发明采用上述方法，相比于经典人脸识别方法具有实例级的公平性，具有较高的识别精度和较低的标准差，具备优越的泛化性。
-
Patent Agency Ranking
公开(公告)号：CN116108375B
公开(公告)日：2023-08-01
申请号：CN202211630011.9
申请日：2022-12-19
Applicant: 南京理工大学
IPC: G06F18/241 , G06F18/28 , G06F30/27 , G06N3/0464 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于结构敏感图字典嵌入的图分类方法，包括以下步骤：构造基础图字典‑分别用于对输入图和字典键进行建模，在此过程中，图卷积神经网络学习每个节点的嵌入表示‑将得到的嵌入表示输入到变分图字典自适应模块，学习出自适应图字典，生成更具表达能力的字典‑度量交叉图节点之间的相关性，并实现交叉图的嵌入‑对得到的嵌入表示通过全连接层获得更低维的嵌入表示，从而得到分类结果，并引入互信息作为目标，推导出自适应图字典的变分推理，使得能够端到端的进行训练和优化。本发明采用上述基于结构敏感图字典嵌入的图分类方法，增强了原始图字典的表达能力，提高了结构变化的灵敏度，从而为重要的局部相关模式，准确地表示输入图。
-
公开(公告)号：CN115527151A
公开(公告)日：2022-12-27
申请号：CN202211374647.1
申请日：2022-11-04
Applicant: 南京理工大学
Abstract: 本发明公开了一种视频异常检测方法、系统、电子设备及存储介质，涉及计算机视觉技术领域。所述方法包括：获取目标输入数据；所述目标输入数据为目标视频的连续帧图像；根据所述目标输入数据和视频异常检测模型，确定所述目标视频中是否存在异常，并输出预测数据；所述视频异常检测模型包括依次连接的特征提取器、特征编码器、特征解码器和异常分数处理器；所述特征编码器和所述特征解码器之间还连接有预测模块。本发明能够提高视频异常检测的精度。
-
公开(公告)号：CN115222953A
公开(公告)日：2022-10-21
申请号：CN202210626443.6
申请日：2022-06-02
Applicant: 南京理工大学
IPC: G06V10/44 , G06V10/774 , G06V10/26
Abstract: 本发明公开了一种基于多任务学习的弱监督图像语义理解方法，包括以下步骤：获取任务缺失图像，构建多层级任务共享编码器，逐层提取高级语义信息，输入相应的解码器分支；构建公共空间‑任务空间特征映射模块，通过不对齐任务融合模块与任务交互映射模块，映射更新各子任务特征；构建任务自适应特征更新模块，多层级迭代更新不对齐任务特征；构建任务自适应的弱监督图像语义理解框架，建立模型损失函数，将任务缺失的图像数据输入模型，获得语义分割、深度估计、表面法线估计等多任务预测结果。本发明根据任务标签不对齐的数据信息，通过公共空间与任务空间的映射交互，充分融合了不对齐任务特征，迭代生成高质量的多任务预测结果，能够有效处理任务缺失的弱监督问题，同时提高了各任务预测准确率。
-
公开(公告)号：CN112488117A
公开(公告)日：2021-03-12
申请号：CN202011436923.3
申请日：2020-12-11
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于方向诱导卷积的点云分析方法，包括构建方向诱导卷积模块，所述方向诱导卷积模块用于提取点云无序邻域的特征；基于方向诱导卷积模块，构建残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块；根据残差方向诱导卷积模块和最远点采样残差方向诱导卷积模块构建方向诱导卷积网络；将点云数据输入方向诱导卷积网络，获得点云分割结果和分类结果。本发明以一种端到端的方式更好的捕获了点云的局部空间结构，提高了点云分类以及点云分割的准确率。
-
公开(公告)号：CN110909642A
公开(公告)日：2020-03-24
申请号：CN201911108670.4
申请日：2019-11-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多尺度语义特征融合的遥感图像目标检测方法，使用卷积神经网络提取遥感图像的特征图，根据特征图的不同尺度大小，构建出特征金字塔；通过对特征金字塔网络中多层特征的融合，输出整张图像的掩码图和语义特征图；再利用候选区域网络，从掩码加权过的特征金字塔中提取出不同尺度对应的候选区域框；根据这些候选区域框，在特征金字塔网络、全图的语义特征图和原始输入图像上获得候选区域对应的局部特征，对这些多层次的局部区域特征进行融合操作，得到更加鲁棒的区域特征；最后，在感兴趣区域网络中根据融合的区域特征进行各个候选区域的边界框偏移量回归和类别预测。本发明更好地对多种特征进行了融合，提高了遥感图像目标检测的精度。
-
-
-
-
-
-
Search Results
57
records
(took 0.041 seconds)
