-
公开(公告)号：CN105646343A
公开(公告)日：2016-06-08
申请号：CN201610068836.4
申请日：2016-01-30
Applicant: 湖南大学
IPC: C07D215/14 , C07D215/18 , C07D215/20 , C07D215/48 , C07D241/42 , C07D277/64 , C07D263/56 , C07D217/04
CPC classification number: C07D215/14 , C07D215/18 , C07D215/20 , C07D215/48 , C07D217/04 , C07D241/42 , C07D263/56 , C07D277/64
Abstract: 本发明提供了一种氮杂芳基酚基甲酮类化合物的合成方法。该方法在氧气、氮气或空气氛围下进行，使用碘化合物为唯一催化剂，酸试剂，协同氧化剂和反应溶剂，直接以甲基取代的氮杂芳香化合物与酚类化合物合成氮杂芳基酚基甲酮类化合物。该方法不需引入金属催化剂，无需配体，微波辐射等特殊反应条件。底物廉价易得，在自然界中大量存在，不需要进行预官能团化且适应性较广，实验操作简单。同时该方法表现出良好的化学及区域选择性，能高效实现酚类化合物的酰基化。该目标化合物在医药尤其抗癌物质的设计与研发应用以及分析荧光检测追踪等方面具有潜在的应用前景。
-
公开(公告)号：CN119785272A
公开(公告)日：2025-04-08
申请号：CN202510274695.0
申请日：2025-03-10
Applicant: 湖南大学
IPC: G06V20/40 , G06N3/0464 , G06V10/42 , G06V10/44 , G06V10/82
Abstract: 本发明公开了一种基于时频混合网络的手术阶段识别方法、系统及设备，提出了时频混合网络，包括预测阶段和精炼阶段，预测阶段和精炼阶段均包括单阶段时序卷积模块、小波时序卷积模块和傅里叶注意力模块，其中，小波时序卷积模块，能够以较小的代价获取较大的感受野，它比常用的单阶段时序卷积模块具有更强频域特征提取能力，本发明将单阶段时序卷积模块和小波时序卷积模块结合起来，能够更好的获取局部特征细节和滤波；提出了一种傅里叶注意力模块，它由傅里叶滤波模块和注意力模块串联而成，傅里叶滤波模块能够滤掉不重要的特征，让后面的注意力模块能够更好的对全局范围建模，有效提高手术阶段识别效率。
-
公开(公告)号：CN119559554A
公开(公告)日：2025-03-04
申请号：CN202411620864.3
申请日：2024-11-14
Applicant: 湖南大学
IPC: G06V20/40 , G06V10/42 , G06V10/82 , G06V10/80 , G06V10/52 , G06N3/045 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于时频特征融合的手术阶段识别方法，基于构建的TFRCDLFormer网络实现，多级别频域特征模块对输入图片进行多层空洞卷积RCDL处理，再进行离散小波变换得到包含高频和低频的多级别频率信息，对频率信息进行处理后进行离散小波逆变换；多尺度时域特征模块对输入图片进行RCDL处理，再进行平均池化、上采样处理，得到不同尺度的特征信息，对每一种尺度的特征信息采用RCDL和Transformer的方法进行综合处理；多级别频域特征增强模块对多级别频域特征和多尺度时域特征进行特征融合，再对融合后的特征进行频域特征增强，通过全连接层后输出得到手术阶段识别预测结果。有效提升识别速度和精度。
-
公开(公告)号：CN118864827B
公开(公告)日：2025-01-03
申请号：CN202411345989.X
申请日：2024-09-26
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0464 , G06N3/084 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/64
Abstract: 一种针对大型装配过程全场景的统一化三维目标检测方法，包括：1、构建全场景激光雷达感知平台，采集三维点云数据；2、制作装配制造场景的检测数据集；3、构建三维目标检测模型；4、将训练集中的数据输入到三维目标检测模型中，得到目标分类结果和目标边界框回归结果；5、构建总损失函数，计算目标分类结果与目标边界框回归结果的损失值，循环4至5，直至总损失函数收敛，更新权重，得到训练后的三维目标检测模型；6、对训练后的三维目标检测模型进行测试，得到检测结果。本发明增加了装配效率，提高了装配质量，能及时发现和处理装配过程中的问题，避免了制造业中传统人工装配过程的安全隐患，有助于推动工业智能制造快速且高质量的发展。
-
公开(公告)号：CN119205810A
公开(公告)日：2024-12-27
申请号：CN202411261011.5
申请日：2024-09-10
Applicant: 湖南大学
IPC: G06T7/11 , G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本申请涉及一种基于神经网络架构搜索的工业缺陷分割方法，包括：通过跨尺寸权重共享策略使权重初始化的卷积神经网络、Transformer、多层感知机在不同尺寸下互相共享权重；构建搜索空间，将权重共享处理后的卷积神经网络、Transformer、多层感知机放入搜索空间；搜索空间用于同时搜索三种网络；基于搜索空间中三种网络的所有组合构建超网络，并训练超网络；对训练好的超网络进行进化搜索，得到最优子网络；基于预处理的工业产品表面缺陷数据集训练最优子网络，基于训练好的最优子网络构建缺陷分割模型；将待检测图像输入至缺陷分割模型输出像素级分割结果。该方法解决了传统检测方法在精度、效率和适应性方面的不足。
-
Patent Agency Ranking
公开(公告)号：CN118864562A
公开(公告)日：2024-10-29
申请号：CN202411345689.1
申请日：2024-09-26
Applicant: 湖南大学
IPC: G06T7/593 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种基于逐级长程捕捉与细节恢复的轻量双目立体匹配方法，构建轻量双目立体匹配模型并优化模型；获取输入图像，经过轻量特征提取器提取输入视图的特征获取分辨率不同的一组特征；级联与组代价体构建模块用于根据提取的特征分别构建不同尺度的级联代价体与组代价体；密集尺度感知融合模块通过迭代的方式对不同尺度的组代价体进行融合和上采样；长程感知融合模块使用组代价体约束级联代价体，获取新的融合后的代价体特征，再使用沙漏型的卷积模块进行聚合，将之上采样并与对应的新组代价体融合，得到最终的代价体；对最终代价体使用稀疏视差回归，并使用上采样方法恢复最终分辨率的视差图。模型超轻量，且有效提高实时性和泛化性能。
-
公开(公告)号：CN118736225A
公开(公告)日：2024-10-01
申请号：CN202410851305.7
申请日：2024-06-28
Applicant: 湖南大学
IPC: G06V10/26 , G06V10/774 , G06N3/084 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06V10/776 , G06N3/0985
Abstract: 本发明公开了一种基于自适应动态数据增广的医学影像域泛化分割方法，构建不同源域医学影像样本库，并按不同源域划分数据集；针对医学影像的特点构建数据增广策略搜索模型并初始化；利用伯努利分布和范畴分布分别对两个搜索空间的增广操作和子策略进行采样，得到采样子策略，并应用到数据集上进行增广，搭建分割模型和域预测器，将增广后的数据集输入到分割模型中进行训练，通过域预测器预测；基于预设的损失函数，利用交替微分和熵正则化最优传输理论对增广策略搜索模型优化，利用最小化交叉熵损失对域预测器进行优化，将满足三重联合优化的策略作为最优增广策略，并应用到分割模型中获得最终的医学影像分割结果。提高模型的泛化性能和鲁棒性。
-
公开(公告)号：CN118469839B
公开(公告)日：2024-09-27
申请号：CN202410941877.4
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本发明公开了一种基于边缘增强采样的机器人手术多源影像融合方法，使用改进多方向Sobel算子处理输入图像得到初步边缘特征图，利用双编码器对输入图像及初步边缘特征图进行编码，将每阶段编码结果输入边缘注意力增强模块计算出不同阶段边缘特征图的注意力权重，并与相同阶段输入特征进行融合，得到每阶段的边缘增强特征图；利用特征多阶融合模块使不同阶段的边缘增强特征图相融合，将输出与同阶段解码器跳接，提取二维术中影像解剖标志物的特征；使用多点透视成像模型计算提取到的二维术中解剖特征与已知的三维术前影像解剖特征间的转换矩阵，预测二维术中影像在三维术前影像中的位姿，实现机器人手术多源影像解剖特征的配准融合。
-
公开(公告)号：CN118628499A
公开(公告)日：2024-09-10
申请号：CN202411110848.X
申请日：2024-08-14
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06N3/126 , G06T7/60
Abstract: 本申请涉及一种基于网络架构搜索的航空发动机叶片缺陷检测方法，包括：对卷积神经网络和视觉Transformer网络的架构、参数进行统一，并整合为超级网络的架构；构建超级网络的架构搜索目标函数；基于ImageNet数据集以及缺陷检测数据集训练超级网络，并更新超级网络的互信息；采用进化算法，并基于架构搜索目标函数以及互信息搜索出超级网络的最优网络架构；根据识别准确率对最优网络架构进行筛选，将筛选出的最优网络架构作为特征提取网络的检测框架；将待检测的航空发动机叶片图像输入至检测框架，得到缺陷检测结果。该方法能够根据场景的变化自动设计出符合当前场景的最优神经网络架构。
-
公开(公告)号：CN117542084B
公开(公告)日：2024-08-20
申请号：CN202311659687.5
申请日：2023-12-06
Applicant: 湖南大学
Abstract: 本申请涉及一种语义感知的跨模态行人重识别方法，该方法包括：获取若干身份的行人图像及其对应的身份标签；对可见光图像进行数据增强得到辅助图像；构建跨模态语义感知网络模型，基于可见光图像、红外图像以及辅助图像训练跨模态语义感知网络模型；将测试可见光图像、测试红外图像分别输入至训练好的跨模态语义感知网络模型，得到可见光模态的行人特征和红外模态的行人特征；将其中一个模态的行人特征作为查询集，另一模态的行人特征作为图库集，计算查询集中各行人特征分别与图库集中各行人特征之间的相似度并排序，基于排序结果得到跨模态行人重识别结果。该方法可以强调与身份相关的语义特征并增强模态不变的细粒度表示。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.034 seconds)
