-
公开(公告)号：CN109241995A
公开(公告)日：2019-01-18
申请号：CN201810866142.4
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于改进型ArcFace损失函数的图像识别方法，采用基于深度学习的图像识别网络对图像的特征进行提取，将提取的特征用来描述图像的主要信息，采用改进型ArcFace损失函数对基于深度学习的图像识别网络进行训练，改进型ArcFace损失函数在角度空间通过既减小类内距离又增大类间距离来最大化分类边界，从而提高图像识别模型识别的准确性。本发明用于模式识别领域。
-
公开(公告)号：CN109101915A
公开(公告)日：2018-12-28
申请号：CN201810864964.9
申请日：2018-08-01
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于深度学习的人脸与行人及其属性识别网络结构设计方法，将得到行人关键点轨迹特征与行人特征提取子网络连接的全连接层进行特征融合得到融合特征；对同一个人多张人脸图像进行关键点检测得到的人脸关键点，通过计算得到人脸关键点轨迹特征，将得到人脸关键点轨迹特征与人脸多任务识别子网络连接的全连接层进行特征融合得到融合特征 ，利用融合特征进行人脸及其属性识别；将融合特征 和融合特征 进行特征融合得到特征融合 ，利用融合特征 进行行人及其属性识别。
-
公开(公告)号：CN119649035B
公开(公告)日：2025-05-23
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119272641B
公开(公告)日：2025-05-23
申请号：CN202411813374.5
申请日：2024-12-11
Applicant: 中国计量大学
IPC: G06F30/27 , G06N3/0455 , G06N3/082 , G06F119/02 , G06F119/04
Abstract: 本发明公开了一种融合预训练大语言模型的工业设备剩余寿命预测方法，属于深度学习、大语言模型、时序数据特征提取等技术领域，针对工业设备时序数据的复杂性和高维特征，首先通过时序数据预处理模块对原始数据进行处理，得到独立分段的退化数据，再利用输入嵌入模块的标记编码、位置编码和时间编码实现对退化数据的编码，然后通过预训练大语言模型参数微调模块实现预训练的大型语言模型与时间序列的特征对齐，并将预训练权重传递给预训练大模型附加网络编码模块，减少需要调整的参数数量，同时提高模型的泛化能力和准确率，最后通过输出层得到工业设备剩余寿命的预测结果。
-
公开(公告)号：CN119229129B
公开(公告)日：2025-03-25
申请号：CN202411729938.7
申请日：2024-11-29
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于牙根边缘加权损失的牙齿图像分割方法，涉及医学图像处理领域，该方法通过构建牙根边缘加权损失的牙齿实例分割网络并进行训练，分割网络主要包括主干网络、精炼特征增强模块、牙根边缘特征增强模块和牙根边缘加权交叉熵损失函数，利用训练后得到的最佳模型得到牙齿实例分割结果。本发明的方法深度融合了牙根边界线索以及牙齿的细节特征，以产生精细的牙齿掩码，克服了传统算法在面对牙根边界不确定性以及由于牙齿种类繁多时的局限性，并在训练过程中采用加权交叉熵损失函数优化模型训练过程，实现了对牙齿的高精度识别与分割。
-
Patent Agency Ranking
公开(公告)号：CN119649035A
公开(公告)日：2025-03-18
申请号：CN202510170370.8
申请日：2025-02-17
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/30 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/048
Abstract: 本发明公开了一种基于非线性特征的牙齿实例分割方法，属于图像处理、深度学习技术领域，首先采集病人口腔X光片并对其进行图像质量评估，对不合格的图像进行去噪处理，按FDI牙位表示法制作掩码图像，构建并训练非线性特征的牙齿实例分割网络进行牙齿图像的实例分割，其主干网络由编码器模块、反向机制模块、密集扩张模块、解码器模块、拼接模块、输出模块、感受野特征卷积核注意力混合模块组成，本发明深度挖掘牙齿深层特征信息，以产生更准确的实例分割结果，克服了传统方法在面对牙齿图片复杂和牙齿种类繁多时的局限性，并在训练结束后对训练结果进行指标评价，在符合设定的基准指标后输出分割结果，实现了对牙齿的高精度识别与分割。
-
公开(公告)号：CN119625038A
公开(公告)日：2025-03-14
申请号：CN202510146999.9
申请日：2025-02-11
Applicant: 中国计量大学
IPC: G06T7/33 , G06N3/045 , G06N3/082 , G06N3/0895
Abstract: 本申请提出了一种基于弱监督学习的MRI‑TRUS图像配准方法及装置，包括以下步骤：首先获取待配准的MRI图像与TRUS图像，将其输入预训练的分割子网络，得到相应掩码。接着把这些掩码和原图像再输入预训练的配准子网络获取配准结果。配准子网络含变换场和配准单元，变换场单元生成密集变换场，配准单元以MRI掩码和图像为移动对象，TRUS掩码和图像为固定对象，依据变换场使移动对象配准到固定对象中。通过分割子网络来获取待配准MRI掩码以及待配准TRUS掩码，再以待配准MRI掩码以及待配准TRUS掩码为引导在配准子网络中进行精确配准。
-
公开(公告)号：CN119227817A
公开(公告)日：2024-12-31
申请号：CN202411757786.1
申请日：2024-12-03
Applicant: 中国计量大学
Abstract: 本发明公开了一种大模型多智能体协同的机械制造知识问答方法，属于计算机技术领域，获取并将机械制造领域问题与预设的策略配置提示词输入至中枢智能体，以判断是否采用并行策略来解决问题；中枢智能体根据是否采用并行策略来决定问题的分解方式分为并行分解和串行分解；对于并行分解，中枢智能体将问题拆分为多个独立的子问题，并输入到检索智能体多步推理模块，分别获得对应子问题的答案，最后将多个子问题答案输入到中枢智能体，得到最终回答；对于串行分解，中枢智能体按逻辑顺序将问题拆分为一系列有序的解决步骤，将先拆解出的问题输入到检索智能体多步推理模块，再根据得到的答案及原始问题拆解出新问题，以此类推，直至得到最终答案。
-
公开(公告)号：CN119135925A
公开(公告)日：2024-12-13
申请号：CN202411621137.9
申请日：2024-11-14
Applicant: 中国计量大学
IPC: H04N19/54 , H04N19/597 , H04N19/91 , H04N19/88 , H04N19/184 , H04N19/147 , H04N19/149 , G06T9/00
Abstract: 本发明公开了一种基于高效采样与优化熵模型的点云端到端压缩方法，在现有技术上通过利用局部图的构造、图特征嵌入和基于注意的采样设计神经图采样模块，将其嵌入到编码过程中的特征提取网络，采用多模块堆叠的方式来提取原始点云的潜在关键点，有效提升了采样效率；通过非对称空间信道熵模块利用可变形动态核扩展空间聚合能力，并将潜在变量沿着信道维度分组，在保持编码效率的同时减少了统计冗余。本发明基于神经图采样模块和非对称空间信道熵模块的加入，实现了最具采样价值点的获取和分布参数估计的有效优化，从而实现海量点云数据的端到端压缩。
-
公开(公告)号：CN119090351A
公开(公告)日：2024-12-06
申请号：CN202411225751.3
申请日：2024-09-03
Applicant: 中国计量大学
IPC: G06Q10/0639 , G06Q10/04 , G06Q50/04 , G06F18/24 , G06N5/025 , G06N5/02 , G06N5/045 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于异构因果图注意力网络的大规模定制质量预测方法。本发明针对大规模定制生产模式模块化生产、定制化组装等特点以及数据中多尺度、数据混杂的问题设计质量预测方法。首先，提出了一种PCAM因果发现算法，利用机理和数据联合构建因果骨架，基于加性噪声模型并引入了评分机制获得可靠的因果图结构；然后基于因果图结构，针对多尺度问题，设计了异构因果图注意力网络HCGAT，利用不同的权重参数矩阵，将不同维度的节点特征映射到相同维度上，再通过图注意力网络进行训练。最后，针对大规模定制生产定制化产品的特点，提出了一种适合于大规模定制生产的质量预测框架，通过定制化组装信息设计了定制化编码，并基于此构建了筛选器和判断器对数据进行分类和处理，再利用HCGAT作为子模型对不同种类产品数据进行质量预测。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.03 seconds)
