-
公开(公告)号：CN119151968B
公开(公告)日：2025-03-25
申请号：CN202411660471.5
申请日：2024-11-20
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于边界线索深度融合的息肉图像分割方法，通过构建边界线索深度融合网络，将肠息肉图像输入主干网络提取不同层次特征信息，以指导息肉区域提取；构建边界线索挖掘模块以借助部分层级特征获得边界细节信息,实现对息肉区域更精准的定位；构建前景目标增强模块增强网络结合反转注意力分支对前景目标整体结构特征的学习，使网络侧重于关注前景目标；构建深度特征融合模块集成边界信息和前景信息，通过级联特征融合以及边界信息引导进一步提高分割性能，最后利用训练好的模型得到息肉分割结果。本发明克服了息肉在边界不确定性及形态多样性时的局限性，并在训练中采用加权联合尺度差异损失优化模型，实现息肉区域高精度识别与分割。
-
公开(公告)号：CN119399495A
公开(公告)日：2025-02-07
申请号：CN202310517170.6
申请日：2023-05-09
Applicant: 北京航空航天大学杭州创新研究院 , 中国计量大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/74 , G06V10/764 , G06V10/774 , G06T7/00 , G06T7/90
Abstract: 本发明公开了一种新场景下目标检测性能自适应度量方法。该方法包括：融合光照、色偏和散度估计度量背景差异(S1)，其中，计算训练场景和应用场景的背景差异指标的统计量(S1‑1)；在此基础上，将训练场景作为正常场景，对应用场景进行分类，分为正常、高动态、强光、低照度、色偏以及低能见度场景，作为场景间背景差异的度量(S1‑3)。综合标签偏移和特征偏移度量目标差异(S2)；其中，通过KS检验计算标签偏移结果(S2‑1)；使用训练场景和应用场景中图像检测结果的目标特征熵计算特征偏移结果(S2‑2)；作为目标差异的度量结果。与现有方法不同，本发明方法不仅能够判断场景间是否存在域差异，还能细粒度地分析场景的域差异的类型。可以提升目标检测算法在新场景下的性能。
-
公开(公告)号：CN119360031A
公开(公告)日：2025-01-24
申请号：CN202411919763.6
申请日：2024-12-25
Applicant: 中国计量大学
Abstract: 本发明属于图像处理技术领域，公开了一种基于双分支特征渐进式融合网络的息肉图像分割方法，该方法构建基于特征和边界信息提取的双分支网络进行渐进式融合训练，主要包括基于点卷积视觉变换和逆向感知信息层的双分支主干网络、错位融合模块、错位单层融合模块、感知信息融合模块和多级残差解码模块，利用训练后的最佳模型对息肉图像进行分割，并对结果进行评估。本发明方法通过双分支结构有效提取边界信息和层级特征，采用渐进融合方式保留并提炼全局语义信息，克服了传统算法在息肉边界特征利用过程中的局限性，并在训练过程中采用边界差异联合损失优化模型训练过程，实现对息肉区域的高精度识别与分割。
-
公开(公告)号：CN119272641A
公开(公告)日：2025-01-07
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：CN119068200B
公开(公告)日：2025-01-07
申请号：CN202411554038.3
申请日：2024-11-04
Applicant: 中国计量大学
IPC: G06V10/26 , G06V10/82 , G06N3/0475 , G06N3/045 , G06N3/094 , G06V10/764
Abstract: 本方案提供了一种基于双模态的回转窑燃烧状态识别模型的构建及应用方法，该回转窑燃烧状态识别模型以回转窑燃烧图像和对应的分割结果作为双模态输入，在Swin Transformer的多头自注意力计算的每个滑动窗口内计算区域面积指数和区域亮度指数，并将区域面积指数和区域亮度指数动态融合为区域权重，利用区域权重调整当前滑动窗口多头自注意力计算。本方案的区域自适应注意力计算可使得模型在自适应地分配注意力时，能够更加灵活地关注燃烧状态中重要的特征区域，以提高回转窑燃烧状态识别模型对回转窑复杂的燃烧状态的识别。
-
Patent Agency Ranking
公开(公告)号：CN119229129A
公开(公告)日：2024-12-31
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。
-
公开(公告)号：CN118332342B
公开(公告)日：2024-10-01
申请号：CN202410749143.6
申请日：2024-06-12
Applicant: 杭州昊清科技有限公司 , 中国计量大学
IPC: G06F18/214 , G06F18/15 , G06F18/22 , G06F18/25 , G06N5/022 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明公开了一种工业流程数据增广与生成方法，采集工业流程中的原始数据，原始数据包括过程数据、历史数据、经验知识和机理知识；提取历史数据、经验知识和机理知识的特征后，基于上下文注意力机制进行知识的交叉融合，得到上下文注意力数据；对过程数据进行时序处理，对得到的时序数据经编码后，与上下文注意力数据一同进行解码，得到增广数据；对于缺失的工业流程数据，将其上下游工序的数据融合后进行条件扩散，得到生成的当前工序数据，将生成的当前工序数据与上下游工序的机理条件进行条件扩散，得到生成的上下游工序数据，基于原始的和生成的上下游工序数据相似度，判断所生成的当前工序数据的有效性。
-
公开(公告)号：CN117274852A
公开(公告)日：2023-12-22
申请号：CN202310983393.1
申请日：2023-08-07
Applicant: 中国计量大学 , 杭州昊清科技有限公司
Abstract: 本发明公开了一种轻量化的违规投递垃圾行为识别方法，包括：S1.基于垃圾投递行为规范获取垃圾投递行为的视频数据；S2.将获取的视频数据分为多个行为视频类别，得到投递垃圾的行为视频数据集；S3.根据得到的行为视频数据集构建基于时空通道注意力机制的轻量化投递垃圾行为识别模型；S4.根据得到的行为视频数据集构建基于YOLO目标检测算法的手持垃圾人体的目标检测模型；S5.将待检测的视频数据输入至目标检测模型中进行检测，判断目标检测模型是否输出手持垃圾的结构，若是，则将待检测的视频数据输入至行为识别模型进行识别，行为识别模型输出是否规范的结果。
-
公开(公告)号：CN115100588A
公开(公告)日：2022-09-23
申请号：CN202210608558.2
申请日：2022-05-31
Applicant: 中国计量大学
Abstract: 一种基于深度学习的违规投递垃圾行为检测方法，包括：在非垃圾投递时间段内获取安装在垃圾投递亭外侧的监控摄像头拍摄的画面；利用基于深度学习的目标检测算法对视频画面中的行人、垃圾袋和垃圾桶进行逐帧检测，得到行人、垃圾袋和垃圾桶的检测框坐标信息、类别；若检测到第t帧画面中存在行人，则截取第t帧画面中所有垃圾袋和行人检测框图像；将第t帧中检测到的行人检测框图像输入到人体关键点检测模块中输出图像中人体的关键点坐标信息；计算第t帧中的所有垃圾袋与所有行人的交并比，判断行人是否携带垃圾袋进入监控区域，计算第t帧中每个垃圾袋与垃圾桶的距离和行人是否做出投递动作来判断行人是否存在违规投递垃圾行为。
-
公开(公告)号：CN114973653A
公开(公告)日：2022-08-30
申请号：CN202210448701.6
申请日：2022-04-27
Applicant: 中国计量大学
Abstract: 本发明时间序列预测领域，公开了一种基于时空图卷积网络的交通流预测方法，其具体步骤包括：获取交通流数据，使用线性插值方法来补全它的缺失数据；在图卷积网络中把各个节点的交通流数据按照时间的顺序进行输入，同时输入的还有邻接矩阵，让图卷积网络来提取它的空间特征；根据图卷积网络中提取的空间特征，来动态的设计门控循环单元，让它在提取时间特征的同时可以更好的结合时空信息，提高交通流预测的准确性，更好的满足人民的生活需求。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.021 seconds)
