公开(公告)号：CN111460959A

公开(公告)日：2020-07-28

申请号：CN202010227373.8

申请日：2020-03-27

Applicant: 北京大学 ,  北京大学第一医院

Inventor： 代腾宇 ,  高莹 ,  张杨 ,  康恒 ,  黄雨

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/40 ,  G06F16/583

Abstract: 本申请实施例公开了一种单据管理的方法及相关装置，用于实现单据的精确管理。本申请实施例方法包括：接收单据图片并保存所述单据图片至数据库，按照预设规则处理所述单据图片，分割所述单据图片以获得目标区域，识别所述目标区域内的文本信息，根据所述文本信息判断所述数据库内是否存在与所述文本信息属性相同的表格，若否，则根据所述文本信息创建与所述文本信息属性相同的表格以存储所述文本信息。其中，根据单据内包含的文本信息创建对应表格以进行存储，实现了单据的精确管理。

公开(公告)号：CN114996461B

公开(公告)日：2023-01-06

申请号：CN202210839075.3

申请日：2022-07-18

Applicant: 北京大学

Inventor： 黄雨 ,  代腾宇 ,  楼轶维

IPC: G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种医学不良事件文本分类方法、装置、电子设备及介质，属于深度学习技术领域。所述方法包括：构建文本分类模型，所述文本分类模型包括：深度金字塔卷积神经网络、循环卷积神经网络和分类层，所述分类层用于基于所述深度金字塔卷积神经网络和循环卷积神经网络的特征融合结果进行分类；将医学不良事件文本输入所述文本分类模型，经过所述文本分类模型处理后，获得医学不良事件文本分类结果。本发明构建的文本分类模型融合了深度金字塔卷积神经网络和循环卷积神经网络，可以基于深度金字塔卷积神经网络和循环卷积神经网络的特征融合结果对医学不良事件文本进行有效分类。

公开(公告)号：CN111310509A

公开(公告)日：2020-06-19

申请号：CN202010171578.9

申请日：2020-03-12

Applicant: 北京大学

Inventor： 康恒 ,  代腾宇 ,  毛振宇 ,  黄雨

IPC: G06K7/14

Abstract: 本发明涉及条码检测技术领域，具体涉及一种基于物流运单的实时条码检测系统及方法，本发明获取条码图片信息，并通过Block1来快速的缩小图片的大小；对压缩后的图片利用Block2进行特征提取；通过特征增强模块进行两个阶段的融合；对条码图片加入边界信息的学习；利用混合损失函数对边界信息进行预测，输出结果；本发明提供一种轻量级的全卷积骨干网络，特征增强模块，将不同层的特征进行融合，将混合损失函数首次引入到条码检测中，将边界学习引入到条码检测中，对条码识别达到了很快的速度和精度。

公开(公告)号：CN114996461A

公开(公告)日：2022-09-02

申请号：CN202210839075.3

申请日：2022-07-18

Applicant: 北京大学

Inventor： 黄雨 ,  代腾宇 ,  楼轶维

IPC: G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种医学不良事件文本分类方法、装置、电子设备及介质，属于深度学习技术领域。所述方法包括：构建文本分类模型，所述文本分类模型包括：深度金字塔卷积神经网络、循环卷积神经网络和分类层，所述分类层用于基于所述深度金字塔卷积神经网络和循环卷积神经网络的特征融合结果进行分类；将医学不良事件文本输入所述文本分类模型，经过所述文本分类模型处理后，获得医学不良事件文本分类结果。本发明构建的文本分类模型融合了深度金字塔卷积神经网络和循环卷积神经网络，可以基于深度金字塔卷积神经网络和循环卷积神经网络的特征融合结果对医学不良事件文本进行有效分类。