-
公开(公告)号：CN113610099B
公开(公告)日：2024-02-02
申请号：CN202110987114.X
申请日：2021-08-26
Applicant: 吉林大学
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及了一种环境感知方法，所述方法包括如下步骤：将初始时刻的RGB图像和深度图像输入轻量级特征提取网络进行特征提取，获得静态特征向量；根据静态特征向量生成当前环境的静态图表；将当前时刻的RGB图像和深度图像输入轻量级特征提取网络进行特征提取，获得动态特征向量；利用动态特征向量、上一时刻的动态图表和当前环境的静态图表，构建当前时刻的动态图表；将当前环境的静态图表和当前时刻的动态图表进行融合，获得当前时刻的环境感知结果。本发明不仅有效的分辨出了环境中的目标位置、类别，并进一步的结合人类的感知机理确定目标的优先级，本发明提供了一种基于人类感知机制的环境感知方法，提高了视觉辅助的适用性。
-
公开(公告)号：CN116090646A
公开(公告)日：2023-05-09
申请号：CN202310096379.X
申请日：2023-02-10
Applicant: 吉林大学
IPC: G06Q10/04 , G06Q10/0631 , G08G1/14
Abstract: 本发明适用于停车场管理技术领域，提供了一种用于室内停车场的最佳泊位求解方法，方法包括如下步骤：步骤一、采集相关数据；步骤二、将停车信息表单数据发送并保存至云服务器；步骤三、发出停车请求到云服务器；步骤四、云服务器接受停车请求并调用中央控制器；步骤五、中央控制器求解最佳泊位并规划最佳路径；步骤六、将获取的最佳泊位和路径传递至前端功能处理板；步骤七、根据获取的最佳泊位和路径信息开始泊车。本发明中的一种用于室内停车场的最佳泊位求解方法及停车引导系统，通过建立基于多因素决策的最佳泊位分配模型，综合考虑车主的个人需求以及停车场的系统利用率，在最大程度上提高了车主的停泊满意度，提高了停泊效率。
-
公开(公告)号：CN113553856B
公开(公告)日：2022-08-26
申请号：CN202110665262.X
申请日：2021-06-16
Applicant: 吉林大学
IPC: G06F40/30 , G06F40/279 , G06F40/205 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明涉及一种基于深度神经网络的争议焦点识别方法，包括步骤：获取大量的裁判文书，并使用正则表达式方法对裁判文书进行初步清洗，提取其中原告诉称及被告辩称表述，由法学专家进行成对表述的争议焦点类别标注，完成争议焦点库的构建；利用争议焦点库对基于深度神经网络的模型进行句子级与段落级的训练，得到争议焦点识别器；将待识别的诉辩双方成对表述经过预处理后作为输入，传入步骤二训练得到的争议焦点识别器中，争议焦点识别器输出争议焦点所属类别。本发明方法的流程可以通过机器自动学习完成，节省人工开支；识别准确率得到提升；能更好的进行争议焦点识别，为法官、检察官及其他司法人员快速、准确分析案件的关键信息提供支持。
-
公开(公告)号：CN109086537B
公开(公告)日：2023-05-05
申请号：CN201810915413.0
申请日：2018-08-13
Applicant: 吉林大学
Abstract: 本发明涉及一种基于FPGA的粒子群算法加速方法。本发明包括以下步骤：将所要求解的粒子群数据分成若干个可并行计算的数据组；在每次迭代过程中，首先，各数据组的数据独立并行计算，得到每个数据组的组内最优位置，然后根据各个数据组的组内最优位置得到本次迭代的粒子群的全局最优解；进行下一次迭代，直到满足预定的迭代终止条件，获得预设满足要求的最优解。本发明选择了FPGA作为粒子群算法加速器的计算平台，基于粒子群算法的数据流特点和FPGA器件的结构特征，不仅能够达到预期的加速效果，同时降低处理器功耗，进而满足无人驾驶、机器人路径规划等便携场景。
-
公开(公告)号：CN115761361A
公开(公告)日：2023-03-07
申请号：CN202211486499.2
申请日：2022-11-24
Applicant: 吉林大学第一医院
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06T7/00 , G06F16/51 , G06N3/0464 , G06N3/048 , G06N3/047
Abstract: 本发明公开了一种核磁共振影像预测模型构建方法，主要设计构思在于，从利用多阶段肝癌核磁影像数据之间的信息入手提升所构建的预测模型的预测性能，具体地，提出由多个多层的卷积神经网络作为影像特征的提取部分，在此环节之中引入多序列图像差异性提取金字塔模块，从输入的两两影像阶段之间挖掘差异信息并融入到影像特征提取操作之中，再将卷积神经网络提取到的包含差异信息的特征图送入多序列图像关联性注意力模块，学习到输入的不同阶段的核磁影像之间的关联关系，进而为后续实现精准预测分类提供丰富的参考信息。本发明能够充分利用增强核磁影像中不同阶段的图像之间的差异性信息及关联性信息，从而可以有效提升基于影像信息的模型预测性能。
-
Patent Agency Ranking
公开(公告)号：CN113239682B
公开(公告)日：2022-11-01
申请号：CN202110489772.6
申请日：2021-05-06
Applicant: 吉林大学
IPC: G06F40/232 , G06F40/205 , G06F3/04817 , G06F3/0484
Abstract: 本发明涉及一种裁判文书的纠错方法及装置，其中方法包括以下步骤：读取待纠错的裁判文书的内容，并根据读取的内容提取裁判文书的基础信息；根据关键字对读取的内容进行分段，同时标记每个段落对应的段落类型，段落类型包括当事人、审理经过、本院查明、本院认为和裁判结果；根据预先制定的纠错规则对基础信息、各个段落以及裁判文书的全文分别进行纠错，得到对应的错误提示信息；对错误提示信息进行高亮显示。本发明通过预先制定的纠错规则，对裁判文书的基础信息、裁判文书划分的各个段落以及裁判文书的全文分别进行纠错，并高亮显示相应的错误提示信息，可以更好地对裁判文书进行全面的检查纠错，提高了裁判文书的准确率办案人员的工作效率。
-
公开(公告)号：CN113239682A
公开(公告)日：2021-08-10
申请号：CN202110489772.6
申请日：2021-05-06
Applicant: 吉林大学
IPC: G06F40/232 , G06F40/205 , G06F3/0481 , G06F3/0484
Abstract: 本发明涉及一种裁判文书的纠错方法及装置，其中方法包括以下步骤：读取待纠错的裁判文书的内容，并根据读取的内容提取裁判文书的基础信息；根据关键字对读取的内容进行分段，同时标记每个段落对应的段落类型，段落类型包括当事人、审理经过、本院查明、本院认为和裁判结果；根据预先制定的纠错规则对基础信息、各个段落以及裁判文书的全文分别进行纠错，得到对应的错误提示信息；对错误提示信息进行高亮显示。本发明通过预先制定的纠错规则，对裁判文书的基础信息、裁判文书划分的各个段落以及裁判文书的全文分别进行纠错，并高亮显示相应的错误提示信息，可以更好地对裁判文书进行全面的检查纠错，提高了裁判文书的准确率办案人员的工作效率。
-
公开(公告)号：CN109883990B
公开(公告)日：2021-07-06
申请号：CN201910148749.3
申请日：2019-02-28
Applicant: 吉林大学
IPC: G01N21/359 , G06N3/04
Abstract: 本发明提供一种药用真菌近红外光谱分析方法，针对原始光谱数据进行完全自主的光谱预处理和特征波段提取的近红外光谱分析（ABRN），通过Attention模块实现对原始光谱进行增强特征波段，减弱噪声波段的自动预处理，然后使用残差神经网络对经Attention模块处理后的光谱数据进行特征提取和最终的含量预测。解决了在原始近红外光谱数据中大量噪声波段影响对特征波段选取准确性的问题，以及需要依赖专家经验进行人为的特征预处理而造成的一些微小特征的丢失，本发明针对原始近红外光谱无需人为干预，实现对原始近红外光谱中特征波段的自动提取以及活性成分含量的预测。
-
公开(公告)号：CN110827923A
公开(公告)日：2020-02-21
申请号：CN201911073759.1
申请日：2019-11-06
Applicant: 吉林大学
Abstract: 一种基于卷积神经网络的精液蛋白质的预测方法属于大数据、人工智能技术领域。本发明将现有文献和数据库的精液中已经被生物实验验证的蛋白质列表作为模型训练的正样本；在Pfam蛋白质家族信息数据库中删除正样本对应的蛋白质家族信息，在剩余的蛋白质家族信息数据库中查找家族中蛋白质数量超过5个的蛋白质家族，从这些蛋白质家族中随机选取5个蛋白质信息作为模型训练的负样本。将正样本和负样本数据分成训练集、验证集和测试集。对蛋白质特征进行特征选择，搭建模型，用训练集训练模型，验证集进行调参，测试集进行性能评价。输入为蛋白特征，输出为预测结果，提高了精液预测的准确率，最终实现精液蛋白的预测。
-
公开(公告)号：CN113553856A
公开(公告)日：2021-10-26
申请号：CN202110665262.X
申请日：2021-06-16
Applicant: 吉林大学
IPC: G06F40/30 , G06F40/279 , G06F40/205 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明涉及一种基于深度神经网络的争议焦点识别方法，包括步骤：获取大量的裁判文书，并使用正则表达式方法对裁判文书进行初步清洗，提取其中原告诉称及被告辩称表述，由法学专家进行成对表述的争议焦点类别标注，完成争议焦点库的构建；利用争议焦点库对基于深度神经网络的模型进行句子级与段落级的训练，得到争议焦点识别器；将待识别的诉辩双方成对表述经过预处理后作为输入，传入步骤二训练得到的争议焦点识别器中，争议焦点识别器输出争议焦点所属类别。本发明方法的流程可以通过机器自动学习完成，节省人工开支；识别准确率得到提升；能更好的进行争议焦点识别，为法官、检察官及其他司法人员快速、准确分析案件的关键信息提供支持。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.046 seconds)
