-
公开(公告)号：CN115063364A
公开(公告)日：2022-09-16
申请号：CN202210659677.0
申请日：2022-06-13
Abstract: 一种基于人工智能的智慧中医舌诊方法及计算机存储介质，属于智慧医学技术领域，该方法分为三个阶段：基于TransFuse网络的舌体分割；基于OPENCV的舌体分割后处理；基于集成学习的智能分析方法。所述计算机存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行所述的基于人工智能的智慧中医舌诊方法对应的操作。本发明在基于Transfuse的基础上，充分利用了CNN网络和Transformer网络，集两种网络之所长，可以捕获低层次空间和高级语义特征，大幅度提升了模型的训练和推理效率，提升了模型部署在云端或智能终端的效率。本发明具有显著的优势，算法准确率、健壮性和鲁棒性有了明显的提升。
-
公开(公告)号：CN115063364B
公开(公告)日：2025-04-25
申请号：CN202210659677.0
申请日：2022-06-13
IPC: G06T7/00 , G06T7/11 , G06T7/149 , G06T7/62 , G06V10/22 , G06N3/0455 , G06N3/0464 , G06N3/098
Abstract: 一种基于人工智能的智慧中医舌诊方法及计算机存储介质，属于智慧医学技术领域，该方法分为三个阶段：基于TransFuse网络的舌体分割；基于OPENCV的舌体分割后处理；基于集成学习的智能分析方法。所述计算机存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行所述的基于人工智能的智慧中医舌诊方法对应的操作。本发明在基于Transfuse的基础上，充分利用了CNN网络和Transformer网络，集两种网络之所长，可以捕获低层次空间和高级语义特征，大幅度提升了模型的训练和推理效率，提升了模型部署在云端或智能终端的效率。本发明具有显著的优势，算法准确率、健壮性和鲁棒性有了明显的提升。
-
公开(公告)号：CN118916683B
公开(公告)日：2025-02-14
申请号：CN202411389473.5
申请日：2024-10-08
Applicant: 吉林大学
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/042 , G06N3/0985 , G06F18/25
Abstract: 本发明属于人工智能的多模态讽刺检测技术领域，具体涉及一种基于联合注意力和图学习增强的多模态讽刺检测方法，包括：提取图像文本对的初始图像特征和初始文本特征；对所述初始图像特征和初始文本特征进行联合交叉注意力学习处理，获取联合注意力的图像特征和联合注意力的文本特征；利用图学习对所述联合注意力的文本特征进行增强；将增强后的文本特征和联合注意力的图像特征进行结合，利用结合后的特征预测讽刺倾向。本发明利用联合注意力机制以同时捕捉模态内与模态间的语义不一致性，利用图学习的方式使单模态内捕捉到的内在联系更好地融入到多模态信息当中，以解决多模态讽刺检测任务中的模态间讽刺信息不一致问题。
-
公开(公告)号：CN110992309B
公开(公告)日：2023-08-18
申请号：CN201911082827.0
申请日：2019-11-07
Applicant: 吉林大学
Abstract: 本发明公开了一种基于深层信息传递网络的眼底图像分割方法，所述方法通过构建深层信息提取网络，以预处理的眼底图片训练构建的深层信息传递网络，为眼底图像分割提供更好的网络模型，拟合出眼底图像的视盘区域，提升图像分割的精度。本发明使用预训练网络对编码层进行初始化，训练得到与图像分割任务需求相关的网络，在网络中采用解码层网络模块，提升了分割精度；深层信息传递网络模块与特征图上下文提取模块相结合，将特征图的高维特征传递到最终输出的预测图，使解码路径信息丢失更少；对编码层的深层网络采用了空洞卷积，保持参数不变的情况下扩大了卷积核的感受野，提取了更全面的特征图信息。
-
公开(公告)号：CN116127078B
公开(公告)日：2023-07-21
申请号：CN202310416484.7
申请日：2023-04-19
Applicant: 吉林大学
Abstract: 本发明公开了一种大规模极弱监督多标签政策分类方法及系统，包括以下步骤：基于未标记政策语料库对WoBERT进行连续的预训练，获得政策领域专用的语言模型；利用所述政策领域专用的语言模型，从所述未标记政策语料库中学习与标签名称语义相关的种子词，并为每个类别种子词构建种子词汇表；利用所述种子词汇表中的类别种子词信息，为未标记的政策生成伪标签，并将带有伪标签的政策添加到伪训练集中；利用所述伪训练集对所述政策领域专用的语言模型进行训练，利用训练好的所述政策领域专用的语言模型为政策进行编码操作，完成多标签政策分类。本发明利用用户提供标签名称，而不是使用任何的标记文档，来对海量的政策数据进行分类。
-
Patent Agency Ranking
公开(公告)号：CN115599918B
公开(公告)日：2023-06-23
申请号：CN202211360252.6
申请日：2022-11-02
Applicant: 吉林大学
IPC: G06F16/35 , G06F40/216 , G06F18/241 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本申请公开了一种基于图增强的互学习文本分类方法及系统，包括预处理待分类文本，得到文本图结构和文本序列；基于所述文本图结构，构建图文本分类模型；将所述文本序列输入预训练语言模型中；基于所述图文本分类模型和所述预训练语言模型，构建互学习框架；对所述互学习框架进行学习和更新，得到互学习文本分类结果。一种利用互学习方式的图文本分类模型与预训练语言模型有效结合的框架，基于图文本分类模型与预训练语言模型相结合，在一个框架下同时对两个基本模型进行优化；通过使用不同的学习率、学习次数克服两种不同模型收敛速度不匹配的问题。
-
公开(公告)号：CN115457568A
公开(公告)日：2022-12-09
申请号：CN202211141204.8
申请日：2022-09-20
Applicant: 吉林大学
IPC: G06V30/164 , G06V30/42 , G06V30/19 , G06V30/148 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种基于生成对抗网络的历史文档图像降噪方法及系统，获取历史文档图像，构建文字骨骼提取网络训练集和生成对抗网络训练集；基于文字骨骼提取网络训练集，构建文字骨骼提取网络，获得文字骨骼图像；基于生成对抗网络训练集和文字骨骼图像，构建生成对抗网络，获得图像降噪模型；训练图像降噪模型，基于训练好的图像降噪模型，获得历史文档噪声图像的降噪结果。解决了历史文档图像中对于复杂噪声的处理问题，使图像降噪质量得到显著提高，具有很强的利用价值。
-
公开(公告)号：CN110321451B
公开(公告)日：2022-08-05
申请号：CN201910340096.9
申请日：2019-04-25
Applicant: 吉林大学
IPC: G06F16/583 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明公开了一种基于分布熵增益损失函数的图像检索算法，所述算法使用预训练网络进行初始化，根据图像检索任务的需求训练网络，在训练网络时使用自行设计的分布熵增益损失函数，提升了图像检索的准确率；分布熵增益损失函数结合了对比损失函数和相对熵，增强了训练网络时图像相似性度量的准确性；对比损失函数通过欧氏距离计算特征之间的相似度，相对熵可以用于衡量特征向量之间的分布差异，将相对熵补充到对比损失函数中改善了特征向量相似性度量；使用分布熵增益损失函数训练网络模型，通过调整网络参数得到更适用于图像检索任务的网络模型，训练后的网络模型在图像检索实验中取得了更优的检索效果。
-
公开(公告)号：CN113011514B
公开(公告)日：2022-01-14
申请号：CN202110336566.1
申请日：2021-03-29
Applicant: 吉林大学
IPC: G16H30/20 , G06K9/62 , G06N3/04 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于双线性池化应用于CT影像的颅内出血亚类型分类算法，所述算法创新性地以细粒度分类的角度去解决颅内出血亚类型分类这个问题，在CNN部分使用了紧凑双线性池化的网络架构，提高了神经网络的特征表达能力，提升了分类性能。双线性池化已经被证明是解决细粒度分类问题的有效方法。它通过对高阶统计信息进行建模，将来自两个不同源的CNN或者同源的CNN的特征看作是两种不同的特征。并对两个特征进行外积计算，然后通过池化操作进行特征融合以捕获不同特征之间的关系，进而得到更强的全局特征表示。该方法用图像平移不变的方法，对局部的成对特征进行交互式建模。
-
公开(公告)号：CN113160232A
公开(公告)日：2021-07-23
申请号：CN202110336555.3
申请日：2021-03-29
Applicant: 吉林大学
Abstract: 本发明公开了一种基于MU‑Net应用于CT影像的颅内出血病灶分割算法，所述颅内出血病灶分割算法在基于U‑Net的基础上提出了一个新的分割结构MU‑Net，并将其应用到颅内出血分割任务中。在编码器模块，引入了Res2Net的网络模块。这样的设计可以提取更精细的多尺度特征，并增加特征图的感受野。为了减少编码层和解码层对应层次之间存在的语义鸿沟，提出了多编码信息融合模块(MIF)，通过对特征进行信息融合有效地弥补解码器丢失的全局信息。除此之外，为了进一步减小编码器解码器之间的语义鸿沟并且聚集多尺度信息，本发明提出了新的解码器模块(MDB)。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.022 seconds)
