-
公开(公告)号：CN112446404A
公开(公告)日：2021-03-05
申请号：CN201910831633.X
申请日：2019-09-04
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于主动学习的在线图像样本标注系统、标注方法及其应用，所述标注方法包括以下步骤：标注平台前端从标注平台后端抽取未标注图片、以及当前机器学习模型对图片进行处理得到的预测类别和预测分数进行展示；抽取未标注图片时，基于主动学习算法优先抽取重要样本到数据库，然后通过标注平台前端进行展现给标注者；标注者在标注平台前端中挑选预测错误的样本进行标注，得到标注结果，并反馈到数据库；平台后端定时对数据库内的数据进行抽取，自动反馈给机器学习模型进行训练。提高机器学习模型的准确度。本发明通过主动学习方法优先标注最重要的样本，把正确和错误的样本反馈给机器学习模型，使模型能够自适应的不断提升预测准确率。
-
公开(公告)号：CN112244875A
公开(公告)日：2021-01-22
申请号：CN202011248815.3
申请日：2020-11-10
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于脑电与深度学习的精神分裂症探测方法，包括提取测试样本、将所得测试样本转换为测试输入图像、将所得测试输入图像输入到深度学习模型中，并且进行鲁棒性特征提取得到鲁棒性特征、将提取到的鲁棒性特征输入到极限学习机分类器中，进行精神分裂症的探测并输出探测结果。其深度学习模型由卷积神经网络和长短期记忆神经网络构成。卷积神经网络可以利用卷积层进行特征提取，不需要反复寻找合适的特征，节省了大量的时间。同时，利用卷积层进行特征提取，可以通过改变卷积核的大小来提高对精神分裂症探测的准确度，操作简便，速度更快，并且可使准确度高达90％以上。
-
公开(公告)号：CN117547284A
公开(公告)日：2024-02-13
申请号：CN202210270998.1
申请日：2022-03-18
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: A61B5/369 , A61B5/18 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06F18/23213 , G06F18/2411
Abstract: 本发明公开了一种基于虚拟现实的驾驶员状态在线识别系统及方法，包括以下步骤：步骤1，使用Unity 3D引擎和虚拟现实设备搭建虚拟现实驾驶系统；步骤2，使用脑电采集设备和Unity 3D引擎采集驾驶员在虚拟现实环境下的原始脑电信号和驾驶行为数据；步骤3，对采集的数据进行预处理；步骤4，根据预处理后的驾驶行为数据通过聚类K‑means算法划分不同的警觉度状态，提取不同警觉度状态下的脑电信号时频特征和变异系数特征，得到提取特征后的脑电数据；步骤5，使用机器学习算法训练得出分类准确率高的分类模型；步骤6，将实时采集的脑电信号数据进行分析处理后放入分类模型中，得出在线识别的驾驶员警觉度状态。本发明可实现在线识别，识别正确率高。
-
公开(公告)号：CN109924973A
公开(公告)日：2019-06-25
申请号：CN201910049378.3
申请日：2019-01-18
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: A61B5/0476 , G06K9/00
Abstract: 本发明公开了一种基于GBDT模型的癫痫前期EEG信号识别方法与云端系统，所述解码方法，包括以下步骤：步骤1，提取待测试癫痫病人的原始EEG时间序列信号，对其进行低通滤波后，提取信号均值、标准差、最大值、最小值、变异系数、80％分位数和20％分位数作为特征；步骤2，基于小波分解算法，把低通滤波后的信号分解为d1-d5五个不同分辨率下的子信号；步骤3，利用功率谱分析，提取五个不同分辨率下的子信号的信号强度；步骤4，利用GBDT机器学习模型进行预测：将得到的五个不同分辨率下的子信号的信号强度输入到所述GBDT机器学习模型，以预测出病人是否处于癫痫前状态；步骤5，返回模型预测结果。本发明预测精准度高，便于维护。
-
公开(公告)号：CN109924974B
公开(公告)日：2022-02-08
申请号：CN201910049383.4
申请日：2019-01-18
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN113536823A
公开(公告)日：2021-10-22
申请号：CN202010281542.6
申请日：2020-04-10
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开了一种基于深度学习的视频场景标签提取系统及其方法，所述方法包括以下步骤：步骤1，样本构建模块收集图片样本，二次标注场景标签；步骤2，数据预处理模块对步骤1得到的图片样本进行预处理，并分为训练集和验证集；步骤3，利用步骤2得到的训练集训练所述深度学习模型模块中的深度学习模型，再利用验证集进行验证，得到识别模型；步骤4，所述识别与处理模块对要处理视频的关键帧进行抽取，并记录其在视频中对应的时间点，对抽取到的关键帧进行预处理；把预处理产生的关键帧图片输入到识别模型中，得到识别出的可能的场景标签。本发明解决了视频内容信息提取不充分的问题，客户可基于识别的信息，优化视频的推荐和搜索效果。
-
公开(公告)号：CN109924974A
公开(公告)日：2019-06-25
申请号：CN201910049383.4
申请日：2019-01-18
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: A61B5/0476 , G06N3/06 , G06K9/00 , G06K9/62
Abstract: 本发明公开了一种基于EcoG癫痫神经信号的解码方法和云端解码系统，所述解码方法，包括以下步骤：步骤1，提取原始颞叶EcoG时间序列信号，对其进行低通滤波后，检测和计算放电峰值，然后提取放电峰值附近的放电信号波形；步骤2，基于Haar小波分析方法，提取步骤1中所述的放电信号波形的小波系数作为特征；步骤3，基于SVM模型，对采集到的小波系数特征进行学习模型训练，再利用该学习模型进行预测，步骤4，返回模型预测结果。本发明可在智能医疗装置在采集到病人EcoG信号后，可通过网络api，访问该云端部署的癫痫EcoG识别模型，上传病人准实时EcoG信息，获取返回的分类结果。
-
公开(公告)号：CN118823484A
公开(公告)日：2024-10-22
申请号：CN202411097087.9
申请日：2024-08-12
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于脉冲神经网络的时空域特征动态目标识别方法，包括：基于卷积神经网络对特征图像进行插值处理与融合处理，使各层特征图像之间能够跨层融合；在卷积神经网络中引入空间注意力机制，增强空间维度特征，对特征图像进行多次压缩处理并与特征提取网络结合建立融合层；将特征图像转换成脉冲信息，基于脉冲神经网络获取卷积层的输出特征图像，在池化层对输出特征图像进行池化操作；基于脉冲神经网络对输出特征图像再次进行处理并拼接所有输出特征图获取融合特征图以输出权值参数，执行动态目标识别任务。本发明提供的方法能够结合卷积神经网络和脉冲神经网络的优势，实现高速时变信息特征提取和准确分类。
-
公开(公告)号：CN113536847A
公开(公告)日：2021-10-22
申请号：CN202010306648.7
申请日：2020-04-17
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
Abstract: 本发明公开一种基于深度学习的工业场景视频分析系统及其方法，所述分析系统通过网络公开数据集和人工采集标注的方法构建样本大数据集合，利用YOLOV3模型进行类别标签训练和识别，客户可以把该模型部署到嵌入式系统上，从而获取相关识别结果，解决了人工监控效率低下的问题，客户可基于识别信息，做出记录或报警等有效决策。
-
公开(公告)号：CN113297447A
公开(公告)日：2021-08-24
申请号：CN202010114005.2
申请日：2020-02-24
Applicant: 天津职业技术师范大学(中国职业培训指导教师进修中心)
IPC: G06F16/951 , G06F16/9535 , G06F16/9538
Abstract: 本发明公开了一种基于关键词的知识产权文本信息抓取与可视化分析系统，可以通过网络爬虫技术利用专利搜索引擎搜索相关关键词的文本信息，利用fasttext文本分类模型就行关键词标签训练和预测，接着利用词云技术对结果进行可视化展现，同时通过高效的云端部署使该技术功能更加方便使用和维护。客户可以有效和快速的获取相关领域或相关公司的专利技术布局情况，解决了普通专利查询和归纳消耗时间长以及关键词提取不准确的问题，信息查询者可迅速了解相关专利情况，并做出有效决策。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.04 seconds)
