-
公开(公告)号：CN117456279B
公开(公告)日：2025-04-22
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
公开(公告)号：CN118570622A
公开(公告)日：2024-08-30
申请号：CN202411035294.1
申请日：2024-07-31
Applicant: 安徽农业大学
IPC: G06V20/00 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于高频信息增强的图像篡改检测方法及装置，方法包括：获取待检测图像并对所述待检测图像滤波，得到所述待检测图像的高频信息；对所述待检测图像和所述高频信息分别进行特征提取，得到所述待检测图像和所述高频信息的多尺度特征信息；将所述待检测图像和所述高频信息的多尺度特征信息进行特征融合；获取融合后的特征的篡改区域掩码，以实现图像篡改检测。利用本发明实施例，能够有效提升图像篡改检测性能。
-
Patent Agency Ranking
公开(公告)号：CN117059261A
公开(公告)日：2023-11-14
申请号：CN202311055533.5
申请日：2023-08-21
Applicant: 安徽农业大学
IPC: G16H50/20 , G06F40/295 , G06F16/36 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/08 , G06N5/022
Abstract: 本发明涉及多模态知识图谱的畜禽疾病诊断技术领域，且公开了一种基于多模态知识图谱的畜禽疾病诊断方法，包括以下步骤：S1、面向畜禽疾病的命名实体识别方法：所述面向畜禽疾病的命名实体识别是指利用若干个畜禽疾病文本、图像、声音和视频识别的相关疾病实体。该基于多模态知识图谱的畜禽疾病诊断方法，通过将命名实体识别和知识图谱构建技术引入畜禽疾病诊断领域，可以为畜禽疾病的诊断和治疗提供更加全面和准确的参考，从而提高畜禽疾病治疗的效果和治愈率；同时，畜禽疾病知识图谱的构建可以帮助人们更好地了解畜禽疾病的发生规律和传播途径，为畜禽疾病的预防和控制提供科学依据。
-
公开(公告)号：CN119920356A
公开(公告)日：2025-05-02
申请号：CN202411993968.9
申请日：2024-12-31
Applicant: 安徽农业大学
Abstract: 本发明公开了一种可解释联邦大模型的药物分子生成方法，涉及人工智能技术领域，所述方法包括S1、通过数据特征提取与模型初始化步骤，从分布式数据中提取多模态特征，构建并初始化药物分子生成模型，S2、通过大模型对联邦学习客户端进行参数优化，包括基于分布式客户端的本地训练微调，将微调好的参数整合到服务器的全局模型中，以提高模型性能和数据利用效率，S3、基于优化后的模型，生成药物分子结构信息，包括分子描述序列和分子图；该可解释联邦大模型的药物分子生成方法，在保障数据隐私的基础上，显著提高了新分子的生成能力和多样性，同时利用因果分析和注意力机制增强了模型的透明性和可信度，提升了模型的性能与稳健性，具有广泛的应用前景。
-
公开(公告)号：CN117152736A
公开(公告)日：2023-12-01
申请号：CN202311139529.7
申请日：2023-09-05
Applicant: 安徽农业大学
IPC: G06V20/68 , G06V10/20 , G06V10/26 , G06V10/82 , G06V10/762 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及人工智能采摘技术领域，且公开了一种深度学习和群智能算法的水果采摘优化模型的方法，包括以下步骤：S1、收集自然环境下的水果果实图片作为训练数据，并对数据进行预处理；S2、设计一种改进U‑Net模型的CA U‑Net语义分割网络，将U‑Net模型的主干网络VGG16更换为轻量化的MobileNet‑V3结构；S3、将MoblieNet‑v3主干特征网络中的SE注意力机制模块替换为Coordinate Attention注意力机制。该深度学习和群智能算法的水果采摘优化模型的方法，通过利用计算机视觉技术实现图像分割的果实采摘顺序算法，提高了果实采摘效率和果实定位精度，解决了现有技术中采摘过程中的浪费和伤害，同时还能够避免果实的腐烂和损坏，无法提高果实的保质期和市场价值的问题。
-
公开(公告)号：CN118039187A
公开(公告)日：2024-05-14
申请号：CN202410213629.8
申请日：2024-02-27
Applicant: 安徽农业大学
Abstract: 本发明公开了一种基于加权元联邦学习的隐私保护药物敏感性检测方法，具体涉及药物敏感检测和隐私保护技术领域。一种基于加权元联邦学习的隐私保护药物敏感性检测方法，包括如下步骤：1)数据特征提取；2)通过加权元学习算法进行模型训练；3)加载元学习的模型参数到客户端进行模型微调；4)通过加密客户端损失进行联合更新服务器模型。本发明所提出的方法不仅可以实现不同机构的数据协作共享同时保护数据隐私，而且可以缓解由于数据数量的限制而导致的过拟合问题以及数据噪声问题，能够提高药物敏感性预测的准确性。
-
公开(公告)号：CN117456279A
公开(公告)日：2024-01-26
申请号：CN202311623115.1
申请日：2023-11-30
Applicant: 安徽农业大学
IPC: G06V10/764 , G06V20/00 , G06N5/022 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种融合知识图谱与图像识别的垃圾分类方法，包括：1、构建知识图谱，捕捉垃圾实体与种类之间的关系2、利用Ac自动机树，提取问题中的垃圾实体名；3、利用TransR模型提取垃圾实体的文本向量；4、设定疑问词列表，提取问题中的疑问词，根据疑问词是否在疑问词列表中和问题中是否有垃圾实体名来对问题进行分类；5、针对不同类型的问题，返回不同的答案模板；6、构建图像识别模型，获取垃圾图片的向量；7、将垃圾实体的文本向量和图片向量，结合注意力机制将相互对应的向量进行拼接，得到垃圾实体的融合向量后，最终返回垃圾的类别。本发明融合了知识图谱和图像识别，能更稳定、更便捷、更高效的实现垃圾分类。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
