公开(公告)号：CN119180920A

公开(公告)日：2024-12-24

申请号：CN202411173543.3

申请日：2024-08-26

Applicant: 武汉大学

Inventor： 余伟 ,  万晓霞 ,  董性平 ,  王皓 ,  李石君 ,  陈登杰 ,  康沛森 ,  罗晓轩 ,  周晓颖 ,  梁文静 ,  颜芝怡 ,  王硕 ,  李宇轩 ,  曾天佑 ,  万豪杰 ,  李一帆 ,  唐千千 ,  郝若晨 ,  卢可

IPC: G06T17/05 ,  G06T17/20 ,  G06T5/70 ,  G06T1/60

Abstract: 公开了一种电子海图生成方法、装置、设备及存储介质，属于数据处理技术领域，该方法包括：从多个数据源中获取第一数据，第一数据包括目标区域的地形数据和海洋数据；根据第一数据中每个要素的数据属性，将每个要素标注为符合IHO标准的特征，得到第二数据，要素的数据属性包括点特征、线特征和面特征；对第二数据中，特征为深度区域的数据以及特征为测深点的数据进行概化处理，面特征包括深度区域，点特征包括测深点；对概化处理后的第二数据进行符号化处理和渲染处理，得到第一电子海图。该方法能够能够减少生成的电子海图中存在数据冗余和误差的情况。

公开(公告)号：CN118918356A

公开(公告)日：2024-11-08

申请号：CN202410904539.3

申请日：2024-07-08

Applicant: 武汉大学

Inventor： 余伟 ,  刘梓轩 ,  王皓 ,  董性平 ,  李石君 ,  李宇轩 ,  刘宇轩 ,  匡瑞林 ,  曾宪泽 ,  李晓薇 ,  郝若晨 ,  舒展

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明提供一种基于特征融合的运动想象脑电图分类方法及装置，其方法包括：将预处理后的脑电图信号输入基于卷积神经网络构建的第一提取模块中，得到所述第一提取模块输出的经过局部注意力引导的第一特征图；将预处理后的脑电图信号输入基于长短时记忆网络构建的第二提取模块中，得到所述第二提取模块输出的经过全局自注意力引导的第二特征图；将所述第一特征图和所述第二特征图进行特征融合后进行分类，得到所述运动想象脑电图的分类结果。本发明通过对基于CNN和LSTM提取出的脑电图信号特征融合后分类，兼顾了不同网络的优点，降低了冗余信息对分类的影响，提高了在跨被试场景下的稳定性以及分类结果的准确率。

公开(公告)号：CN119167158A

公开(公告)日：2024-12-20

申请号：CN202411088366.9

申请日：2024-08-09

Applicant: 武汉大学

Inventor： 余伟 ,  叶茫 ,  董性平 ,  王皓 ,  彭晶晶 ,  李石君 ,  李宇轩 ,  万豪杰 ,  李志宇 ,  胡斐 ,  汪千一 ,  郑皓杰 ,  晋尧 ,  丁宁 ,  李佳璇 ,  陈博宇 ,  李一帆 ,  唐千千 ,  郝若晨 ,  卢可

IPC: G06F18/241 ,  G01R31/00 ,  G01D21/00 ,  G06F18/2431 ,  G06F18/25 ,  G06F18/214 ,  G06V10/764 ,  G06V10/774 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/09

Abstract: 本发明提供了一种非侵入式负载识别方法及装置，方法包括：采集包括不同类型用电设备的第一运行数据；提取第一运行数据的多模态信号的特征，将多模态信号的特征进融合，生成多模态融合特征；基于多模态融合特征生成特征图，由特征图构成图像负荷签名；基于图像负荷签名对负载识别模型进行有监督的训练；实时采集包括不同类型用电设备的第二运行数据，并获取第二运行数据对应的图像负荷签名；将图像负荷签名输入到训练好的负载识别模型中进行分类，得到总负荷标签；根据总负荷标签将第二运行数据对应的总负荷进行分解，识别出总负荷中各负荷成分对应的负载类型。本发明保证了负荷标注数据的精确性，即使在复杂负荷环境下也能实现高精度的电器识别。

公开(公告)号：CN118918119A

公开(公告)日：2024-11-08

申请号：CN202411008988.6

申请日：2024-07-26

Applicant: 武汉大学

Inventor： 余伟 ,  匡瑞林 ,  董性平 ,  陈诚 ,  王皓 ,  李石君 ,  李宇轩 ,  刘宇轩 ,  刘梓轩 ,  曾宪泽 ,  李晓薇 ,  郝若晨

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于多尺度混合采样和特征融合的鼻咽癌靶区分割方法，包括：获取鼻咽癌三维靶区图像并对鼻咽癌三维靶区图像进行预处理；构建Swin‑UNet骨干网络模型；基于HSMA，构建HSMA UNet网络模型；构建DAC，嵌入到HSMA UNet网络模型中，构建HSMA DAC UNet分割模型；用预处理后的鼻咽癌三维靶区图像对HSMA DAC UNet模型进行训练，经过预处理的鼻咽癌靶区图像输入HSMA DAC UNet分割模型，得到分割结果图像。本发明可以自动对鼻咽癌靶区图像进行模型训练，并对新输入的鼻咽癌部位三维CT图像进行靶区分割，提高了鼻咽癌靶区图像分割的效率。