公开(公告)号：CN116293249A

公开(公告)日：2023-06-23

申请号：CN202310193984.9

申请日：2023-03-03

Applicant: 江苏海洋大学

Inventor： 李慧 ,  蒋园园 ,  邢立豹 ,  陈艳艳 ,  张舒 ,  戴红伟 ,  顾勇 ,  李纪元

IPC: F16M11/04 ,  F16M11/10 ,  F16M11/28 ,  H05K7/20 ,  G06F1/16

Abstract: 本发明公开了一种企业管理咨询用交互式智能引导系统，包括固定块，所述固定块的底端固定连接有固定底座，所述固定块的外侧滑动套设有固定筒，所述固定筒与固定块的接触面粗糙设置，所述固定筒的一侧侧壁上开设有固定通口，所述固定通口贯穿固定筒的侧壁设置，所述固定通口的内侧固定设置有显示屏，所述显示屏靠近固定筒内部的一端固定连接有处理器，所述固定块的顶端开设有连接槽，所述连接槽的下内壁上固定连接有电机。本发明能自动对装置的高度进行调节，使显示屏移动到与使用者相符合的位置，以便于使用者的使用，操作更加方便，有利于使用者进行企业信息的查询，能避免灰尘落到显示屏和输入键盘上，有利于装置的使用。

公开(公告)号：CN114972105B

公开(公告)日：2024-03-29

申请号：CN202210656357.X

申请日：2022-06-10

Applicant: 江苏海洋大学

Inventor： 张登辉 ,  胡文彬 ,  陈龙 ,  邢雅婧 ,  顾勇

IPC: G06T5/73 ,  G06T5/60 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于多尺度融合残差网络的单幅图像去雨方法，本方法以卷积神经网络为基础，巧妙结合多尺度、残差、多分支思想、层级连接思想，设计出层级相连多尺度多分支残差去雨网络；该网络使用不同尺度的卷积核实现多维度特征提取，通过层级相连的方式实现递进多层次学习，可学习更加复杂的特征，从而可以解决背景和雨水相似的情况，在去雨效果上，从定性和定量上都远远超过GMM算法，这大大的提高了图像的质量，同时网络不是过深，训练成本不是太高，本方法具有一定的优越性。采用了融合残差、多尺度、多分支思想，实现了一个新的基于深度学习的去雨网络框架，通过端到端无监督的技术，节省了数据处理的时间，提高了实验效率。

公开(公告)号：CN116701569A

公开(公告)日：2023-09-05

申请号：CN202310515854.2

申请日：2023-05-09

Applicant: 江苏海洋大学

Inventor： 李慧 ,  蒋园园 ,  王晨曦 ,  顾勇 ,  张舒 ,  仲兆满 ,  李鑫 ,  左宇航

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/279 ,  G06F40/30 ,  G06F18/241 ,  G06F18/27 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种基于多视角协同的多领域虚假新闻检测方法，旨在解决现有虚假新闻检测方法在领域转移上存在的问题，以提高模型在多领域场景中的性能表现。本方法基于多视角协同和专家网络特征提取，通过引入领域门网络学习领域和视角之间的关系，实现了对领域特征的有效利用。本发明所提供的多领域虚假新闻检测方法可以应用于社交媒体、新闻传媒、在线问答等领域，为用户提供可靠、准确的信息，具有广泛的应用前景。

公开(公告)号：CN114972105A

公开(公告)日：2022-08-30

申请号：CN202210656357.X

申请日：2022-06-10

Applicant: 江苏海洋大学

Inventor： 张登辉 ,  胡文彬 ,  陈龙 ,  邢雅婧 ,  顾勇

IPC: G06T5/00 ,  G06V10/40 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多尺度融合残差网络的单幅图像去雨方法，本方法以卷积神经网络为基础，巧妙结合多尺度、残差、多分支思想、层级连接思想，设计出层级相连多尺度多分支残差去雨网络；该网络使用不同尺度的卷积核实现多维度特征提取，通过层级相连的方式实现递进多层次学习，可学习更加复杂的特征，从而可以解决背景和雨水相似的情况，在去雨效果上，从定性和定量上都远远超过GMM算法，这大大的提高了图像的质量，同时网络不是过深，训练成本不是太高，本方法具有一定的优越性。采用了融合残差、多尺度、多分支思想，实现了一个新的基于深度学习的去雨网络框架，通过端到端无监督的技术，节省了数据处理的时间，提高了实验效率。

公开(公告)号：CN114862791A

公开(公告)日：2022-08-05

申请号：CN202210482334.1

申请日：2022-05-05

Applicant: 江苏海洋大学

Inventor： 李慧 ,  刘鑫堂 ,  张舒 ,  候鹏飞 ,  李鑫 ,  邢立豹 ,  蒋园园 ,  韩国凯 ,  顾勇

IPC: G06T7/00 ,  G06V10/42 ,  G06V10/44 ,  G06V10/82 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于深度学习的胸片识别方法、训练方法及装置，其具体步骤为：S1：获取胸片图像，调整胸片图像的参数；S2：通过卷积神经网络对该胸片图像提取全局和区域视觉特征；S3：对胸片图像进行识别，得到识别结果；S4：响应于所述识别结果生成主题，并将所述主题作为输入生成描述胸像图片的句子。具有自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。本发明涉及一种基于深度学习的胸片识别训练方法。通过训练识别胸片模型，具有可以自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。本发明涉及一种基于深度学习的胸片识别装置，具有自动化生成医学报告可以有效减少医生工作量和错误的发生的特点。