-
公开(公告)号：CN120030120A
公开(公告)日：2025-05-23
申请号：CN202510094056.6
申请日：2025-01-21
Applicant: 中国信息通信研究院 , 上海市重大传染病和生物安全研究院
IPC: G06F16/3329 , G06F16/335 , G06N5/04 , G06N5/022
Abstract: 本申请涉及检索系统技术领域，公开一种基于知识图谱与混合专家模型的检索方法及检索装置、检索设备，其中，检索方法包括：对用户提交的问题进行解析，获得解析结果；将解析结果分配给混合专家模型中的多个专家系统；在每个专家系统中，基于知识图谱对所分配的解析结果进行图检索增强，获得每个专家系统的答案输出；将所有专家系统的答案输出进行整合，确定检索结果。在每个专家系统中，基于知识图谱中存储的大量结构化的实体和关系信息，对所分配的解析结果进行图检索增强，可以在不同的专家领域生成与问题高度相关的多个答案输出。最后对多个答案输出进行整合分析，以生成一个全面、准确的检索结果，从而提高检索结果的准确性和相关性。
-
公开(公告)号：CN116965794A
公开(公告)日：2023-10-31
申请号：CN202210420291.4
申请日：2022-04-21
Applicant: 中国信息通信研究院
Abstract: 本发明公开了一种基于人工智能和电磁波的骨质疏松症辅助诊断装置，其中该方法包括：信息输入装置、天线、电磁波屏蔽装置、信息处理设备和压控振荡器；所述信息输入装置用于：输入病人的特征信息，并将所述病人的特征信息发送至信息处理设备；所述压控振荡器用于：产生固定频率的电磁波，通过天线进行电磁波传递测量病人的中指骨衰减；所述电磁波屏蔽装置用于：保护天线和压控振荡器不受电磁干扰的影响；所述信息处理设备用于：获得病人的中指骨衰减值，基于病人的特征信息和中指骨衰减值，利用训练好的深度学习模型进行辅助诊断，基于辅助诊断结果确定病人是否需要进行DXA扫描。本发明开发的筛查设备具有更大的便携性和更低的制造成本。
-
公开(公告)号：CN115731147A
公开(公告)日：2023-03-03
申请号：CN202110949886.4
申请日：2021-08-18
Applicant: 中国信息通信研究院
Abstract: 本申请实施例提供一种骨成熟度预测方法及装置，方法包括：获取目标手骨图像数据分别对应的目标指骨系列数据和目标腕骨系列数据；将所述目标手骨图像数据和目标指骨系列数据输入预设的指骨成熟度预测模型，以使该指骨成熟度预测模型输出用于骨龄评价的指骨成熟度预测值；以及，将所述目标手骨图像数据和所述目标腕骨系列数据输入预设的腕骨成熟度预测模型，以使该腕骨成熟度预测模型输出用于骨龄评价的腕骨成熟度预测值。本申请能够有效提高骨成熟度预测过程的效率、自动化程度及智能化程度，降低人工及时间成本，并能够有效提高骨成熟度预测结果的覆盖全面性及准确性。
-
公开(公告)号：CN114913528A
公开(公告)日：2022-08-16
申请号：CN202110183527.2
申请日：2021-02-10
Applicant: 中国信息通信研究院
IPC: G06V30/148 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种图像语义分割方法及装置，涉及图像处理技术领域，该方法包括：获取训练数据和深度神经网络；训练数据包括输入图像信息和输出图像信息；将输入图像信息输入深度神经网络，得到预测图像信息；根据预测图像信息、输出图像信息和水平集损失函数确定图像语义分割模型；利用待测试图像信息和图像语义分割模型生成图像语义分割结果。本发明使用水平集损失函数确定图像语义分割模型，不需要其他更深层次的深度学习体系结构，从而减少计算成本和数据，并且得到的图像语义分割结果更加细致准确。
-
公开(公告)号：CN114820641A
公开(公告)日：2022-07-29
申请号：CN202110126300.4
申请日：2021-01-29
Applicant: 中国信息通信研究院
Abstract: 本发明公开了一种基于分治法的病理图像分割处理方法及装置，其中该方法包括：获取待分割的病理二维图像；将待分割的病理二维图像输入预先训练生成的骨干网络模型，得到多个子二维图像；将多个子二维图像输入预先训练生成的局部分割网络模型，得到每一子二维图像的局部分割结果；将多个子二维图像输入预先训练生成的加权网络模型，得到每一子二维图像对应的权重；根据每一子二维图像的局部分割结果和每一子二维图像对应的权重，得到每一子二维图像的加权后分割结果；根据所有子二维图像的加权后分割结果的合并结果，得到病理图像的最终分割处理结果。本发明可以实现基于分治法的病理图像分割处理，提高了病理图像分割处理的精度和效率。
-
Patent Agency Ranking
公开(公告)号：CN107168861A
公开(公告)日：2017-09-15
申请号：CN201710377686.X
申请日：2017-05-25
Applicant: 中国信息通信研究院
IPC: G06F11/34
CPC classification number: G06F11/3447
Abstract: 本发明提供了一种用于智能终端交互体验的评测方法及装置，其中，所述方法包括建立模型，通过所述模型模拟问题场景；获得多个智能终端在所述问题场景下的运行数据；所述模型根据所述运行数据模拟所述问题场景，建立用户感受与所述运行数据的对应关系。本发明还提供了一种用于智能终端交互体验的评测装置，包括用于实现该方法的一模型建立模块、一数据处理模块及一数据采集模块。
-
公开(公告)号：CN115731484A
公开(公告)日：2023-03-03
申请号：CN202110981881.X
申请日：2021-08-25
Applicant: 中国信息通信研究院
IPC: G06V20/40 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于复杂场景的AI产品推理性能评估方法、装置及系统，其中该方法包括：基于复杂环境参数可调的数据增强模型对预设数据集中图像进行模拟渲染不同天气场景进行数据增强，获得数据增强后图像；其中，所述预设数据集为VOC数据集或coco数据集；获取视频流，将所述视频流作为训练数据，对AI产品推理性能模型进行训练，获得AI产品推理性能优化模型，利用所述AI产品推理性能优化模型进行机器视觉性能评测，其中，所述视频流为摄像头对数据增强后图像进行采集而生成。本发明提出参数可控的复杂场景数据增强SDK，根据机器视觉任务生成具有典型特征的训练数据，提升AI模型泛化性能。
-
公开(公告)号：CN115082530A
公开(公告)日：2022-09-20
申请号：CN202110274132.3
申请日：2021-03-15
Applicant: 中国信息通信研究院
Abstract: 本发明公开了一种基于无监督学习方法的三维图像配准方法及系统，其中该方法包括：获取三维医学图像；将图像进行下采样，得到下采样后的图像；将下采样后的固定图像与待配准图像输入至级联配准子网络，利用级联配准子网络将两幅图像中的位移偏差的部分进行对齐；将级联配准子网络输出的图像输入至全连接层，将图像特征进行整合；将全连接层输出的图像带入至LOSS函数，并将函数输出结果相加求和，利用求和数值衡量算法网络的优化程度，如果求和数值达到预设阈值，停止训练并得到训练完成的图像配准网络结构，如果未达到，调整参数对算法网络进行迭代训练；将需要配准的三维图像输入至图像配准网络结构，得到已配准的三维图像。
-
公开(公告)号：CN114418388A
公开(公告)日：2022-04-29
申请号：CN202210058407.4
申请日：2022-01-19
Applicant: 中国信息通信研究院
Abstract: 本说明书实施例提供一种基于图像识别的人员管理方法、装置及存储介质，可应用于人工智能技术领域。所述方法包括：获取目标场景的监控图像；识别所述监控图像中的至少一种人员行为；在所述至少一种人员行为中存在异常行为的情况下，确定所述异常行为所对应的目标人员的人员身份；基于所述人员身份向目标人员发出异常提醒。通过上述方法，能够基于监控系统自动分析监控区域内的人员行为，并能够向存在异常行为的人员发出提醒，减少了人力监管所耗费的时间和资源，实现了区域内实时的、自动化的监管，减少了基于异常行为出现事故的概率，保证了生产生活的正常进行。
-
公开(公告)号：CN114078202B
公开(公告)日：2025-04-08
申请号：CN202010800297.5
申请日：2020-08-11
Applicant: 中国信息通信研究院
IPC: G06V10/776
Abstract: 本发明提供了一种自然场景目标检测系统的性能评估方法及装置，该方法包括：将目标图像与多种自然场景融合，获得融合自然场景的目标图像；对所述融合自然场景的目标图像进行分割，获得目标图像中每个对象的对象类别；将融合自然场景的目标图像输入至自然场景目标检测系统中，获得自然场景目标检测系统输出的目标对象检测结果；基于目标图像中每个对象的对象类别和目标对象检测结果，计算评估指标值；根据所述评估指标值，对自然场景目标检测系统的性能进行评估。本发明可以评估自然场景目标检测系统的性能，成本低且准确度高。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.036 seconds)
