-
公开(公告)号：CN117442723A
公开(公告)日：2024-01-26
申请号：CN202311177206.7
申请日：2023-09-13
Applicant: 华中科技大学同济医学院附属同济医院 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明属于材料科学与生物医用技术领域，具体涉及一种可降解光热治疗多功能平台及其制备方法和应用。该制备方法包括以下步骤：1)制备铜离子参杂的有机硅核壳材料CT‑Cu2+/MSN@MON；2)继续加入硫化物，制备出内嵌CuS纳米点的有机硅中空结构材料CT‑CuS@HMON；3)采用去模版剂去除模板剂，得到所述的可降解光热治疗多功能平台。本发明在制备HMON的同时，在HMON层内原位生成CuS纳米点，其粒径达到1‑2nm，从而获得稳定的纳米复合材料。具有PTT功能的超小CuS纳米点内嵌在HMON层中，而HMON又可作为一种良好的药物载体，用于联合治疗。
-
公开(公告)号：CN115908217B
公开(公告)日：2025-02-18
申请号：CN202211566653.7
申请日：2022-12-07
Applicant: 哈尔滨工业大学
Abstract: 电磁波极化成像融合增强方法及系统，属于遥感与探测技术领域。解决了现有不同极化图像融合过程中存在目标和背景对比效果差，影响图像质量的问题。本发明获取目标探测场景的四个极化图像；所述四个极化图像为：水平极化图像、45度线极化图像、垂直极化图像和135度线极化图像；根据四个极化图像的极化角度关系，利用四个极化图像中像素点的像素值，将四个极化图像转换为Stokes的第二分量TQ图像和第三分量TU图像；将所述Stokes的第二分量TQ图像和第三分量TU图像转为四个区域图像；并获取每个区域图像的标记；利用每个区域图像的标记，将四个区域图像融合获得增强图像。本发明适用于目标探测场景的电磁波多极化成像的融合增强。
-
公开(公告)号：CN115908217A
公开(公告)日：2023-04-04
申请号：CN202211566653.7
申请日：2022-12-07
Applicant: 哈尔滨工业大学
Abstract: 电磁波极化成像融合增强方法及系统，属于遥感与探测技术领域。解决了现有不同极化图像融合过程中存在目标和背景对比效果差，影响图像质量的问题。本发明获取目标探测场景的四个极化图像；所述四个极化图像为：水平极化图像、45度线极化图像、垂直极化图像和135度线极化图像；根据四个极化图像的极化角度关系，利用四个极化图像中像素点的像素值，将四个极化图像转换为Stokes的第二分量TQ图像和第三分量TU图像；将所述Stokes的第二分量TQ图像和第三分量TU图像转为四个区域图像；并获取每个区域图像的标记；利用每个区域图像的标记，将四个区域图像融合获得增强图像。本发明适用于目标探测场景的电磁波多极化成像的融合增强。
-
Patent Agency Ranking
公开(公告)号：CN118939860A
公开(公告)日：2024-11-12
申请号：CN202410969012.9
申请日：2024-07-19
Applicant: 哈尔滨工业大学
IPC: G06F16/9532 , G06F16/583 , G06F16/335 , G06N3/0442 , G06N3/045 , G06N3/092
Abstract: 本发明公开了一种基于关系增强策略梯度和并行权重控制的跨模态检索方法，所述方法如下：一、针对每个图像输出一组显著区域的特征来表示该图像；二、使用词编码将每个token编码为词向量，将单词序列转化为文本表示；三、使用策略梯度和并行权重控制指导所有图像区域特征在最终图像全局特征中的权重大小，得到图像全局特征；四、使用策略梯度和并行权重控制指导所有文本单词特征在最终文本全局特征中的权重大小，得到文本全局特征；五、利用图像全局特征和文本全局特征执行相似性匹配，采用带有难负样本挖掘的铰链损失进行监督，利用离散连续策略梯度的优化目标对图像区域特征和文本单词特征的权重进行监督。本发明可以很好地进行跨模态检索。
-
公开(公告)号：CN115565007A
公开(公告)日：2023-01-03
申请号：CN202211240066.9
申请日：2022-10-11
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06F40/30
Abstract: 本发明公开了一种基于知识蒸馏的隐空间语义监督的跨模态检索方法，整个网络的总体结构大体上可以分成四个部分：第一个部分：多模态特征提取网络，第二个部分：图像和文本隐空间的构建，第三个部分：基于知识蒸馏的隐空间语义监督，第四个部分：图像文本匹配。本发明将BUA中的目标分类器和属性分类器引入图像隐空间，通过知识蒸馏将BUA中的语义知识转移到图像隐空间中。本发明在文本隐空间中引入目标和属性分类器，使文本特征和相应的文本上下文特征保持一致。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
公开(公告)号：CN113656539A
公开(公告)日：2021-11-16
申请号：CN202110859387.6
申请日：2021-07-28
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/383 , G06F16/53 , G06F16/583 , G06N3/04 , G06N3/08 , G06N20/20
Abstract: 本发明公开了一种基于特征分离和重建的跨模态检索方法，所述方法包括如下步骤：步骤一、获得视觉表示；步骤二、将单词序列转化为文本表示；步骤三、通过视觉和文本多层感知器进行线性变换，分别得到视觉空间和文本空间的特征向量；步骤四、将不同模态空间的特征向量分解为模态信息、语义信息、特定信息三部分；步骤五、利用特征分离模块将模态信息、语义信息和特定信息从视觉/文本表示中分离出来，得到视觉表示和文本表示的模态信息、语义信息和特定信息；步骤六、结合图像三种不同的信息进行图像重建；步骤七、对文本三种不同的信息进行文本重建。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
公开(公告)号：CN115565007B
公开(公告)日：2024-10-11
申请号：CN202211240066.9
申请日：2022-10-11
Applicant: 哈尔滨工业大学
IPC: G06F40/30 , G06V10/764 , G06V10/74 , G06V10/774
Abstract: 本发明公开了一种基于知识蒸馏的隐空间语义监督的跨模态检索方法，整个网络的总体结构大体上可以分成四个部分：第一个部分：多模态特征提取网络，第二个部分：图像和文本隐空间的构建，第三个部分：基于知识蒸馏的隐空间语义监督，第四个部分：图像文本匹配。本发明将BUA中的目标分类器和属性分类器引入图像隐空间，通过知识蒸馏将BUA中的语义知识转移到图像隐空间中。本发明在文本隐空间中引入目标和属性分类器，使文本特征和相应的文本上下文特征保持一致。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
公开(公告)号：CN113656539B
公开(公告)日：2023-08-18
申请号：CN202110859387.6
申请日：2021-07-28
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/383 , G06F16/53 , G06F16/583 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于特征分离和重建的跨模态检索方法，所述方法包括如下步骤：步骤一、获得视觉表示；步骤二、将单词序列转化为文本表示；步骤三、通过视觉和文本多层感知器进行线性变换，分别得到视觉空间和文本空间的特征向量；步骤四、将不同模态空间的特征向量分解为模态信息、语义信息、特定信息三部分；步骤五、利用特征分离模块将模态信息、语义信息和特定信息从视觉/文本表示中分离出来，得到视觉表示和文本表示的模态信息、语义信息和特定信息；步骤六、结合图像三种不同的信息进行图像重建；步骤七、对文本三种不同的信息进行文本重建。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.034 seconds)
