-
公开(公告)号：CN112069432A
公开(公告)日：2020-12-11
申请号：CN202010679830.7
申请日：2020-07-15
Applicant: 北京邮电大学
IPC: G06F16/957 , G06F16/23 , G06F8/658 , H04L29/08
Abstract: 本发明公开了一种基于web的数据可视化图表渲染优化方法及系统，其中，方法包括：将用于可视化展示的多个图表样式及交互配置信息存储在本地缓存中，以在不同图表在展示的过程中，从本地缓存中读取相应信息；将用于数据可视化图表展示的图表数据进行数据转换和增量更新处理后，生成记录图表数据更新前后差异的补丁数据；将图表样式及配置信息和图表更新后的数据进行整合，生成完整的图表展示所需要的数据结构；利用图表展示所需要的数据结构进行页面数据可视化图表的渲染绘制，在web前端形成可供用户进行实时数据监控和数据分析的数据可视化页面。该方法可以提升图表的加载速度，减少页面渲染时长。
-
公开(公告)号：CN112052721A
公开(公告)日：2020-12-08
申请号：CN202010687747.4
申请日：2020-07-16
Applicant: 北京邮电大学 , 首都医科大学附属北京同仁医院
Abstract: 本申请提出了一种基于深度学习的眨眼波形图生成方法、装置及设备，其中，方法包括：获取针对用户眼部运动的视频流，其中，视频流中包含多帧眼部图像帧；将多帧眼部图像帧中的每帧眼部图像帧输入预先训练的分割模型，获取每帧图像帧中上下眼睑之间包含的目标区域；获取目标区域对应的睑裂高度；根据视频流的图像帧顺序对每帧眼部图像帧的睑裂高度和高度阈值计算开合度，根据开合度序列生成眨眼波形图。根据本申请能够提高眼睑间区域识别的准确性，以及睑裂高度和眨眼波形图的准确性，进而，提高了评估眼表疾病的可靠性。
-
公开(公告)号：CN111708893A
公开(公告)日：2020-09-25
申请号：CN202010410946.0
申请日：2020-05-15
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于知识图谱的科技资源整合方法及系统，其中，方法包括：收集网络中不同来源和结构的原始数据；对原始数据进行数据清洗，并统一数据格式，得到满足构建条件的处理数据；从处理数据中抽取科技知识；通过批量导入的方式，将抽取得到的科技知识进行数据形式转化，转化成图模式的知识图谱；根据知识图谱对同类型实体进行融合。该方法通过对多数据源科技资源领域知识图谱中的知识进行向量化，通过相似性计算进行融合，并从多数据源的科技资源获取着手，自底向上的构建了一个科技资源领域知识图谱，利用构建的科技资源领域知识图谱中实体之间的联系，获得了更好的科技资源整合效果。
-
公开(公告)号：CN110993064A
公开(公告)日：2020-04-10
申请号：CN201911070252.0
申请日：2019-11-05
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向深度学习的医学影像标注方法及装置，其中，方法包括以下步骤：对输入的影像诊断报告、电子病历信息与医学影像进行预处理，生成包含医学影像与抽取出的相关诊断信息的数据；基于深度学习对医学影像进行预标注，其中，基于图像语义分割技术对影像进行分割，得到各个病变区域的边界范围，对影像实现像素级分割标注，并基于图像分类技术结合影像相关诊断信息对影像所属的疾病类型进行分类标注；将预标注后的影像及相关诊断信息通过界面展示，以接收交互式指令，供医生对预标注影像结果进行微调，并导出标注结果。该方法不仅提升了标注效率，同时保证了标注精度。
-
公开(公告)号：CN110991486A
公开(公告)日：2020-04-10
申请号：CN201911082512.6
申请日：2019-11-07
Applicant: 北京邮电大学
Abstract: 本发明公开了一种多人协作图像标注质量控制的方法和装置，其中，方法包括：在标注包中按预设的比例投入金标准数据，以验证标注用户针对任一标注包的标注质量，通过验证的标注包数据暂定为合格，执行下一步骤，未通过的数据包将被重新打散，重新分配给用户进行标注；将一份图像分发给多位用户，收集多位用户对图像的标注结果，获取重复标签后，得到真实标签；以数据包或者用户为单位进行随机抽检，评价标注质量；将使用金标准推算的用户准确率反馈给用户，并将金标准中以及人工抽检出的错误数据及其对应的正确答案反馈给标注用户，以使标注用户接收再训练。该方法不仅可以保证标注质量，而且可以获取正确标注结果，简单易实现。
-
Patent Agency Ranking
公开(公告)号：CN110991483A
公开(公告)日：2020-04-10
申请号：CN201911060508.X
申请日：2019-11-01
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种高阶邻域混合的网络表示学习方法及装置，在原始图卷积层的基础上加入自注意力机制和级联聚集层，其中，方法包括以下步骤：运用自注意力机制将图的拉普拉斯矩阵变换成节点对图注意力矩阵，且训练权重参数学习不同的注意力系数；通过级联聚集层汇聚不同距离信息流，并将上一阶的输出用作下一阶的输入，以控制计算复杂度；确定嵌入向量输出到下游机器学习任务，或者输出分类结果。该方法可以实现真正意义上的端到端训练，有效地提高模型的训练速度，且提出的网络高低阶信息混合学习的思想具有领域可扩展性，简单易实现。
-
公开(公告)号：CN110457331A
公开(公告)日：2019-11-15
申请号：CN201910656237.8
申请日：2019-07-19
Applicant: 北京邮电大学
IPC: G06F16/23 , G06F16/28 , G06F16/26 , G06F16/27 , G06F16/248 , G06F3/0486
Abstract: 本发明公开了一种通用的实时更新多维数据可视化系统及方法，其中，系统包括：数据源管理模块，用于接入不同领域的多维数据到多维数据分析平台中，对数据进行预处理；Cube构建和存储模块，用于构建Cube，并对数据进行Cube预计算，并且将构建的Cube存储在HBase中；实时可视化模块，用于生成交互图表，保存交互图表放置到数据看板中，并将数据看板信息存储在数据库中，如果多维数据发生变化，则通过WebSocket将数据变化信息推送到相应图表中，完成数据跟图表的同步更新。该系统采用了WebSocket关键技术实现了数据图表之间的协同更新，减少了网络负担，保持了系统稳定性，并可以适用于不同领域的多维数据。
-
公开(公告)号：CN110135412A
公开(公告)日：2019-08-16
申请号：CN201910364062.3
申请日：2019-04-30
Applicant: 北京邮电大学
IPC: G06K9/20
Abstract: 本申请提出一种名片识别方法和装置，其中，方法包括：通过获取待识别图像中的候选名片区域，根据预设的图像识别算法识别候选名片区域中的多个候选轮廓关键点，根据凸包算法对多个候选轮廓关键点计算获取多条候选边，在多条候选边中选择符合预设条件的多组候选边，并构建与每组候选边分别对应的候选四边形，根据预设算法计算每个候选四边形的置信度，根据置信度确定目标候选四边形，并根据目标候选四边形确定候选名片区域的轮廓关键点，根据轮廓关键点在候选名片区域中确定目标名片区域，并识别目标名片区域中的名片信息。该方法解决了现有技术中对于复杂背景的名片图像进行识别时，识别准确率较低的技术问题，提高了名片识别的精度和准确度。
-
公开(公告)号：CN110135411A
公开(公告)日：2019-08-16
申请号：CN201910360584.6
申请日：2019-04-30
Applicant: 北京邮电大学
Abstract: 本发明提出一种名片识别方法和装置，其中，方法包括：获取待识别的名片图像；将名片图像输入至文字检测模型，以得到各文本行区域；其中，文字检测模型，已学习得到图像特征与各文本行区域之间的对应关系；将各文本行区域输入至文字识别模型，以得到各文本行区域对应的名片信息。该方法能够实现基于深度学习的文字检测模型来识别名片图像中的各文本行区域，鲁棒性较强，可以降低因为低质量和噪声数据对文本提取的影响，从而提升该方法的通用性和应用空间。并且，基于深度学习的文字识别模型来对各文本行区域进行端到端的识别，无需进行单字分割，具有更高的准确率，同时也对各种复杂的变化具有更强的识别能力，提升该方法的通用性和识别效果。
-
公开(公告)号：CN110135307A
公开(公告)日：2019-08-16
申请号：CN201910365006.1
申请日：2019-04-30
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本申请提出一种基于注意力机制的交通标志检测方法和装置，其中，方法包括：通过获取待检测图像，根据贪心策略算法对待检测图像进行切片，得到符合预设条件的获取至少一个目标检测区域，其中，目标检测区域中包含所有交通标志区域；将至少一个目标检测区域输入预先训练的检测模型，获取与每个目标检测区域对应的候选预测结果，根据非极大抑制算法对所有目标检测区域对应的候选预测结果进行去噪，获取目标预测结果，其中，目标预测结果中包含所述待检测图像中的交通标志类别信息和位置信息。由此，通过预先训练的检测模型对待检测图像进行交通标志检测，提高了交通标志检测的精度值和效率。
-
-
-
-
-
-
-
-
-
Search Results
326
records
(took 0.051 seconds)
