-
公开(公告)号：CN115937103A
公开(公告)日：2023-04-07
申请号：CN202211450123.6
申请日：2022-11-19
Applicant: 吉林大学
Abstract: 本发明提供一种基于深度学习的碱性磷酸酶浓度检测方法，基于深度学习对图片进行数据处理；建立深度学习中神经网络模型并进行训练；将碱性磷酸酶浓度检测图像输入训练完成的深度学习中神经网络模型即可获得碱性磷酸酶的浓度值。基于深度学习的碱性磷酸酶浓度检测方法设计了应用软件，采用Pytorch深度学习框架将深度学习中神经网络模型部署在手机端；并进行功能设计。本发明实现了在电子产品上进行碱性磷酸酶的浓度检测，解决了目前碱性磷酸酶浓度检测的不便，仅通过手机或其他电子设备进行拍照上传，即可得到碱性磷酸酶的浓度值，相比于现有的比色法等极大地节约了人力和物力，缓解了一些地区医疗资源匮乏的问题。
-
公开(公告)号：CN103093497A
公开(公告)日：2013-05-08
申请号：CN201310006074.1
申请日：2013-01-09
Applicant: 吉林大学
Abstract: 本发明涉及一种基于分层轮廓的LIDAR数据城市快速重建方法；本方法根据国内机载LIDAR数据自身的特点设计，在数据存在点云密度低、点云缺失、点云噪声大、无回波、非正射、航拍图像与点云不匹配的情况下，仍然可以得到高效的效果；本方法可以广泛处理我国目前机载LIDAR数据，采集部分的LIDAR数据可以通过机载三维激光LIDAR获得，采集部分的航拍正射影像可以通过机载高分辨率数码相机获得，处理平台与显示部分可以通过普通PC机完成功能；本方法在数据量大、数据不准确的情况下仍可以快速处理并获得令人接受的效果，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN116758589B
公开(公告)日：2023-11-03
申请号：CN202311035205.9
申请日：2023-08-17
Applicant: 吉林大学
Abstract: 本发明涉及生物图像识别技术领域，尤其涉及一种处理姿态和视角矫正的牛脸识别方法，包括如下步骤：S1：数据采集；录制视频并收集不同角度和不同侧面的牛脸数据；S2：构建牛脸检测‑矫正‑识别模型；牛脸检测‑矫正‑识别模型包括特征检测模块、特征编码与整合模块和特征识别模块；特征检测模块、特征编码与整合模块和特征识别模块中均包括特征强化分支和上下文感知分支，特征强化分支采用深度可分离卷积、Relu激活函数和最大池化操作进行组合，上下文感知分支采用深度可分离卷积、Tanh激活函数和平均池化操作进行组合；S3：对牛脸检测‑矫正‑识别模型进行训练。本发明可处理牛脸图像中的姿态和视角变化，获得更准确和鲁棒的牛脸识别结果。
-
公开(公告)号：CN116432105A
公开(公告)日：2023-07-14
申请号：CN202310417217.1
申请日：2023-04-18
Applicant: 吉林大学
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 本发明涉及运动想象脑电信号分类领域，具体提供了一种基于加权原型和图卷积的多源域自适应脑电信号分类方法，包括步骤：S1：对脑电信号进行数据预处理及数据划分；S2：模型训练：将目标域和各个源域的特征分别利用MMD损失进行全局上的对齐，并设计多个图卷积操作对对齐进行辅助；通过对各个源域的类原型进行加权以获得联合源类原型来实现类级细粒度对齐；通过源域与目标域特征的MMD损失、多个源域的分类交叉熵损失及目标域特征与联合源域原型的对比损失对网络进行参数更新并获取最优参数；S3：模型测试：通过S2中获取的最优参数对待测的无标签样本数据进行测试。本方案可实现数据的充分有效利用。
-
公开(公告)号：CN114429471A
公开(公告)日：2022-05-03
申请号：CN202210105931.2
申请日：2022-01-28
Applicant: 吉林大学
Abstract: 本发明提供的基于深度学习的农作物灾害鉴别分级方法及装置，采用全卷积神经网络在较为精确的样本上进行训练，即可达到实际生产中需要的精度，又能节约对农作物灾害审查评估阶段的时间和人力物力成本。并通过改进了所使用的神经网络模型结构，使得其表现在农作物灾害的考察评估性能上有了进一步的提升。进一步地，充分考虑了在实际生产过程中，图像获取的低成本和便捷性，采用RGB影像作为必要输入，比以往方法更加便捷和低成本。
-
公开(公告)号：CN103077398B
公开(公告)日：2016-06-22
申请号：CN201310005379.0
申请日：2013-01-08
Applicant: 吉林大学
IPC: G06K9/54
Abstract: 本发明方法涉及一种基于嵌入式平台的在自然环境下对家畜群体中个体的数目检测的一种方法，在家畜群体较为集中，相互遮挡十分严重的情况下，也可获得令人满意的精确程度；本方法可广泛应用于对自然环境下家畜群体数量的估计问题，对监控视频中家畜、人、物品的统计问题，如：大范围放牧中牛羊数目的实时监测等；同时本方法可以在嵌入式平台上运行，可以方便的与终端设备结合，对环境和设备的要求很低，拓宽了应用的场合。
-
公开(公告)号：CN103077398A
公开(公告)日：2013-05-01
申请号：CN201310005379.0
申请日：2013-01-08
Applicant: 吉林大学
IPC: G06K9/54
Abstract: 本发明方法涉及一种基于嵌入式平台的在自然环境下对家畜群体中个体的数目检测的一种方法，在家畜群体较为集中，相互遮挡十分严重的情况下，也可获得令人满意的精确程度；本方法可广泛应用于对自然环境下家畜群体数量的估计问题，对监控视频中家畜、人、物品的统计问题，如：大范围放牧中牛羊数目的实时监测等；同时本方法可以在嵌入式平台上运行，可以方便的与终端设备结合，对环境和设备的要求很低，拓宽了应用的场合。
-
-
-
-
-
-
Search Results
17
records
(took 0.018 seconds)
