-
公开(公告)号：CN111721443A
公开(公告)日：2020-09-29
申请号：CN202010613866.5
申请日：2020-06-30
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种可实现温度检测报警的分离式阵列计算机，包括阵列计算机、温度检测系统和风冷机组，温度检测系统安装在阵列计算机的分离式磁盘组柜上，温度检测系统中的主控模块与阵列计算机连接，实现信息交互，风冷机组安装在阵列计算机的分离式磁盘组柜上，风冷机组中的控制模块与阵列计算机连接，实现信息交互，风冷机组上的扇叶从阵列计算机的分离式磁盘组柜内部上方向下吹风。本发明具有通过温度检测系统检测磁盘组柜内的温度，根据检测温度控制风冷机组的开启，间歇性的开启能够节约电力资源的优点。
-
公开(公告)号：CN117196894A
公开(公告)日：2023-12-08
申请号：CN202311201514.9
申请日：2023-09-18
Applicant: 吉林建筑大学
IPC: G06Q50/12 , G06Q50/20 , G06F16/9537
Abstract: 本申请公开了一种智慧食堂管理方法及相关装置，应用于智慧食堂管理系统，所述智慧食堂管理系统包括控制设备，学生移动终端，图像采集装置以及压力传感器，其中，所述控制设备与所述学生移动终端、所述图像采集装置以及所述压力传感器通信连接，通过确定目标食堂的用餐人数以及目标档口的排队人数，以及确定学生移动终端与目标食堂的第一距离，综合判断学生前往目标档口的用餐推荐指数，从而方便学生对前往目标档口进行用餐的情况进行判断，有效减少学生在前往目标档口后排队时间较长，在目标食堂无座位用餐的情况。
-
公开(公告)号：CN115311230A
公开(公告)日：2022-11-08
申请号：CN202210941767.9
申请日：2022-08-08
Applicant: 吉林建筑大学
Abstract: 本发明提供了一种基于深度学习和特征融合的皮肤病变图像分割方法，建立使用了编码器‑解码器结构的用于皮肤病变图像分割的模型，在模型的特征编码路径上使用EfficientNet进行了特征的学习，在特征解码路径上使用密集特征融合方法增强解码器的解码能力，并且采用了门控完全特征融合模块来提升特征融合的质量，产生解码后的特征图，解码器在最后产生输入图像的分割结果，完成皮肤病变图像的分割处理。本发明使用了更为先进的EfficientNet作为模型的编码器，使得本申请模型编码器的参数数量减少而且特征学习能力增强。通过门控机制增强了有用的编码信息向解码路径的传递，抑制了无用的特征信息所带来的干扰，提升了模型的特征融合能力。
-
公开(公告)号：CN109883474B
公开(公告)日：2021-06-15
申请号：CN201910130959.X
申请日：2019-02-20
Applicant: 吉林建筑大学
IPC: G01D21/02
Abstract: 本发明公开了基于现场监测的建筑物健康监测系统，包括：孔隙水压力传感器，其埋设于建筑物土地内，用于测量建筑物土体内的渗透水压力；应变式压力传感器，其设置在建筑物中铺设的管道内，测量管道内流体的压力和气体的压力；压力盒，其埋设于建筑物土体内，对土体的内应力进行测量，也能对建筑物结构之间的接触应力进行测量；温度传感器，其用于监视建筑物的环境温度；湿度传感器，其用于监视建筑物的环境湿度。本发明提供了基于现场监测的建筑物健康监测系统，能够实时对建筑物进行监控，能及时发现建筑物的结构上的问题。
-
公开(公告)号：CN115392438A
公开(公告)日：2022-11-25
申请号：CN202211114004.3
申请日：2022-09-14
Applicant: 吉林建筑大学
Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。
-
Patent Agency Ranking
公开(公告)号：CN115222942A
公开(公告)日：2022-10-21
申请号：CN202210881646.X
申请日：2022-07-26
Applicant: 吉林建筑大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06V10/44 , G06T7/00 , G16H50/20 , G16H50/80
Abstract: 本发明提供了一种基于弱监督学习的新冠肺炎CT图像分割的方法，包括以下步骤：先建立分割网络模型，模型整体上是编码器‑解码器结构，在分割网络模型的基础上，引入了一个分类模块，分类模块与分割模块共享一部分隐藏层，使得整个网络学习到更多的有用特征，同时改善了分割结果假阳性的问题；基于弱监督学习的思想，在像素级图像标签的基础上，通过分类网络从额外的图像级标签获取优化后的类激活图作为监督信息，增强了模型的分割性能表现。本发明通过利用分类网络注意力转移的特性，提出了类激活图积累模块，使得可以通过分类网络获得更加完整的类激活图，从而获得像素级标注结果。
-
公开(公告)号：CN115205306A
公开(公告)日：2022-10-18
申请号：CN202210922193.0
申请日：2022-08-02
Applicant: 吉林建筑大学
Abstract: 本发明提供了一种基于图卷积的医疗图像分割方法，包括以下步骤：对于监督学习，使用图卷积网络配合卷积神经网络分割框架；先利用全卷积网络提取出医学图像的深层次特征，对提取出来的特征构建图的三元组信息，最后使用图卷积网络进行训练，弥补卷积网络带来的局部位置信息的损失；对于无监督域适应学习，使用双曲图卷积网络融合，对抗学习域适应网络框架。本发明有监督是情况下，通过使用U‑Net网络提取医学图像的特征信息，通过高斯核或朴素方式构建图信息，送入图卷积网络进行训练；无监督情况下，选择使用双曲图卷积模型替代图卷积网络。使用图卷积网络和双曲图卷积网络可以扩大感受范围，提高了分割精度，便捷实用。
-
公开(公告)号：CN112435011A
公开(公告)日：2021-03-02
申请号：CN202011390977.0
申请日：2020-12-02
Applicant: 吉林建筑大学
Abstract: 本申请公开了一种学生签到系统、学生签到方法及装置，学生签到系统包括签到装置，签到装置设于教室中，签到装置接收第一签到信息，第一签到信息包括第一签到时间和第一身份信息，当第一签到时间处于第一时间范围时，验证第一身份信息是否正确；当第一身份信息不正确时，输出第一学生的上课签到异常结果；确定第一学生在教室中的目标位置；根据目标位置确定至少一个目标图像采集装置，控制至少一个目标图像采集装置进行图像采集，得到第一图像；并根据第一图像输出第一学生的签到结果。本申请实现了通过签到装置与学生的移动终端进行交互，完成签到过程，从而提高了学生上课的签到效率，解决了学生上课代替别人签到的问题。
-
公开(公告)号：CN112540549B
公开(公告)日：2021-11-26
申请号：CN202011390991.0
申请日：2020-12-02
Applicant: 吉林建筑大学
IPC: G05B19/04 , G01R21/133
Abstract: 本申请公开了一种学生宿舍用电监控方法及装置，应用于学生宿舍用电监控系统的服务设备，用电监控系统还包括多个功率传感器和多个计时器，方法包括：当检测到第一学生宿舍用电异常时，启动第一学生宿舍对应的目标计时器；当目标计时器的计时时长大于或等于预设时长时，获取第一学生宿舍的第一总用电异常次数；基于用电功率、第一总用电异常次数以及计时时长，确定第一学生宿舍的断电评估值；当断电评估值大于或等于目标阈值时，对第一学生宿舍进行断电处理。采用本申请实施例可避免学生在宿舍内使用大功率电器，降低了宿舍的事故发生概率。
-
公开(公告)号：CN113361437A
公开(公告)日：2021-09-07
申请号：CN202110667703.X
申请日：2021-06-16
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种微创手术器械类别及位置检测方法和系统，涉及深度学习与计算机视觉技术领域，所述方法包括：采集微创手术过程图像数据集并进行人工标注；构建Soft‑ANL‑RCNN网络模型，所述Soft‑ANL‑RCNN网络模型以resnet101网络为骨干网络提取图像特征，采用非对称Non‑local结构对提取的特征图进行融合并挖掘特征图中的长距离信息，采用Soft‑NMS网络进行非极大值抑制处理；通过标注后的数据集对上述网络模型进行优化以获取最佳模型参数；将待检测图像输入模型中，对图像中的手术器械位置进行检测。本发明的方法能够准确检测微创手术器械的类别及位置，便于医护人员学习并使用。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.035 seconds)
