-
公开(公告)号：CN116705186A
公开(公告)日：2023-09-05
申请号：CN202310689997.5
申请日：2023-06-12
Applicant: 成都信息工程大学
IPC: G16C20/30 , G06F30/27 , G06V20/10 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06F119/08 , G06F113/08
Abstract: 本发明涉及一种基于深度学习的风云卫星近地表空气温度反演方法，基于风云气象卫星遥感云图数据，采用Transformer网络和U型深度学习网络，利用Transformer网络多头注意力机制和U型深度学习网络将高阶与低阶特征融合的优势，通过Transformer对U形网络编码器学习到的低阶多尺度特征进行优化，然后融合到U形网络对应的高阶解码器特征中，在保持语义一致的同时，提高近地表空气温度重建结果的细节信息和精确性。本发明方法近实时地估计出对应的近地表空气温度，补足台站观测气象数据缺测地区的近地表空气温度的完整性和时效性，为天气预报预测等气象业务和研究提供基础数据支撑。
-
公开(公告)号：CN116681679A
公开(公告)日：2023-09-01
申请号：CN202310683187.9
申请日：2023-06-09
Applicant: 成都信息工程大学 , 南充生物医药产业技术研究院
Abstract: 本发明提出基于双分支特征融合注意的医学图像小目标分割方法，尤其涉及医学图像癌变区域和目标器官的分割，主要针对小目标分割精度不高的问题。构建的分割模型主要包括两个核心模块：双分支特征融合模块DFFM和反向注意上下文模块RACM，首先利用双分支特征编码器提取多分辨率特征，然后构建DFFM，聚合全局和局部上下文信息，实现特征间的信息互补，为精确分割小目标提供足够的指导。为了缓解医学图像边界模糊导致的分割精度下降，提出了反向注意上下文模块来增强特征的边缘纹理，本发明采用六个不同的数据集作为训练集，通过实验证明，本发明方法在参数更少，推理速度更快，模型复杂度更低的情况下，其分割精度比现有方法有更好的表现。
-
公开(公告)号：CN116013449B
公开(公告)日：2023-07-07
申请号：CN202310273797.1
申请日：2023-03-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种融合临床信息与磁共振图像的心肌病预后辅助预测方法，所述方法首先采用Relief特征选择算法进行临床指标的筛选，然后将筛选出的临床指标与心脏MRI图像进行特征融合，构建预测神经网络模型MM‑Net包括两个独立的特征提取分支：临床特征分支和图像特征分支，分别进行临床指标和心脏MRI图像的特征提取，最后将两个分支分别提取的高维特征信息进行融合处理，输出最终的心脏MRI图像分类结果，辅助预测扩张型心肌病患者是否发生严重的预后事件。实验结果表明，本发明的辅助预测方法在引入临床指标后，辅助预测的各项指标均有提高，采用的特征层融合策略表现也有优异的表现。
-
公开(公告)号：CN116386720A
公开(公告)日：2023-07-04
申请号：CN202310383948.9
申请日：2023-04-11
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于深度学习和注意力机制的单细胞转录因子预测方法，其包括获取单细胞染色质可及性分析测序数据，并对其进行预处理，之后进行数据增强操作，得到增强测序数据；提取增强测序数据中的回归峰作为特征向量S，拼接正向和反向的增强测序数据作为特征向量A，将取自全基因组的DNA序列数据转换为特征向量U；拼接特征向量S、特征向量A和特征向量U，并输入深度网络模型预测单细胞中每个转录因子的概率，深度网络模型包括卷积模块和通道注意力模型。
-
公开(公告)号：CN115661612A
公开(公告)日：2023-01-31
申请号：CN202211498102.1
申请日：2022-11-28
Applicant: 成都信息工程大学
IPC: G06V10/82 , G06V10/774 , G06T3/40 , G06Q10/04 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于元迁移学习的通用气候数据降尺度方法，提出一种通用的气候降尺度框架MTL‑Framework，构建的降尺度模型在该框架上进行训练优化，基于元迁移学习，训练后的降尺度模型能隐含地学习到不同气候变量之间的关联性，本发明的降尺度框架能够在参数空间中找到一个对多个气象变量降尺度任务敏感且可转移的初始化参数，降尺度模型只需要通过该初始化参数初始化模型，接着在当前目标任务上经过简单的微调，就可以取得不错的降尺度效果。实验结果表明，本发明的气候降尺度方法较现有技术更优，并且在多个任务的综合性能表现上更好。
-
Patent Agency Ranking
公开(公告)号：CN115468679A
公开(公告)日：2022-12-13
申请号：CN202211126087.8
申请日：2022-09-16
Applicant: 成都信息工程大学
IPC: G01K13/00 , G01M13/04 , G01M17/007 , G06K9/62
Abstract: 本发明涉及一种基于大数据和数字化工厂的产品检测方法，其包括：将目标机器产品的待测轴承部件划分为易测轴承区域和非易测轴承区域。通过目标机器产品在试车过程中激活的动作联动程序数量、实际载荷量、待测轴承部件的润滑油流量和转速生成第一多维试车特征序列。通过待测轴承部件的目标轴承区域在试车过程中的关联温度分布数据生成第二多维试车特征序列。利用第一多维试车特征序列、第二多维试车特征序列和目标轴承区域的温度特征序列建立目标轴承区域的温度预测模型，然后根据所述温度预测模型预测得到对应非易测轴承区域在预测试车子周期内的温度数据。
-
公开(公告)号：CN115359372A
公开(公告)日：2022-11-18
申请号：CN202210878119.3
申请日：2022-07-25
Applicant: 成都信息工程大学
IPC: G06V20/17 , G06V20/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/44 , G06T7/269 , G06T7/246 , G06T7/13 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于光流网络的无人机视频运动目标检测方法，所述光流网络包括特征语义提取网络、上下文提取网络、视觉相似度计算模块、MobileViT‑CBAM模块和GRU迭代更新模块，特征语义提取网络和上下文提取网络的RepVGG特征提取模块，即保留了多分支结构的性能优势，进一步融合了细节信息和语义信息，使提取的特征表达能力更强，提高了检测精度。同时利用机构重参数化思想变为单路结构，又进一步提高了推理速度，减少显存占用。针对CNN缺乏全局信息的提取能力，采用MobileViT‑CBAM模块作为单独的附加模块，使用CNN和Transformer结合的方式，以获得更多的特征信息和细节信息，达到更精确的光流估计，得到更精确的目标分割结果。
-
公开(公告)号：CN114708511A
公开(公告)日：2022-07-05
申请号：CN202210614648.2
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。
-
公开(公告)号：CN114220333A
公开(公告)日：2022-03-22
申请号：CN202111221458.6
申请日：2021-10-20
Applicant: 应急管理部消防救援局南京训练总队 , 成都信息工程大学
IPC: G09B25/00
Abstract: 本发明公开一种全压力罐储液泄漏模拟系统及方法，该系统包括：模拟储液泄漏模块，用于模拟全压力罐的储液泄漏，并在全压力罐的泄漏口模拟储液泄漏造成的烟雾；注水模块，与所述模拟储液泄漏模块相连，用于向全压力罐的底部注水，模拟紧急注水排险；控制模块，与所述模拟储液泄漏模块相连，并与所述注水模块相连，用于控制所述模拟储液泄漏模块的泄漏，以及控制所述注水模块的注水与排水。本系统能高度模拟全压力罐储液泄漏应急注水结构，可用于教学演示或是储液泄漏消防对策研究领域。
-
公开(公告)号：CN113936318A
公开(公告)日：2022-01-14
申请号：CN202111218941.9
申请日：2021-10-20
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于GAN人脸先验信息预测和融合的人脸图像修复方法，本发明方法的神经网络以VAE结构为主干网络，包括两个阶段，首先经过stage‑I阶段的粗修神经网络生成具有人脸结构内容信息的粗糙图像，同时通过融合人脸轮廓，区域和关键点中间特征得到人脸生成指导信息，然后为了更好的考虑人脸结构信息，通过stage‑II阶段的精修神经网络对stage‑I的结果进行精修，在第二生成器中间引入指导信息以实现人脸细节、结构精细化，最终生成自然和谐，结构对称的人脸图像，本发明采用全局和局部两种判别器来做监督，以保证生成更高质量的人脸图像。
-
-
-
-
-
-
-
-
-
Search Results
174
records
(took 0.036 seconds)
