-
公开(公告)号:CN114058625A
公开(公告)日:2022-02-18
申请号:CN202111415460.7
申请日:2021-11-25
Applicant: 江南大学
Abstract: 本发明公开了一种CHO细胞基因NW_003613781.1内稳定表达蛋白质的位点及其应用,本发明获得的稳定表达位点位于CHO细胞基因NW_003613781.1的第1497187碱基处上下游100bp范围内碱基,即第1497087‑1497287碱基处,可整合外源蛋白质基因并进行稳定表达。本发明通过定点整合的方式将目的基因定点整合到上述稳定表达区域,解决了随机整合所带来的整合位点不明确的问题;本发明通过CHO基因组内稳定表达位点NW_003613781.1的第1497187碱基处上下游1497087‑1497287碱基范围内定点整合外源基因克服了位置效应所带来的表达不稳定性以及反复繁琐的细胞株筛选过程。
-
公开(公告)号:CN109034033B
公开(公告)日:2021-05-14
申请号:CN201810787200.4
申请日:2018-07-16
Applicant: 江南大学
Abstract: 本发明属于目标检测技术领域,具体涉及一种基于改进VGG16卷积网络的排烟视频检测方法,步骤如下:步骤1:生成烟囱排放图像数据集;步骤2,将训练集送入到改进VGG16卷积网络中进行训练,得到多个权重模型。所述的改进VGG16卷积网络的主网络结构是VGG16,最后两个全连接层改成两层卷积层,用于多尺度提取烟囱图像特征,再连接全局均值池化层,生成的矩阵用于结果输出,最后输入到损失函数中进行分类,构造完整的网络结构。本发明检测的速度得到了很大的提升,并且使用不同长宽比的default box,使得多个default box可以适应不同物体的不同形状和尺寸。
-
公开(公告)号:CN109033934A
公开(公告)日:2018-12-18
申请号:CN201810533111.7
申请日:2018-05-25
Applicant: 江南大学
CPC classification number: G06K9/00671 , G06K9/6256
Abstract: 本发明涉及计算机视觉、机器学习领域,具体涉及一种基于YOLOv2网络的水上漂浮物检测方法,步骤如下:步骤1,采集数据;步骤2,数据增强;对数据集A进行数据增强。步骤3,标记图片;将数据集B中的水上漂浮物区域用矩形框进行标记,步骤4,训练模块;将数据集B分成三部分的目的是能够选出效果最好的、泛化能力最佳的权重模型。步骤5,检测模块;利用训练好的权重模型对监控的河道或湖泊视频进行检测。本发明的有益效果是取代了传统的基于人工的检测方法,节省了人力和物力,还对河道或湖泊的污染程度进行判断。本发明随机将数据集分为训练集、测试集、验证集,通过数据增强的方法扩充了样本,防止图像样本过少导致的过拟合问题。
-
公开(公告)号:CN108846827B
公开(公告)日:2021-10-15
申请号:CN201810375917.8
申请日:2018-04-16
Applicant: 江南大学
Abstract: 本发明涉及计算机技术领域,具体涉及一种基于多圆快速分割眼底视盘的方法。一种基于多圆快速分割眼底视盘的方法步骤如下:步骤1,基于高亮度和血管特性确定视盘中心;1.1彩色视网膜图像阈值分割;1.2标记候选中心;1.3定位到视盘中心。步骤2,基于多圆最小凸包运算分割视盘;2.1形态学移除血管,形态学移除血管过程采用膨胀操作。2.2 Hough圆变换,采用canny算子双阈值分割处理膨胀视盘后的视盘区域,得到二值化的边缘图像E。2.3多圆最小凸包运算。本发明采用多圆分割视盘的方法,对视盘内部检测到的多个圆进行凸包运算,能有效提高分割的速度和精度。
-
公开(公告)号:CN110599502A
公开(公告)日:2019-12-20
申请号:CN201910839598.6
申请日:2019-09-06
Applicant: 江南大学
Abstract: 本发明属于医学图像处理邻域,具体涉及一种基于深度学习的皮肤病变分割方法。第一步,将数据集分为训练样本和验证样本,对数据集中图片进行预处理,得到处理后的图片。第二步,构建五层神经网络,将第一步中处理得到的训练样本和验证样本依批次输入该网络,使用具有动量的梯度下降法进行网络优化,得到训练完成的分类器网络。第三步,对测试样本图片进行预处理,得到处理后的测试样本图片。第四步,预测图片。本发明所提的方法它是以整张图片来进行分类分割的,所以相比起来计算量就小一些,同时考虑了细节信息。实验表明,基于注意力机制的深度学习方法的分割精度比U-Net的分割精度更高。
-
公开(公告)号:CN108846827A
公开(公告)日:2018-11-20
申请号:CN201810375917.8
申请日:2018-04-16
Applicant: 江南大学
Abstract: 本发明涉及计算机技术领域,具体涉及一种基于多圆快速分割眼底视盘的方法。一种基于多圆快速分割眼底视盘的方法步骤如下:步骤1,基于高亮度和血管特性确定视盘中心;1.1彩色视网膜图像阈值分割;1.2标记候选中心;1.3定位到视盘中心。步骤2,基于多圆最小凸包运算分割视盘;2.1形态学移除血管,形态学移除血管过程采用膨胀操作。2.2 Hough圆变换,采用canny算子双阈值分割处理膨胀视盘后的视盘区域,得到二值化的边缘图像E。2.3多圆最小凸包运算。本发明采用多圆分割视盘的方法,对视盘内部检测到的多个圆进行凸包运算,能有效提高分割的速度和精度。
-
-
-
-
-