-
公开(公告)号：CN113140327A
公开(公告)日：2021-07-20
申请号：CN202110407996.8
申请日：2021-04-15
Applicant: 广东工业大学
IPC: G16H70/40
Abstract: 本发明针对现有药物重新定位技术的局限性，提出了一种药物‑疾病关联预测方法及系统，方法部分通过运用权值K最近邻算法降低了现有药物‑疾病原始关联矩阵的稀疏性；同时在提取药物和疾病的相似性特征信息时综合了线性和非线性的特征提取方式，从而获得更加全面的相似特征信息，能够充分反映药物与疾病的关系；并采用二分图扩散方法来计算药物‑疾病关联的预测分数，获得了优良的预测性能。
-
公开(公告)号：CN118196396B
公开(公告)日：2025-05-09
申请号：CN202410467026.0
申请日：2024-04-18
Applicant: 广东工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/80 , G06V10/774 , G06V10/766 , G06V10/82 , G06V20/05 , G06N3/0464 , G06N3/045 , G06N3/0985 , G06N3/048 , G06V10/764
Abstract: 本发明提供了一种基于深度学习的水下目标检测方法，包括以下步骤：采集水下目标检测数据集，对数据集进行预处理，筛选合格的图像数据，平衡各个类别水下目标样本数量，并对所构建的数据集进行标注；本发明通过结合注意力机制和PReLU激活函数，我们构建了一种全新的目标检测头，称为PRHead。这个PRHead具有动态的特性，能够更好地适应不同目标检测任务的需求。利用注意力机制可以使模型更加集中地关注重要的目标区域，而PReLU激活函数则能够提高模型的非线性拟合能力，进一步增强了PRHead的表达能力，使用本发明提出的方法训练的水下目标检测模型具有更高的检测精度，模型的参数量和计算量更少，满足水下目标检测任务对模型轻量化和高实时性的要求。
-
公开(公告)号：CN119296032B
公开(公告)日：2025-05-06
申请号：CN202411359509.5
申请日：2024-09-27
Applicant: 广东工业大学
Abstract: 本发明公开的属于配电设备技术领域，具体为一种基于深度学习的配电设备渗漏油识别方法，包括具体步骤如下：构建配电设备渗漏油图像数据集；采用频域增强和滤波操作对配电设备渗漏油图像数据集进行特征预处理；构建一种基于深度学习的配电设备渗漏油识别模型OLM，将配电设备渗漏油图像输入模型中，模型自动识别并定位配电设备渗漏油图像中的配电设备渗漏油位置。本发明通过多层次特征图信息提取，使得模型能够更准确地提取配电设备渗漏油特征从而有效提升了在复杂的配电设备环境下的渗漏油识别准确率，并且通过不断的学习和训练，可以进一步提高对配电设备渗漏油识别的准确性和效率。
-
公开(公告)号：CN118781479B
公开(公告)日：2025-03-14
申请号：CN202410716377.0
申请日：2024-06-04
Applicant: 广东工业大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于位置注意力和多尺度残差特征的遥感影像建筑物提取方法，涉及建筑物提取技术领域。本发明包括以下步骤：Step1：预处理遥感影像数据集，获取遥感影像数据集，根据得到的遥感影像数据集制作遥感影像样本标签，将RGB遥感影像数据集与对应的遥感影像单通道数字标签分别进行垂直翻转的数据增强操作。本发明通过遥感影像建筑物提取模型FCM‑Net构建的特征解码模块中使用跳跃连接和深度监督设计。跳跃连接将来自不同尺度特征图的高级语义和低级语义相结合，减少编码器和解码器之间的语义差距；深度监督设计为在特征解码模块的第0层的每一个输出块(X0,1、X0,2、X0,3和和X0,4)后添加1×1卷积和FPReLu激活函数，以缓解梯度消失问题，加快收敛速度。
-
公开(公告)号：CN118247759B
公开(公告)日：2025-02-11
申请号：CN202410528401.8
申请日：2024-04-29
Applicant: 广东工业大学
IPC: G06V20/56 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/764 , G06V10/40
Abstract: 本发明提供了一种基于深度学习的道路破损预警方法，包括以下步骤：S101、构建道路破损数据集，或使用现有公开道路破损数据集：道路破损数据集通过在汽车上安装摄像头，在路面上行驶过程中进行采集，采集得到的图像数据通过人工进行标注，使用标注工具将破损位置框选并进行类型标注；S102、对道路破损数据集中的所有图像预处理，进行双边滤波操作，得到处理后的道路破损数据集；本发明通过在FCB模块和FCP模块中，对其中的卷积层进行部分卷积，和对池化层的改进，可以快速地提取道路破损图像的特征，增强道路破损预警模型处理复杂的道路场景的能力，减少道路破损图像特征冗余，在CSAttention模块中，引入了通道注意力机制，模型简单，运行速度快。
-
Patent Agency Ranking
公开(公告)号：CN119360394A
公开(公告)日：2025-01-24
申请号：CN202411443028.2
申请日：2024-10-16
Applicant: 广东工业大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开的属于计算机视觉图像处理技术领域，具体为一种基于深度学习的工业指针式仪表读数识别系统，包括：数据集构建与划分模块，用于构建并划分工业指针仪表图像数据集；工业指针仪表读数提取网络模块，用于提取工业指针仪表指针与刻度的语义分割图像；工业指针仪表读数识别模块，用于使用霍夫圆变换与角度法读取指针与刻度的语义分割图像。本发明基于深度学习的工业仪表指刻提取网络IPRE‑Net中的多残差小目标特征提取二级子模块，可以使分割提取模型在浅层网络时获得更丰富的特征信息，在提取指针与刻度这一类小目标时，提升提取小目标边缘信息的效果。
-
公开(公告)号：CN119313810A
公开(公告)日：2025-01-14
申请号：CN202411277677.X
申请日：2024-09-12
Applicant: 广东工业大学
IPC: G06T17/00 , G06T7/33 , G06V20/64 , G06V10/26 , G06V10/44 , G06V10/77 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/0985
Abstract: 本发明公开的属于变电站技术领域，具体为一种基于深度学习的变电站三维模型构建方法，包括具体步骤如下：采集变电站点云数据和构建变电站设备模型库；对变电站点云数据进行预处理；对预处理后变电站点云数据进行分割，得到单体点云集合；对单体点云集合进行识别，然后在变电站设备模型库查找对应设备的点云模型。本发明设计了PCSCK方法，可以极大地降低了对计算资源的需求，同时显著提高了分割效率，实现了对变电站设备的快速且精确的分割。本发明提出了一种点云模型配准方法，利用深度学习网络SERN和KPSM，提高了变电站设备配准的效率和鲁棒性，避免了配准算法陷入局部最优的问题。
-
公开(公告)号：CN118918943B
公开(公告)日：2025-01-14
申请号：CN202410902242.3
申请日：2024-07-06
Applicant: 广东工业大学
Abstract: 本发明提出一种基于三元混合级融合卷积神经网络的化合物血脑屏障渗透性预测方法，具体实现步骤如下：（1）对于获取到的化合物，提取所述化合物的SMILES表达式和分子结构图；（2）进行数据预处理操作：提取MGF、MFF和MDF，通过特征筛选分别得到P‑MGF，P‑MFF，P‑MDF，依次对P‑MGF、P‑MFF、P‑MDF进行归一化得到#imgabs0#、#imgabs1#、#imgabs2#；（3）构建三元混合级融合卷积神经网络，设计一个三元模块处理#imgabs3#、#imgabs4#、#imgabs5#三种特征集，将处理结果通过拼接层融合得到#imgabs6#，依次运用全连接层、输出层来处理#imgabs7#；（4）将#imgabs8#、#imgabs9#、#imgabs10#输入到三元混合级融合卷积神经网络，进行参数调整以得到最佳预测网络；（5）将最佳预测网络运用于待测化合物样本的预测。
-
公开(公告)号：CN119296032A
公开(公告)日：2025-01-10
申请号：CN202411359509.5
申请日：2024-09-27
Applicant: 广东工业大学
Abstract: 本发明公开的属于配电设备技术领域，具体为一种基于深度学习的配电设备渗漏油识别方法，包括具体步骤如下：构建配电设备渗漏油图像数据集；采用频域增强和滤波操作对配电设备渗漏油图像数据集进行特征预处理；构建一种基于深度学习的配电设备渗漏油识别模型OLM，将配电设备渗漏油图像输入模型中，模型自动识别并定位配电设备渗漏油图像中的配电设备渗漏油位置。本发明通过多层次特征图信息提取，使得模型能够更准确地提取配电设备渗漏油特征从而有效提升了在复杂的配电设备环境下的渗漏油识别准确率，并且通过不断的学习和训练，可以进一步提高对配电设备渗漏油识别的准确性和效率。
-
公开(公告)号：CN119024700A
公开(公告)日：2024-11-26
申请号：CN202411163759.1
申请日：2024-08-23
Applicant: 广东工业大学
IPC: G05B13/04
Abstract: 本发明公开的属于自动控制与智能系统技术领域，具体为基于自适应最优控制方法和Voronoi分布运动协调算法的多目标系统跟踪方法，包括具体步骤如下：计算多目标系统的初始概率密度函数和动态障碍物的空间分布；获取多目标系统的状态演化路径，所述路径由时变高斯混合模型表示；构建包含多目标系统和动态障碍物的障碍地图函数，通过自适应最优控制方法计算系统的最优密度路径。本发明引入了自适应最优控制方法和Voronoi分布运动协调算法，通过高斯混合模型(GMM)和障碍地图函数的构建，能够准确地描述和预测大规模多目标系统在动态环境中的状态演化。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.032 seconds)
