-
公开(公告)号：CN110414373B
公开(公告)日：2021-09-24
申请号：CN201910609754.X
申请日：2019-07-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于云边端协同计算的深度学习掌静脉识别系统，主要由云计算层、边缘计算层和终端层构成，通过三层的组合决定了整个识别系统的计算和存储能力，具体包括云存储模块、掌静脉采集识别设备以及客户端，云存储模块能够为模型提供训练所需的计算资源，并将训练后的模型传给掌静脉采集设备的边缘计算模块上，终端收集深度卷积神经网络模型的识别状况，并经边缘计算模块反馈给云存储模块上的深度卷积神经网络模型芯片，这样不断地训练、应用、反馈、再训练，经过反复的有效迭代训练，最终得到的掌静脉识别模型准确率有很大提高；后端云存储模块还可以根据云平台的资源配置和管理能力来实现掌静脉识别系统的快速部署和统一管理。
-
公开(公告)号：CN113204417A
公开(公告)日：2021-08-03
申请号：CN202110478773.0
申请日：2021-04-30
Applicant: 武汉大学
Abstract: 本发明涉及一种基于改进遗传与萤火虫组合算法的多卫星多点目标观测任务规划方法。本发明对现有的遗传算法进行改进，改进后的遗传算法能更快地跳出不可行解区域，找到可行解，从而进入之后的选择过程；然后将改进后的遗传算法与萤火虫算法相结合，萤火虫算法具有后期较好的局部性，能够明显改善遗传算法的寻优能力，加大了算法在最优解附近的搜索能力，同时让交叉过程更多的发生在较优个体中，显著提升了算法性能；此外本发明采用非机器学习的仿真模拟优化方案避免了卫星规划对于往期规划数据的大量需求，保证了规划方法不受过往较差规划方案的影响，而且利用仿真技术可以摆脱时间的约束，提前对卫星的规划作出决策与评估，降低成本。
-
公开(公告)号：CN111184508B
公开(公告)日：2021-05-18
申请号：CN202010063050.X
申请日：2020-01-19
Applicant: 武汉大学
Abstract: 本发明公开了一种基于联合神经网络的心电信号检测装置及分析方法，首先在机器学习服务器上搭建联合神经网络算法并训练模型，针对预处理后的心电数据，该模型通过残差神经网络模块提取数据空间特征并得到空间分类概率，通过双向长短期记忆神经网络和注意力模块在降维后的空间特征图上提取数据的时序特征并得到时序分类概率，最后融合这两种分类概率得到检测结果；从可穿戴式装置获取患者少量心电数据，人工标记后输入机器学习服务器对模型fine‑tuning，将最终模型部署到智能移动设备；最后将可穿戴式装置与智能移动设备通过无线传输实现实时异常检测。本发明开发了心电信号从采集到实时检测的可穿戴式装置，为辅助诊断心脏疾病提供有效技术手段。
-
公开(公告)号：CN111743513A
公开(公告)日：2020-10-09
申请号：CN202010606885.5
申请日：2020-06-29
Applicant: 武汉大学
IPC: A61B5/00 , A61B5/0476
Abstract: 本发明公开了一种基于混合通道EEG信号的S1与REM睡眠状态检测方法及系统，首先获取Fpz-Cz和Pz-Oz两个通道的EEG信号数据；然后将S1和REM两个睡眠状态作为一个整体状态，并利用Fpz-Cz单通道信号数据对该整体状态进行检测；最后对检测的S1与REM整体状态，利用Fpz-Cz和Pz-Oz两个通道的信号数据进行二分类，以分别检测出S1和REM两个不同的睡眠状态。本发明结合S1和REM睡眠状态的相似性与差异性特点，通过利用不同通道信号数据及提取不同分类特征建立多模型融合的分类检测方法，能够有效提高S1与REM睡眠状态的检测精度。
-
公开(公告)号：CN110414373A
公开(公告)日：2019-11-05
申请号：CN201910609754.X
申请日：2019-07-08
Applicant: 武汉大学
Abstract: 本发明公开了一种基于云边端协同计算的深度学习掌静脉识别系统，主要由云计算层、边缘计算层和终端层构成，通过三层的组合决定了整个识别系统的计算和存储能力，具体包括云存储模块、掌静脉采集识别设备以及客户端，云存储模块能够为模型提供训练所需的计算资源，并将训练后的模型传给掌静脉采集设备的边缘计算模块上，终端收集深度卷积神经网络模型的识别状况，并经边缘计算模块反馈给云存储模块上的深度卷积神经网络模型芯片，这样不断地训练、应用、反馈、再训练，经过反复的有效迭代训练，最终得到的掌静脉识别模型准确率有很大提高；后端云存储模块还可以根据云平台的资源配置和管理能力来实现掌静脉识别系统的快速部署和统一管理。
-
Patent Agency Ranking
公开(公告)号：CN110348435A
公开(公告)日：2019-10-18
申请号：CN201910519737.7
申请日：2019-06-17
Applicant: 武汉大学
Abstract: 本发明公开了一种基于裁剪区域候选网络的目标检测方法及系统，首先采集遥感数据集，并划分为训练集、验证集和测试集；然后生成包含感兴趣对象的裁剪区域；接着执行每个剪裁区域的对象检测；最后合并多个裁剪区域的检测结果，并去除冗余检测结果，得到最后检测结果。本发明可以快速定位感兴趣区域，并能同时检测极大尺度目标和极小尺度目标的双尺度训练策略，从而在有限的资源下，高效地对大尺度遥感图像进行对象检测；本发明提出的一种基于模块化设计的裁剪区域网络CRPN，包含弱语义RPN(弱语义特征抽取网络和基于弱语义特征的RPN网络)与剪裁区域生成算法，其可以与传统的目标检测网络(如：Faster RCNN)相结合，实现大尺度遥感图像的高性能对象检测。
-
公开(公告)号：CN103218622B
公开(公告)日：2016-04-13
申请号：CN201310141896.0
申请日：2013-04-22
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种基于计算机视觉的雾霾监测方法，采集场景中预设的颜色黑暗的远近目标区域，基于目标物视觉特征的计算及与不同雾霾情况下样本图像的对比，给出针对雾霾的监测结果。表达图像的视觉特征包括：包含像素色彩饱和度均值与蓝色分量均值在内的颜色特征，包含特征点个数与边缘像素点个数在内的形状特征，包含灰度共生矩阵特征与小波变换子带系数在内的纹理特征，以及表示远近目标物之间差别的特征向量。本发明提出了在原理上与人工观测雾霾最接近的借助视觉特征的直接测量方式，易于实现针对整个区域的雾霾情况的全面监测，而且在样本数据足够多时能够保证高精度的监测结果。
-
公开(公告)号：CN103940714A
公开(公告)日：2014-07-23
申请号：CN201410202090.2
申请日：2014-05-13
Applicant: 武汉大学
IPC: G01N15/06
Abstract: 本发明公开了一种仿人工雾霾监测系统与方法，包括透气不透光的前端箱体和后台计算机，前端箱体内设目标物、恒定光源、图像采集设备和数据传输单元，目标物为红黑相间的棋盘格阵列图片，恒定光源置于前端箱体内侧顶部；图像采集设备与目标物相对设置，图像采集设备通过数据传输单元向后台计算机传输数据。后台计算机计算目标图像的颜色特征、形状特征和纹理特征，获得各特征相对于无雾霾时目标图像对应特征的变化率，根据各特征变化率获得雾霾指数，基于雾霾指数通过映射函数获得雾霾浓度。本发明从一个新角度实现了雾霾监测，成本低，易部署，能实现整个区域的全面雾霾监测，从而为空气污染防治提供更加丰富的信息。
-
公开(公告)号：CN103116761A
公开(公告)日：2013-05-22
申请号：CN201310073226.X
申请日：2013-03-07
Applicant: 武汉大学苏州研究院
IPC: G06K9/62
Abstract: 一种针对图像序列的动态纹理识别方法，通过三维HMT模型参数的比较进行动态纹理识别，包括对图像序列进行Surfacelet变换得到系数矩阵，即通过塔形分解实现针对图像序列的多尺度分解，通过两个2D-DFB串联的3D-DFB将三维信号分解到不同方向，通过三维矩阵存储Surfacelet变换后得到的子带数据并由提取的特征向量生成系数矩阵；然后针对系数矩阵建立三维HMT模型，即使用高斯混合模型实现系数的分布建模，使用三维HMT模型实现系数的尺度间连续性建模，使用EM算法求解HMT模型的参数。本发明还对于所处理数据包含多种类型动态纹理的情况，提出了相应的扩展方案。本发明实现起来更加简单，适用性更强，且识别效果更好。
-
公开(公告)号：CN114847959B
公开(公告)日：2024-10-22
申请号：CN202210291251.4
申请日：2022-03-23
Applicant: 武汉大学
IPC: A61B5/318 , A61B5/352 , A61B5/00 , G06V10/764 , G06V10/82 , G06F18/213 , G06F18/10 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种远程心脏介入手术中的心梗定位系统及方法，首先利用ECG信号采集装置采集心脏介入手术过程中12导联ECG信号并通过Wi‑Fi传输至云服务器；在云服务器上进行ECG信号预处理，将预处理后的ECG信号中每个导联作为云服务器上部署的多分支Mobi‑Trans心梗位置分类模型每个对应分支的输入，每个分支先利用改进的轻量级MobileNetV3模块提取特征，其次使用改进的Transformer模块使模型更关注ECG信号中更重要的位置，最后使用分支注意力模块使模型能够更加关注对分类贡献更大的分支并得到心梗位置的分类结果。本发明通过12个并行分支结合轻量级卷积模块和改进的自注意力模块以及分支注意力机制，为远程心脏介入手术中的心梗定位提供了一种有效的技术手段。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.02 seconds)
