-
公开(公告)号：CN115691686A
公开(公告)日：2023-02-03
申请号：CN202211385153.3
申请日：2022-11-07
Applicant: 河南大学
Abstract: 本发明涉及人工智能的有机合成技术领域，具体涉及一种基于ChemCNet的有机合成智能分析方法及系统；该方法包括：1)特征描述符的计算，根据软件将化学反应条件转化为特征描述符；2)模型的建立，构建注意力驱动，并结合深度学习和集成提升树CatBoost的ChemCNet模型，对特征描述符进行再表示学习、产率进行智能预测，对产率和反应条件内在关系进行分析；3)使用特征重要性和SHAP值对ChemCNet模型及其预测结果进行可视化分析。该方法能够降低数据冗余性，实现化学反应产率的精准预测；符合绿色化学，智慧化学理念，在节约资源的基础上实现对产率的精准预测，并智能分析反应条件与产率之间的内在关系。
-
公开(公告)号：CN108171215B
公开(公告)日：2023-02-03
申请号：CN201810072104.1
申请日：2018-01-25
Applicant: 河南大学
Abstract: 本发明公开了一种基于低秩变异字典和稀疏表示分类的人脸伪装检测和识别方法，包括以下步骤：利用低秩分解出的稀疏部分构造变异字典库。变异字典库包含眼镜伪装和口罩伪装。对用户提交的检索图像进行低秩分解，得到低秩部分和稀疏部分，对检索图像的稀疏部分，计算伪装检测指标的值，如果伪装检测指标的值大于给定的阈值，检索图像判定为没有伪装；小于给定的阈值，检索图像判定为有伪装，再进行下一步识别是哪一种伪装，用构造好的变异字典库对待检测的伪装进行稀疏表示，用重建误差作为分类准则，检测是哪一种伪装并对伪装进行去除。
-
公开(公告)号：CN115375630A
公开(公告)日：2022-11-22
申请号：CN202210936944.4
申请日：2022-08-05
Applicant: 河南大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/774 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种基于CBNet模型的乳腺肿瘤良恶性智能识别与预测系统，图片检测功能模块、CBNet特征提取与识别模块、模型参数调整功能模块、显示和保存检测识别详细信息功能模块、语言设置功能模块。本发明率先将卷积神经网络和CatBoost集成树模型结合构建成特征表示学习能力强且具有良好可解释性的CatNet网络，并用于乳腺肿瘤良/恶性智能检测与识别。
-
公开(公告)号：CN108171215A
公开(公告)日：2018-06-15
申请号：CN201810072104.1
申请日：2018-01-25
Applicant: 河南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于低秩变异字典和稀疏表示分类的人脸伪装检测和识别方法，包括以下步骤：利用低秩分解出的稀疏部分构造变异字典库。变异字典库包含眼镜伪装和口罩伪装。对用户提交的检索图像进行低秩分解，得到低秩部分和稀疏部分，对检索图像的稀疏部分，计算伪装检测指标的值，如果伪装检测指标的值大于给定的阈值，检索图像判定为没有伪装；小于给定的阈值，检索图像判定为有伪装，再进行下一步识别是哪一种伪装，用构造好的变异字典库对待检测的伪装进行稀疏表示，用重建误差作为分类准则，检测是哪一种伪装并对伪装进行去除。
-
公开(公告)号：CN103207910B
公开(公告)日：2017-02-08
申请号：CN201310119320.4
申请日：2013-04-08
Applicant: 河南大学
Abstract: 本发明公开了一种基于分层特征和遗传规划相关反馈的图像检索方法，包括以下步骤：1）、对用户提交的检索图像进行自适应分割，得到分割区域；（2）、对检索图像提取全局特征；分割区域提取局部底层特征；（3）、对于标准图像库中的每一幅图像计算对应于分割区域的最优区域；（4）、构建全局-最优区域相似度匹配模式；5）、通过赋予相似度匹配模式中各种相似度以平均权重来计算检索图像和标准图像库中每一幅图像的相似度；根据相似度进行排序得到初始检索结果并把与用户最相似的前若干幅图像返回用户端；（6）、用户参与反馈，直到检索出满意的图像。能够更接近用户的检索意图，可以有效地提取图像的内容特征，并能快速有效地完成检索过程。
-
Patent Agency Ranking
公开(公告)号：CN119540616A
公开(公告)日：2025-02-28
申请号：CN202411590222.3
申请日：2024-11-08
Applicant: 河南大学
IPC: G06V10/764 , G06V40/20 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种用于人体骨架动作识别的多尺度图卷积网络自适应集成系统及方法，方法步骤为S0：获取人体骨架数据，根据人体骨架数据构建多尺度分层分解图；S1：基于多尺度分层分解图对人体骨架数据进行特征提取并进行分类；S2：对人体骨架数据的多组初步动作分类结果进行融合操作，得到人体骨架数据的一组动作分类结果。系统包括依次连接的多尺度图卷积网络和自适应集成网络，所述多尺度图卷积网络包括并行的人体整体特征图卷积网络、人体局部特征图卷积网络和人体细节特征图卷积网络。本发明不仅提高了分类精度，还减少了人工干预，减弱了权重参数设置不合理对模型精度的影响。
-
公开(公告)号：CN119493962A
公开(公告)日：2025-02-21
申请号：CN202411609822.X
申请日：2024-11-12
Applicant: 河南大学
IPC: G06F18/20 , G06F18/10 , G06F18/25 , G06F18/214 , G06N3/0895 , G06F18/22 , G06F18/2413
Abstract: 本发明提出了一种基于最优传输驱动的多模态数据整合、匹配与插补方法，该方法构建了一个由最优传输理论驱动的Wasserstein自编码器模型。该模型能够捕捉不同模态数据的复杂分布，并通过正则化潜在空间有效应对特征稀疏性问题。同时，通过基于样本类别的对比学习，模型增强了同类模态间的相似性，从而训练出一个具备强大特征提取和匹配能力的编码器，不仅优化了数据整合与匹配的过程，还显著提高了数据插补的准确性。这一创新方法成功应对了数据科学领域中多模态数据整合与分析的核心挑战，尤其在医学影像、自动驾驶和情感分析等领域，展现出广泛的应用前景和显著的实际价值。
-
公开(公告)号：CN116912212B
公开(公告)日：2024-08-16
申请号：CN202310886912.2
申请日：2023-07-19
Applicant: 河南大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/42 , G06V10/80 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于YOLO‑CSC模型的肺结节CT图像分析方法，通过在目标检测网络YOLOv5中引入卷积稀疏编码，使得网络在提升目标检测和识别能力的同时，避免学习到其他冗余特征；进而在YOLOv5的路径聚合网络中增加一个高分辨率的特征层，并去除最低分辨率的特征层，使得对极小的肺结节有更好地检测效果，并提高网络查准率和查全率。本发明构建了一个特征表示学习能力强，且具有良好可解释性的深度目标检测网络，旨在快速精确识别小尺寸、假阳性的肺结节。
-
公开(公告)号：CN117765400A
公开(公告)日：2024-03-26
申请号：CN202410024947.X
申请日：2024-01-08
Applicant: 河南大学三亚研究院
IPC: G06V20/10 , G06V20/69 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种多方位回归的花生叶片气孔实时无损智能检测方法及系统(简称Reg‑PeanutNet)。本发明的核心是针对花生气孔和开度的表型特点，以及能获取准确的表型数据供后续对气孔行为及基因型的研究，构建了一种多方位回归的高精度检测花生叶片气孔及开度的实时智能检测识别方法。该方法针对无损方式获取的花生叶片表皮气孔图像数据，通过构建一种多方位回归模型，实现更加精确的花生叶片气孔定位以及气孔密度和开度等表型信息的全自动获取。该方法具有显著的实时性，用户不仅可以便捷地基于基础参数设置快速读取花生气孔表型性状信息，还能根据个人需要通过参数调整模块最大限度地提高识别的准确性和可扩展性。
-
公开(公告)号：CN114913523B
公开(公告)日：2024-02-20
申请号：CN202210601781.4
申请日：2022-05-30
Applicant: 河南大学
Abstract: 本发明涉及智慧农业技术领域，具体涉及基于YOLOX的植物气孔多功能实时智能识别系统，该系统包括数据采集模块、迁移学习模块、标签分类模块、网络模型训练模块以及气孔识别模块。采集植物叶表皮图像，将叶表皮图像分为单目标检测数据集和双目标检测数据集；结合迁移学习和YOLOX获取每个标注框对应的正样本锚框；利用单目标检测数据集和双目标检测数据集以及改进的Focal‑CIoU Loss分别完成单目标网络模型和双目标网络的训练；利用网络模型识别图像数据中的气孔特征并反馈给用户。本发明能够提高植物叶表皮图像中的气孔识别的准确率，对植物气孔性状的研究具有重要意义，对智慧农业的发展起到积极的推动作用。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.054 seconds)
