公开(公告)号：CN113807406B

公开(公告)日：2023-05-23

申请号：CN202110980857.4

申请日：2021-08-25

Applicant: 西北大学

Inventor： 张小溪 ,  高原 ,  王欣 ,  王洁 ,  冯筠 ,  颜建强

IPC: G06F18/2413 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06F16/29

Abstract: 本发明公开了一种融合地理上下文的深度多尺度交通模式识别模型UrbTrans，其构建包括：1.从OpenStreetMap平台爬取城市区域的公共设施、道路网络、道路等级等地理信息数据，将GPS轨迹数据与地理信息数据相互匹配，提取轨迹的地理上下文特征；2.从原始GPS轨迹中提取速度、加速度、航向变化率等运动特征信息；3.构建并训练融合轨迹运动特征和地理上下文特征的深度多尺度交通模式识别模型UrbTrans。4.使用训练后的深度多尺度交通模式识别模型UrbTrans对城市区域中GPS轨迹的交通模式进行识别，将输入GPS轨迹段的交通模式识别为步行、自行车、公共交通、轿车中的一种。提高了轨迹交通模式识别的准确性，并且在对短距离、短时间的轨迹识别上有进一步优势。

公开(公告)号：CN110020671B

公开(公告)日：2023-04-18

申请号：CN201910174269.4

申请日：2019-03-08

Applicant: 西北大学

Inventor： 孙霞 ,  马龙 ,  张蕾 ,  冯筠 ,  吴楠楠

IPC: G06F16/35 ,  G06F18/214 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G16H70/40

Abstract: 本发明公开了一种基于双通道CNN‑LSTM网络的药物关系分类模型构建方法，对原始药物文本集进行预处理，对预处理后的药物文本集中每个预处理后的药物文本进行逆序操作，获得逆序文本集；将预处理后的药物文本集作为正序文本集；训练神经网络，获得药物关系分类模型；神经网络包括并行的正序文本特征提取层以及逆序文本特征提取层，特征融合层以及分类层；正序文本特征提取层与逆序文本特征提取层均包括依次设置的卷积块以及长短期记忆神经网络块；本发明通过构建了双通道CNN‑LSTM网络，使用CNN提取药物文本的局部特征，使用LSTM分别提取药物文本的全局特征，提取出的药物关系特征更加丰富，使得分类正确率提高。

公开(公告)号：CN109948445B

公开(公告)日：2023-04-07

申请号：CN201910126360.9

申请日：2019-02-20

Applicant: 西北大学

Inventor： 曹正文 ,  乔念祖 ,  卜起荣 ,  冯筠

IPC: G06V40/20 ,  G06V10/26 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种复杂背景下动作分类方法及动作分类系统，具体公开了一种基于超像素分割、深度学习和脑电波信号复杂背景下动作分类方法及动作分类系统。通过采用CNN类网络对动作时序图像和动作掩模图像提取时刻图像特征，增强了人体动作区域图像特征，然后结合图像的时序信息和脑电波形，进一步增强人体动作行为特征，有效的解决了现有技术中单一视角图像进行人体动作行为的识别，以及单独依靠图像和面对复杂背景情况下易受环境变化影响、识别率和准确度不高、鲁棒性不强等问题。

公开(公告)号：CN109581444B

公开(公告)日：2023-01-13

申请号：CN201811294524.0

申请日：2018-11-01

Applicant: 西北大学(CN)

Inventor： 王欣 ,  黄龙飞 ,  高原 ,  冯筠

IPC: G01S19/42

Abstract: 本发明公开了一种GPS轨迹分段及语义标注方法，该方法包括两个部分，即为语义轨迹分段和基于本体模型的语义标注。首先，应用自顶向下的方法将原始GPS轨迹分割为若干关于用户移动条件一致的连续子轨迹；然后执行自底向上的推理和注释过程来创建层次化的语义片段或现实生活情景。将自顶向下完成轨迹分段和自底向上实现语义推理相结合的SEMANTIC‑SEG框架不仅提高了语义分段任务效率，同时具有高度的灵活性。

公开(公告)号：CN112241966B

公开(公告)日：2022-11-04

申请号：CN202010996399.9

申请日：2020-09-21

Applicant: 西北大学

Inventor： 冯筠 ,  谢祎霖 ,  卜起荣

IPC: G06T7/143 ,  G06N3/04 ,  G06N3/08 ,  G16H30/00

Abstract: 本发明属于医学图像分析技术领域，公开了一种多任务多分类的胸部器官分割模型建立、分割方法及系统。模型建立方法包括如下步骤：步骤1：获取医学影像图片集，并进行预处理，获得预处理图像集和不同器官的掩模图像；步骤2：建立分割网络，所述分割网络包括多尺度输入模块、编码器模块、特征增强模块、解码器模块和超列模块；步骤3：将预处理图像集和不同器官的掩模图像作为分割网络的输入，将不同器官的分割概率结果图作为分割网络的输出，训练分割网络，将训练好的分割网络作为多任务多分类的胸部器官分割模型。解决了现有方法中胸片多组织重叠造成的分多类骨骼分割方法以及多类器官分割方法存在的过分割和欠分割的问题。

公开(公告)号：CN113222113A

公开(公告)日：2021-08-06

申请号：CN202110417190.7

申请日：2021-04-19

Applicant: 西北大学

Inventor： 胡景钊 ,  贾巧妹 ,  王晨 ,  张效齐 ,  冯筠

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于反缩放卷积层的信号生成方法及装置，该方法首先初始化反缩放卷积层，并将待处理的类频谱特征图输入反缩放卷积层；对初始化反缩放卷积层的卷积核与类频谱特征图的首层系数进行移位乘加操作，然后不断对卷积核进行下采样并与类频谱特征图的后续层系数继续进行移位乘加操作，直至遍历完类频谱特征图的所有层，最后将各移位乘加操作的计算结果逐采样点进行平均，并通过激活函数，得到平均一维激活值，作为反缩放卷积层的最终信号生成结果。本发明能充分考虑目标信号本身时频特性、能充分综合类频谱特征图中不同类时频分量能量、无需信号对齐、可处理变长信号、兼容现有深度学习框架。

公开(公告)号：CN112906783A

公开(公告)日：2021-06-04

申请号：CN202110176255.3

申请日：2021-02-06

Applicant: 西北大学

Inventor： 冯筠 ,  贾巧妹 ,  胡景钊 ,  郑佳宾 ,  王晨

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种适用于跨被试的脑电情绪识别方法：步骤1，将跨被试脑电情绪数据集分为训练集和测试集，并初始化训练集中的样本的权重，同时初始化基分类器；步骤2，设置当前基分类器的网络参数；步骤3，训练基分类器；步骤4，利用自适应提升算法计算训练集中每个样本的权重；步骤5，判断是否满足停机条件，是则取测试集上泛化性能最大时对应的基分类器作为最终训练好的脑电情绪识别模型，不满足则转入步骤2。本发明的方法和装置借助自适应提升算法确定跨被试脑电情绪数据集的样本权重，能够有效的调整样本特征分布，提高脑电情绪识别模型的泛化性能。

公开(公告)号：CN112905828A

公开(公告)日：2021-06-04

申请号：CN202110291306.7

申请日：2021-03-18

Applicant: 西北大学

Inventor： 冯宏伟 ,  侯刚 ,  冯筠 ,  刘建妮 ,  韩健

IPC: G06F16/583 ,  G06T17/00 ,  G06T7/136 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种结合显著特征的图像检索器、数据库及检索方法及检索方法，获取古生物三维模型，对古生物三维模型进行映射处理，得到古生物三维模型视图集和掩膜图像集；获取真实化石图像集，对真实化石图像集进行预处理得到仿真化石图像集G_X；将仿真化石图像集G_X和掩膜图像集作为输入，训练显著性检测网络，得到训练好的显著性检测网络；本发明中将显著性检测网络编码器提取的显著性特征与全局特征融合，作为最终图像的描述特征，并将此描述特征作为化石图像检索的最终特征，加强了对化石图像中主体部分的特征描述，减小了岩石等噪音对检索的影响，解决了现有技术中化石图像检索精度不高的技术问题。

公开(公告)号：CN112241966A

公开(公告)日：2021-01-19

申请号：CN202010996399.9

申请日：2020-09-21

Applicant: 西北大学

Inventor： 冯筠 ,  谢祎霖 ,  卜起荣

IPC: G06T7/143 ,  G06N3/04 ,  G06N3/08 ,  G16H30/00

Abstract: 本发明属于医学图像分析技术领域，公开了一种多任务多分类的胸部器官分割模型建立、分割方法及系统。模型建立方法包括如下步骤：步骤1：获取医学影像图片集，并进行预处理，获得预处理图像集和不同器官的掩模图像；步骤2：建立分割网络，所述分割网络包括多尺度输入模块、编码器模块、特征增强模块、解码器模块和超列模块；步骤3：将预处理图像集和不同器官的掩模图像作为分割网络的输入，将不同器官的分割概率结果图作为分割网络的输出，训练分割网络，将训练好的分割网络作为多任务多分类的胸部器官分割模型。解决了现有方法中胸片多组织重叠造成的分多类骨骼分割方法以及多类器官分割方法存在的过分割和欠分割的问题。

公开(公告)号：CN112233065A

公开(公告)日：2021-01-15

申请号：CN202010968936.9

申请日：2020-09-15

Applicant: 西北大学

Inventor： 张敏 ,  侯文静 ,  许筱敏 ,  张蕾 ,  冯筠 ,  吕毅

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/90

Abstract: 本发明属于图像处理技术领域，公开了一种显著性调制下多维视觉特征协作的全盲图像质量评价方法，对待测失真图像获取失真图像块并提取图像质量感知特征；将所有失真图像块的图像质量感知特征作为待测特征向量矩阵；然后对获得的待测特征向量矩阵采用基于视觉显著性进行拟合，获得待测视觉模型；最后计算待测视觉模型与标准视觉模型之间的马氏距离获得待测失真图像的客观质量分数。本发明结合了人眼视觉初级感知特点，构建了用于表达图像对比度失真与色调失真的特征描述子，并结合图像的高阶自然场景统计特征、图像结构特征以及颜色特征，从而更全面地表达图像的失真。