-
公开(公告)号：CN111553392B
公开(公告)日：2024-03-01
申请号：CN202010307109.5
申请日：2020-04-17
Applicant: 东南大学
IPC: G06V10/764 , G06V10/77 , G06V10/44 , G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于卷积神经网络的细粒度犬类图像识别方法，所述方法包括以下步骤：步骤1：构建卷积神经网络FG‑LANet；步骤2：构建大型预训练图像样本数据库并使用该数据库对网络进行预训练；步骤3：构建犬类图像样本数据库并使用该数据库对网络进行微调训练；步骤4：获得犬类品种识别器，使用训练好的卷积神经网络作为犬类品种识别器对犬类图像进行识别。该技术方案通过训练一种适用于犬类图像识别的卷积神经网络模型作为犬类品种识别器，将其集成入电子设备可后提高电子设备对犬类品种进行识别的正确率。
-
公开(公告)号：CN112668808B
公开(公告)日：2023-12-05
申请号：CN202110105339.8
申请日：2021-01-26
Applicant: 东南大学
IPC: G16H50/80 , G06N3/0464 , G06N3/0455 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于图卷积的手足口病发病趋势预测系统，包括：将一个省作为整体，将该省各市作为节点，根据各市之间的地理位置构建无向带权重图；以周为时间单位统计该省各市的手足口病周总发病人数、周平均气温和周平均降雨量，通过滑动窗口的方式获得固定时间步长的时间序列，构建用于监督学习的数据集；搭建基于图卷积的时空序列预测模型，将数据集输入模型进行训练，得到训练好的手足口病趋势预测模型；将新的数据输进训练好的手足口病趋势预测模型，通过迭代预测的方法得到中长期的预测结果。本发明能获得高准确率的预测结果，预测手足口病未来中长期的发病趋势。
-
-
公开(公告)号：CN110633663B
公开(公告)日：2022-04-08
申请号：CN201910835953.2
申请日：2019-09-05
Applicant: 东南大学
Abstract: 本发明公开了一种手语视频中自动裁剪多模态数据的方法，该方法：把手语视频裁剪为图像、视频、语音以及手语四个模态的数据集合，基于感知哈希算法把视频关键帧与自定义人脸特征库进行比对，实现视频裁剪过程全自动。本发明通过利用自定义的人脸库裁剪视频中的多模态数据，提高构建多模态数据集的效率。
-
公开(公告)号：CN109086802B
公开(公告)日：2022-04-08
申请号：CN201810748292.5
申请日：2018-07-10
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
-
Patent Agency Ranking
公开(公告)号：CN109124623B
公开(公告)日：2021-03-19
申请号：CN201810554759.2
申请日：2018-06-01
Applicant: 东南大学
IPC: A61B5/369
Abstract: 本发明公开了一种基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法，包括如下步骤：(1)构造单输入多输出的非线性自回归模型；(2)应用FROLS算法对步骤(1)构造的模型进行系数估计；(3)对三维PDS进行形式变换，得到用频率响应函数描述的信号yi对yj的PDC的定义式；(4)应用Volterra级数核函数的多维傅里叶变换对SIMO NARX模型进行频域分析，计算出模型的非线性频率响应函数；(5)将步骤(4)计算出的非线性频率响应函数代入步骤(3)中的PDC定义式，得到三维NPDC，得出在同时考虑三维信号的情况下某一信号对另一信号的因果影响。该方法可以检测三维脑电信号之间的因果关系。
-
公开(公告)号：CN111553392A
公开(公告)日：2020-08-18
申请号：CN202010307109.5
申请日：2020-04-17
Applicant: 东南大学
Abstract: 本发明涉及一种基于卷积神经网络的细粒度犬类图像识别方法，所述方法包括以下步骤：步骤1：构建卷积神经网络FG-LANet；步骤2：构建大型预训练图像样本数据库并使用该数据库对网络进行预训练；步骤3：构建犬类图像样本数据库并使用该数据库对网络进行微调训练；步骤4：获得犬类品种识别器，使用训练好的卷积神经网络作为犬类品种识别器对犬类图像进行识别。该技术方案通过训练一种适用于犬类图像识别的卷积神经网络模型作为犬类品种识别器，将其集成入电子设备可后提高电子设备对犬类品种进行识别的正确率。
-
公开(公告)号：CN107392922B
公开(公告)日：2019-12-03
申请号：CN201710583714.3
申请日：2017-07-18
Applicant: 东南大学
Abstract: 本发明公开了一种基于对称性匹配滤波器组和区域生长的三维血管分割方法，首先设计一个满足三维血管的形状特征和灰度分布特点的管状结构的基本匹配滤波器模板，并用两个正交平面将基本匹配滤波器等分为四个象限；然后设计方向和尺度均可变化的匹配滤波器组，与待增强的医学图像进行空间卷积，确定以得到最大卷积响应值为融合规则，实现多尺度多方向的对称性匹配滤波器组的血管增强，得到增强图像，最后对增强图像使用区域生长提取三维血管。本发明公开的方法能够有效的对血管可视化效果进行增强，尤其是细小的分支末梢血管和靠近病变肿瘤的供血动脉有较好的增强作用，同时对于边缘皮质等杂质的抑制明显，使得血管和背景的对比度显著提升，为最终血管的提取打下坚实基础。
-
公开(公告)号：CN110428427A
公开(公告)日：2019-11-08
申请号：CN201910639378.9
申请日：2019-07-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于密集偏置网络和自编码器的半监督肾动脉分割方法，包括：对现有的腹部CT血管造影图像，分割出图像中的肾脏区域得到感兴趣区域图像并进行标注得到肾动脉的真实掩模，并形成监督训练数据集和无监督训练数据集；将无监督训练数据集输入三维卷积去噪自编码器中进行图像重建训练，得到训练好的去噪自编码器模型；将监督训练数据集输入去噪自编码器模型，获得每张图像的先验解剖特征并同对应图像输入构建的密集偏置网络中进行分割训练，得到分割模型；对于新的待分割腹部CT血管造影图像，输入去噪自编码器模型得到图像的先验解剖特征，输入分割模型得到分割结果。本发明能获得高准确率的输出结果，快速实现肾动脉分割。
-
公开(公告)号：CN110292377A
公开(公告)日：2019-10-01
申请号：CN201910495542.3
申请日：2019-06-10
Applicant: 东南大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于瞬时频率和功率谱熵融合特征的脑电信号分析方法，包括以下步骤：(1)提取慢波睡眠期的正常脑电信号和早期帕金森病的脑电信号，分别计算其瞬时频率和功率谱熵，从而构成一个二维的时序特征；(2)将二维时序特征作为LSTM神经网络的输入并进行训练学习；(4)利用训练学习号的神经网络对待评估脑电信号进行分析。该方法效果良好，能区分帕金森病病人与正常人的脑电信号。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.025 seconds)
