-
公开(公告)号：CN113035311A
公开(公告)日：2021-06-25
申请号：CN202110340777.2
申请日：2021-03-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于多模态注意力机制的医学图像报告自动生成方法，使用关键词数据集训练图像特征提取模型，并用该模型提取与图像描述相关的视觉特征，并基于关键词注意力机制和空间注意力机制，利用多模态注意力机制生成联合的上下文向量；上下文向量被输入到了一个句子LSTM，展开几步，然后在每一步都会产生一个主题向量，主题向量表示了所需要生成的句子的语义；给定一个主题向量，单词LSTM以它作为输入，然后生成一个单词序列，用于形成一个句子，这个过程的终止由句子LSTM控制；最后将形成的所有句子组合到一起，列出标签列表，就完成了医学图像报告的自动生成。该方法能有效解决撰写医学图像报告耗时费力，容易出错的问题。
-
公开(公告)号：CN113011191A
公开(公告)日：2021-06-22
申请号：CN202110466416.2
申请日：2021-04-28
Applicant: 广东工业大学
IPC: G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本申请公开了一种知识联合抽取模型训练方法，包括：S1：采用初始种子训练集训练预置联合抽取模型，得到更新联合抽取模型，初始种子训练集包括第一标签，预置联合抽取模型用于实体识别和关系抽取；S2：通过无标注测试集对更新联合抽取模型进行测试，得到测试结果；S3：基于最大熵原理对测试结果进行评估分析，得到评估置信度；S4：在评估置信度小于置信度阈值时，将添加第二标签后的无标注测试集加入初始种子训练集中，并执行步骤S1‑S3。本申请能够解决现有技术需要大量的人力进行语料标注，且将实体识别和关系抽取分别作独立任务完成，导致实际操作耗费人力的同时还忽略了信息抽取过程中的关联性的技术问题。
-
公开(公告)号：CN112989833A
公开(公告)日：2021-06-18
申请号：CN202110406629.6
申请日：2021-04-15
Applicant: 广东工业大学
IPC: G06F40/295 , G06F40/216 , G06F16/36 , G06N3/04
Abstract: 本发明公开了一种基于多层LSTM的远程监督实体关系联合抽取方法和系统，数据集采用百科三元组来远程监督制作数据集，实体关系联合抽取模型由实体关系联合抽取模型包括字符LSTM层、编码层、实体提取模块和关系提取模块，使用远程监督数据集对实体关系联合抽取模型进行训练，使用训练好的实体关系联合抽取模型进行实体关系联合抽取，能够对实体关系进行有效识别，解决了现有的实体关系抽取效果不理想的技术问题。
-
公开(公告)号：CN112927139A
公开(公告)日：2021-06-08
申请号：CN202110307799.9
申请日：2021-03-23
Applicant: 广东工业大学
Abstract: 本申请公开了一种双目热成像系统及超分辨率图像获取方法，方法包括：获取多张可见光图像以及多张热成像图像；将热成像图像进行退化处理，得到退化热成像图像；将可见光图像以及退化热成像图像作为超分辨率网络的输入样本，将热成像图像作为训练标签；将插值后的退化热成像图像与可见光图像输入递进式纹理迁移网络中进行纹理迁移，得到融合可见光图像的纹理特征以及退化热成像图像的内容特征的纹理迁移特征图；提取退化热成像图像的浅层特征，将浅层特征与纹理迁移特征图输入到跨尺度残差聚合网络，得到热成像超分辨率红外图像。本申请解决了传统的热成像系统图像对比度低，分辨细节较差，且获取高分辨率图像成本极高的技术问题。
-
公开(公告)号：CN106844773B
公开(公告)日：2021-05-11
申请号：CN201710114510.5
申请日：2017-02-28
Applicant: 广东工业大学
Abstract: 本发明实施例提供的一种水火弯板工艺知识分层式数据存储方法，通过存储数据的存储层次对数据进行分类存储，通过关系表对分类存储之后的存储数据关联起来，使得存储数据的存储过程快速且井然有序，存储数据在数据库中的存储位置清楚明确，且各个存储数据之间具有关联关系，进而能够清楚快速有效地对存储数据进行查询检索，解决了现有的水火弯板数据存储混乱，数据查询极度不方便的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110086716B
公开(公告)日：2021-02-19
申请号：CN201910340679.1
申请日：2019-04-25
Applicant: 广东工业大学
IPC: H04L12/721 , H04L12/705
Abstract: 本发明公开了一种基于正态随机分布下的全局寻优路由方法，包括如下步骤：S1：根据路由器的网络图，将链路花费C定义为电阻R，路由节点定义为电位节点，从而得到整个电路图；S2：在电路图中计算出各电位节点的电势，利用电流由电势高流向电势低的特点，得到各个节点之间的连接关系，进而得到全局可供选择的路径集；S3：用评估函数计算出路径集中每条路径的值E，筛选出最小的值E即为正态随机分布下的全局最优解。本发明不仅能选择出较短的路由路径，最关键的是可以提高各条链路的利用率和各个路由器节点的使用率，合理地配置网络资源，提高路由效率。
-
公开(公告)号：CN107484208B
公开(公告)日：2021-01-26
申请号：CN201710765975.7
申请日：2017-08-30
Applicant: 广东工业大学
Abstract: 本发明公开了一种异构网络的负载均衡算法，包括计算网络组中各网络的网络负载度，判断最大网络负载度与最小网络负载度的差值是否小于第一阈值；若否，确定最大网络负载度的网络中需要调整的用户终端数量S，根据预设规则选择S个待调整用户终端，其中，待调整用户终端所处网络的网络负载度大于待接入网络的网络负载度；将S个待调整用户终端切换至待接入网络中，以实现网络组中各网络负载均衡。本发明通过一次调整就可以将多个用户终端切换至待接入网络中，以实现网络组中个网络负载均衡，提高了调节速率，增强了用户体验。本发明还公开了一种异构网络的负载均衡系统，具有上述有益效果。
-
公开(公告)号：CN112130169A
公开(公告)日：2020-12-25
申请号：CN202011010352.7
申请日：2020-09-23
Applicant: 广东工业大学
IPC: G01S17/89 , G01S17/933
Abstract: 本申请公开了一种激光雷达数据和高光谱图像的点云级融合方法，主要针对异构遥感数据，即激光雷达数据以及高光谱图像数据，基于加入正则项的非负矩阵分解框架首先对高光谱数据解混，获取高光谱图像数据丰度矩阵以及端元矩阵；并根据高光谱图像数据的最终丰度矩阵的丰度信息，采用双线性内插法获得激光雷达数据的丰度矩阵；将最终利用激光雷达数据的丰度矩阵与最终高光谱端元矩阵进行融合，得到高光谱点云。本申请将高光谱高分辨光谱信息与小光斑激光雷达高程信息在点云级的融合，具有同时进行光谱分类和3D结构分割的能力。
-
公开(公告)号：CN112037132A
公开(公告)日：2020-12-04
申请号：CN202010897207.9
申请日：2020-08-31
Applicant: 广东工业大学
Abstract: 本发明公开了一种多孔径紧凑型多光谱成像系统及深度学习图像超分辨率重建方法，系统包括：面阵CCD探测器、线性渐变滤光片、高精度角度调节器、微透镜阵列、多孔径遮光板、电控精密位移台和计算机；计算机用于通过深度学习图像超分辨率重建算法获取目标物超分辨率图像。多孔径紧凑型多光谱成像系统易于实现、成本低廉、操作和控制方便。通过采用微透镜阵列以及安装角度可调节的线性渐变滤光片，不但可以得到同一目标物的不同波段图像，而且可以调节、控制光谱分辨率。同时，由于采用多孔径遮光板，避免了图像重叠和杂散光影响，抗干扰能力和实用性更强。另外，通过采用深度学习图像超分辨率重建算法，可以快速重建出高质量的超分辨率图像。
-
公开(公告)号：CN111986118A
公开(公告)日：2020-11-24
申请号：CN202010897242.0
申请日：2020-08-31
Applicant: 广东工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种加权核范数最小化的水下计算鬼成像图像去噪方法及系统，包括：数字微反射镜DMD；可调光源；第一会聚透镜，安装在可调光源的前方；投影透镜，安装在数字微反射镜DMD的前方；第二会聚透镜，用于采集从目标物反射回来的光；光强探测器，处于第二会聚透镜的焦点处；计算机。该加权核范数最小化的水下计算鬼成像图像去噪方法及系统，易于实现和安装、成本低廉、操作和控制方便。通过采用加权核范数最小化图像去噪方法，可以去除水下背向散射光产生的噪声，提高成像质量。同时，由于采用可调光源，可以根据成像距离调节光源亮度，扩大成像范围，实用性更强。本发明实施例有利于水下成像及计算鬼成像技术的应用研究。
-
-
-
-
-
-
-
-
-
Search Results
687
records
(took 0.053 seconds)
