-
公开(公告)号：CN103198329A
公开(公告)日：2013-07-10
申请号：CN201310136352.5
申请日：2013-04-19
Applicant: 海南大学
Abstract: 本发明公开了一种基于DFT变换的智能纹理防伪方法，属于纹理防伪领域。本发明的步骤是先建立纹理特征数据库，包括：(1)对每个原始纹理标签图像进行全图DFT变换，得到视觉特征向量V(n)；(2)将求出的这N个特征向量存放在纹理特征数据库中；然后再进行图像自动鉴别，包括：(3)手机扫描待测纹理标签图像，运用步骤1的方法求出待测图像的视觉特征向量V’，并将上传到服务器；(4)求出数据库中的所有纹理图像的视觉特征向量V(n)和待测图像的视觉特征向量V’之间的归一化相关系数NC(n)值；(5)将NC(n)最大值返回到用户手机上。实验证明本发明具有自动鉴别纹理图像的能力，节约数据库存贮空间，运算速度快。
-
公开(公告)号：CN103177452A
公开(公告)日：2013-06-26
申请号：CN201310136264.5
申请日：2013-04-19
Applicant: 海南大学
Abstract: 本发明公开了一种基于DWT-DCT变换的智能纹理防伪方法，属于纹理防伪技术领域。本发明的步骤是先建立特征数据库，包括：(1)通过对纹理图像进行小波变换，再对逼近子图进行全图DCT变换，提取一个特征向量V(n)；(2)将求出的特征向量存放在纹理特征数据库中；然后再进行图像自动鉴别，包括：(3)手机扫描待测纹理标签图像，运用步骤1的方法求出待测图像的特征向量V’，并将上传到服务器；(4)求出数据库中的所有纹理图像的特征向量V(n)和待测图像的特征向量V’之间的归一化相关系数NC(n)值；(5)将NC(n)最大值返回到用户手机上。实验证明本发明具有自动鉴别纹理图像的能力，实现了智能纹理防伪技术。
-
公开(公告)号：CN119991486A
公开(公告)日：2025-05-13
申请号：CN202510083816.3
申请日：2025-01-20
Applicant: 海南大学
Abstract: 本公开实施例中提供了基于条件扩散概率模型的多参数MRI医学图像融合方法，方法包括：S101，将当前步数的高斯噪声与待融合的医学图像对进行拼接得到三通道张量，将所述三通道张量输入训练好的噪声预测器，以输出预测噪声；医学图像对为具有不同参数的MRI图像；S102，对预测噪声进行单步反向去噪得到当前步数的去噪图；S103，在判断所述当前步数达到预设步数时，输出当前步数的去噪图获得所需的医学融合图像，否则将所述去噪图设置为下一步数的高斯噪声，并返回步骤S101。本发明可有效地对前列腺多参数MRI图像进行图像融合，不仅可以增强对前列腺结构信息的识别和观察，还有利于精准定位疑似病灶区域。
-
公开(公告)号：CN118397416B
公开(公告)日：2025-04-25
申请号：CN202410637664.2
申请日：2024-05-22
Applicant: 海南大学
IPC: G06V10/80 , G06V10/25 , G06V10/40 , G06V10/82 , G06V10/774
Abstract: 本发明公开一种基于语义引导图像融合的自适应目标检测方法，行人可见光图像IV输入可见光检测分支得到可见光检测损失，并优化可见光检测分支；行人红外图像II输入红外光检测分支得到红外光检测损失，并优红外光检测分支；行人可见光图像IV和行人红外光图像II输入融合分支后得到融合后图像IF和融合损失，融合后图像分别输入可见光检测分支和红外光检测分支得到检测驱动损失，上述训练过程中得到的融合损失和检测驱动损失共同优化融合分支；融合图像输入固定检测网络得到检测结果：基于语义特征引导的图像融合训练网络推理得到的融合后图像输入一个固定检测网络后得到最终的检测结果。本发明能够有效提高目标检测准确率。
-
公开(公告)号：CN119568454A
公开(公告)日：2025-03-07
申请号：CN202411506986.X
申请日：2024-10-28
Applicant: 海南大学
Abstract: 本发明属于水下仿生机器人领域，涉及一种水空跨介质仿生机器人，包括：壳体、往复摆动机构、翅膀模块、腹鳍模块和控制系统，所述壳体包括前端壳体和后端尾部，所述前端壳体通过往复摆动机构与后端尾部相连接，所述翅膀模块安装在前端壳体上方顶部，腹鳍模块安装在前端壳体下方后侧，控制系统安装在前端壳体内部并通过信号线连接控制所述往复摆动机构转动从而带动后端尾部摆动以进行巡游推进，控制腹鳍模块旋转以进行上潜下浮，以及控制翅膀模块开合以实现破水滑翔。本发明机器人结构紧凑，尺寸小，重量轻，能在空气和水中实现多种的运动姿态，能符合多种环境下的运用场景，尤其在需要水空跨介质信息采集发送、信息勘测等方面具有较高的适应性。
-
Patent Agency Ranking
公开(公告)号：CN117954032B
公开(公告)日：2025-02-18
申请号：CN202410066497.0
申请日：2024-01-17
Applicant: 海南大学
IPC: G16H10/60 , G06F16/215 , G06F18/10 , G06F18/214 , G06F18/2411 , G06F18/2415 , G06F18/2413 , G06F18/243
Abstract: 本发明涉及一种医疗决策解释方法及系统。所述方法包括：通过数据库及调查问卷采集患者数据；处理患者数据，将处理后的患者数据输入至分类模型中提取数据特征，并根据数据特征进行医疗预测推荐；使用SHAP模型与白盒模型对分类模型分别进行解释，并将解释结果相结合进行可视化比较，联合数据特征进行分析，得到最终决策解释结果。采用SHAP模型与白盒模型相结合对分类模型进行解释，为分类模型输出的医疗预测推荐提供足够支撑，克服了传统医疗推荐系统中无法解释的问题，为患者提供足够的可解释信息，使患者更容易接受推荐结果，以达到预测和预防疾病的目的，提高了用户对系统推荐结果的信任度，对医疗推荐具有极其重要的意义。
-
公开(公告)号：CN114241377B
公开(公告)日：2025-02-07
申请号：CN202111543482.1
申请日：2021-12-16
Applicant: 海南大学
IPC: G06V20/40 , G06V20/52 , G06V10/774
Abstract: 本发明公开基于改进YOLOX的船舶目标检测方法、装置、设备及介质，该方法获取样本数据集，所述样本数据集中包含船舶标注图像和未标注图像，所述样本数据集分为训练集和测试集；构建YOLOX网络，对所述YOLOX网络的主干网络进行优化，将主干网络替换为ResNet50，以用于提取图片小目标特征；将样本数据集输入所述YOLOX网络中进行训练和测试，得到船舶检测模型；将待检测的图像输入到训练好的船舶检测模型中进行检测，用以输出船舶检测结果。本发明通过网络结构改进、模型简化等方法对传统YOLO算法进行改进，使改进算法更好地适应船舶目标检测任务，协助船检人员及早发现潜在的危险并做出正确判断。
-
公开(公告)号：CN119204664A
公开(公告)日：2024-12-27
申请号：CN202411227687.2
申请日：2024-09-03
Applicant: 海南大学
IPC: G06Q10/0635 , G06Q50/26 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08 , G06N5/022
Abstract: 本发明涉及一种基于李群流形与时序知识图谱的交通事故预测方法及系统。所述方法包括：采集历史交通事故数据进行数据清洗操作；使用李群流形映射方法进行特征提取和排序得到特征集合；建立时序知识图谱，通过时序图注意力机制(Temporal GraphAttention，TGAT)进行深层学习并进行优化，得到知识图谱预测模型，预测预测目标实体与各个实体之间的依赖关系，并基于依赖关系对交通事故发生的风险进行预测，得到预测结果。采用TGAT可以突显交通事故相关指标之间潜在的时间依赖性和多元信息，利用序列化学习有效地挖掘其依赖关系，弥补了传统链路预测模型准确度较低的局限性，提高了李群流形分析、TGAT处理和时序知识图谱相结合的链路预测的准确性。
-
公开(公告)号：CN119005527A
公开(公告)日：2024-11-22
申请号：CN202411192838.5
申请日：2024-08-28
Applicant: 海南大学
IPC: G06Q10/063 , G06Q10/04 , G06Q50/26 , G06F18/10 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N5/02 , G06F123/02
Abstract: 本发明涉及一种基于时序知识图谱的多层嵌入模型大气污染数据预测方法及系统。所述方法包括：收集多源大气污染数据进行清洗归一化处理，并构建时序知识图谱输入至TASTER模型中生成全局嵌入；基于稀疏传输矩阵生成局部嵌入；将全局嵌入、局部嵌入输入至TiRGN模型中，初始化模型参数后进行模型训练，并通过反向传播算法调整模型参数，得到大气污染数据预测模型对大气污染数据进行预测。由于大气污染数据中的局部特性对于预测污染变化非常重要，采用稀疏传输矩阵嵌入能够从全局嵌入中提取局部嵌入特性，使得局部嵌入更好地反映最近时间点的数据特征，这样训练出的模型可以提升大气污染预测的准确性。
-
公开(公告)号：CN114092302B
公开(公告)日：2024-11-01
申请号：CN202111243397.3
申请日：2021-10-25
Applicant: 海南大学
IPC: G06T1/00 , G06N3/0464 , G06N3/08 , G06F21/62
Abstract: 本发明公开了一种基于残差网络和深度可分离卷积的医学图像鲁棒水印方法，将残差网络结构与深度可分离卷积模块结合设计RDSCnet网络，利用构建医学图像数据集对RDSCnet网络训练，从而使RDSCnet网络具有更好的抗几何攻击性能，且具有更快的运算速度，利用训练好的RDSCnet网络提取医学图像的特征向量与混沌置乱加密后的水印进行异或运算加密处理，将水印嵌入医学图像中，水印的嵌入不改变原始加密体数据的内容，是一种零水印嵌入技术，具有不可见性，因而RDSCnet网络与零水印技术的结合，具有很强的鲁棒性和不可见性，能同时保护病人的隐私信息和医学图像的数据安全，解决了现有医学图像的数字水印技术仍不够成熟，抗几何攻击性能较差，鲁棒性能还有待提高的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
397
records
(took 0.055 seconds)
