-
公开(公告)号：CN117257322B
公开(公告)日：2024-04-19
申请号：CN202311224273.X
申请日：2023-09-21
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院
Abstract: 一种基于双分支网络的多标签心电信号分类方法，涉及心电信号分类技术领域，构建了一个能够对复杂多标签心电信号进行分类的模型，通过挖掘心电信号中的粗粒度和细粒度特征，并充分利用多导联心电图的多样性，以此有效的提高模型分类的准确率以及在不同数据库之间的泛化能力。
-
公开(公告)号：CN116453199B
公开(公告)日：2024-01-26
申请号：CN202310566946.3
申请日：2023-05-19
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。(56)对比文件Su-Gyeong Yu等.Face SpoofingDetection Using DenseNet《.InternationalConference on Intelligent Human ComputerInteraction》.2021,第 229-238页.Chih-Chung Hsu等.Deep Fake ImageDetection Based on Pairwise Learning.《MDPI》.2020,第1-14页.Hong-Shuo Chen等.DEFAKEHOP: A LIGHT-WEIGHT HIGH-PERFORMANCE DEEPFAKEDETECTOR《.arXiv:2103.06929v1》.2021,第1-6页.
-
公开(公告)号：CN116304362B
公开(公告)日：2023-12-15
申请号：CN202211724767.X
申请日：2022-12-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F16/9536 , G06N3/045 , G06N3/048 , G06N3/082
Abstract: 一种基于相关性注意力的群组推荐方法，属于群组推荐技术领域，设计了相关性注意力组件，该组件首先根据景点、群组以及群组成员的嵌入向量学习每个成员的贡献度，然后根据成员的贡献度为成员分配相应的权重，并分别对群组和成员的相关性以及景点和成员的相关性建模，最后采用加权求和的形式得到群组嵌入向量以进行推荐。两种相关性建模采用的皆是逐元素乘法的形式，嵌入项向量的每个维度代表了相应特征的强度，逐元素乘法可以高效的建模特征交互。逐元素乘积后得到的新的嵌入向量不仅包含了成员和群组（景点）二阶特征组合信息，而且还包含了所隐含的关联性，达到了关联性建模的目的，从而进一步增强了群组推荐的性能。
-
公开(公告)号：CN116152887B
公开(公告)日：2023-09-26
申请号：CN202211576932.1
申请日：2022-12-08
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06V40/16 , G06V10/82 , G06V20/40 , G06N3/08 , G06N3/0464
Abstract: 一种基于DS证据理论的动态人脸表情识别方法，通过多特征融合的方式提高了表情视频的特征提取效果，并通过DS证据理论、多分支卷积、注意力机制深度学习了不平衡的动态表情特征。相较其他方法，本方法科学有效的降低了样本不平衡对表情识别带来的影响，充分利用时空特征挖掘视频表情的潜在语义信息，以此进行表情分类提高可靠性和准确率，解决表情识别的需求。
-
公开(公告)号：CN116612087A
公开(公告)日：2023-08-18
申请号：CN202310577137.2
申请日：2023-05-22
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院) , 青岛海信医疗设备股份有限公司
IPC: G06T7/00 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 一种基于YOLOv5‑LA的冠脉CTA狭窄检测方法，通过设计更轻量的LA网络来替代YOLOv5的主干特征提取网络。该方法分为两个阶段。第一阶段，通过分离可卷积和残差连接以降低计算复杂度，同时增强模型的感受野。第二阶段，引入轻量级注意力机制ECA，以建模通道之间的关系。然后，通过1×1的卷积进行通道重排，以增加特征之间的交互性，提高网络的表达能力，并减少模型对某些特定通道的依赖，从而防止过拟合。该改进方法可避免由于冠脉CTA图像分辨率较高和YOLOv5参数量较大而导致的低效率问题，在检测医学图像病变部位时更为准确和高效。
-
Patent Agency Ranking
公开(公告)号：CN116453199A
公开(公告)日：2023-07-18
申请号：CN202310566946.3
申请日：2023-05-19
Applicant: 山东省人工智能研究院 , 齐鲁工业大学(山东省科学院)
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/08
Abstract: 基于复杂纹理区域伪造痕迹的GAN生成人脸检测方法，首先提供了一种用于紧密连接的卷积层的DenseNet作为纹理增强块，对每张人脸图像的浅层纹理特征图进行纹理信息的增强。然后将增强的纹理特征图送入DCAR‑Net来提高感受野的灵活性，从而能够捕捉到更全局、语义层次更高的特征。该方法在网络主干中引入了空洞卷积以及跳跃连接，对于伪造检测任务来说，空洞卷积能够更好地捕捉到比较分散的伪造换脸痕迹，跳跃连接使得网络有恒等映射的能力，可以使网络变得更深、更容易训练，同时能够降低计算的复杂度，从而保证更好的人脸伪造检测效果。
-
公开(公告)号：CN115205986B
公开(公告)日：2023-05-19
申请号：CN202210946655.2
申请日：2022-08-09
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06V40/40 , G06V40/16 , G06V20/40 , G06V10/82 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 一种基于知识蒸馏与transformer的假视频检测方法，通过对一个视频帧的脸图像提取多样的局部特征与全局特征，并利用多头注意力缩放技术提取多样的全局特征，并利用空间注意力缩放技术进行多样的全局特征精炼，最后送入分类器进行检测Deepfake视频的方法。由于空间注意力缩放技术的引入，检测到的deepfake的准确度明显优于其他方法。
-
公开(公告)号：CN113205509B
公开(公告)日：2021-11-09
申请号：CN202110563191.2
申请日：2021-05-24
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
Abstract: 一种基于位置卷积注意力网络的血管斑块CT影像分割方法，通过对原始采集到的影像依次进行归一化、去噪、增强的预处理操作；其次，将预处理后的影像输入到位置卷积注意力网络进行分割。位置卷积注意力网络包含两大模块：模块一为位置注意力模块，利用自注意力机制去捕获影像像素之间的位置关联度和依赖程度，以此生成聚合的影像特征图，从而通过关联度高的像素点表现出的极高相似性，形成初步的分割区域。模块二为V‑Net结构，利用下采样、上采样和跳跃连接结构生成恢复特征图，恢复特征图融合了更多的像素特征，使得分割图边缘等信息更为精细；最后，将位置卷积注意力网络输出的聚合影像特征图与恢复特征图进行像素点融合，得到目标分割影像。
-
公开(公告)号：CN113191150A
公开(公告)日：2021-07-30
申请号：CN202110556687.7
申请日：2021-05-21
Applicant: 山东省人工智能研究院 , 齐鲁工业大学
IPC: G06F40/295 , G06F40/30 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 一种多特征融合的中文医疗文本命名实体识别方法，使用添加了中文偏旁部首以及笔画顺序信息的字向量，对传统的神经网络输入进行改进，使字向量能够更加完整的表征中文病例中字的信息，解决一词多义，形声字的情况，提高模型的准确度。考虑到使用基于字向量的方法很难处理词语之间的信息，但使用基于词向量的方法会出现分词错误的情况，利用lattice‑lstm网络的结构特性，添加词的信息，融合字词向量能够很好的解决这类问题。
-
公开(公告)号：CN119941698A
公开(公告)日：2025-05-06
申请号：CN202510081910.5
申请日：2025-01-20
Applicant: 齐鲁工业大学(山东省科学院) , 山东省人工智能研究院 , 青岛海尔科技有限公司
Abstract: 一种基于多模态融合的大语言模型冠状动脉CTA影像分析方法，涉及大语言模型技术领域，通过构建视觉编码器和桥接模块将图像特征信息提取，再通过一个简单的线性投影层将视觉图像特征向量映射成与大语言模型嵌入空间维度相同的视觉特征向量，这不仅能够将视觉特征信息和文本特征信息对齐，还能提高冠脉CTA图像信息报告生成的准确性和效率，降低假阳率。增强模型对医学图像的理解和分析能力，提升模型在面对复杂医学问题时的响应能力，并有效减缓医生压力和医患沟通成本。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.047 seconds)
