一种基于生成对抗网络的宫颈单细胞图像数据生成方法

    公开(公告)号:CN111353995A

    公开(公告)日:2020-06-30

    申请号:CN202010240762.4

    申请日:2020-03-31

    Abstract: 本发明公开了一种基于生成对抗网络的宫颈单细胞图像数据生成方法,包括以下步骤:S1、准备包含正常细胞图像和异常细胞图像的宫颈单细胞数据集,并对宫颈单细胞数据集进行预处理;S2、模型设计:以传统的生成对抗网络为基础,在生成对抗网络模型过程中使用约束条件指导模型生成指定类别的宫颈单细胞图像。本发明的生成对抗网络由两部分组成:生成器用于捕获训练数据的分布,判别器用于判断输入数据是来自真实数据还是生成数据。模型通过这种竞争的学习方式,使生成对抗网络可以生成逼近真实的图像,提升模型表现。本发明可以通过生成器在消耗很少的时间和人力的前提下获得大量的有效数据,可以通过扩大数据集获得更高的疾病检测准确率。

    一种计算机废热利用装置及利用方法

    公开(公告)号:CN111158442A

    公开(公告)日:2020-05-15

    申请号:CN201911196313.8

    申请日:2019-11-29

    Abstract: 本发明实施例公开了一种计算机废热利用装置及利用方法,具体涉及计算机领域,包括主机箱,所述主机箱的后壁排热孔外壁安装有引风罩,所述引风罩的一端连接有第一气管,所述第一气管的一端连接在第一负压风机的进风端,所述第一负压风机的出风端通过管体连接有三通管,所述三通管的一个端口连接有第二气管,所述第二气管的一端连接有第一废热利用机构,所述三通管的另一个端口连接有第二废热利用机构。本发明能够根据季节的变化对废热的利用进行调控,当气候寒冷时,通过第一废热利用机构对废热进行利用,当气候适宜或炎热时,通过第二废热利用机构对废热进行利用,使用过程中也方便对主机箱的内部进行降温处理,延长主机箱的使用寿命。

    基于独立分量分析网络的人脸识别方法

    公开(公告)号:CN107622225B

    公开(公告)日:2020-04-03

    申请号:CN201710620955.0

    申请日:2017-07-27

    Abstract: 本发明涉及一种基于独立分量分析网络的人脸识别方法,所述方法包括以下步骤:步骤1:对输入的人脸图像进行裁剪、对齐、归一化预处理;步骤2:采用一组已经训练好的ICA滤波得到一组映射图像;步骤3:对每张映射图像进行非线性与池化处理以获取更高效的特征映射图像;步骤4:对每张映射图像进行分块的LBP编码,然后全部串起来得到特征表达;步骤5:对特征表达进行WPCA降维,最后采用余弦相似测量对两张人脸图像进行识别验证。本发明采用训练好的ICA滤波应用到CNN中构成单身网络,基于ICA滤波不同的感知区域得到多尺度信息。在人脸识别中能够保证较高的识别率,同时有效地降低计算量,便于推广应用。

    一种计算机信息安全保护装置

    公开(公告)号:CN110909396A

    公开(公告)日:2020-03-24

    申请号:CN201910972860.4

    申请日:2019-10-14

    Abstract: 本发明公开了一种计算机信息安全保护装置,具体涉及计算机设备技术领域,包括桌板,所述桌板底部两侧分别固定设置有第一支撑柜和第二支撑柜,所述桌板顶部设置有显示屏,所述显示屏输出端连接有主机,所述主机设置在第二支撑柜内部,所述第二支撑柜外侧设置有主机防护机构,所述桌板底部设置有键盘防护机构。本发明通过设置有主机防护机构和键盘防护机构,可以通过防护门上的按键槽直接按动主机的开机键,从而不需要打开防护门便可以开机,提高了开机效率,通过第一指纹密码锁和第二指纹密封锁可以有效对主机和键盘进行防护,与现有技术相比,可以有效对键盘和主机进行防护,且自动化程度高,操作便捷,且开机不用进行验证,提高操作效率。

    一种预测DNA-蛋白质结合的双向LSTM和CNN模型

    公开(公告)号:CN109559781A

    公开(公告)日:2019-04-02

    申请号:CN201811244350.7

    申请日:2018-10-24

    Abstract: 本发明提出了一种预测DNA-蛋白质结合的双向LSTM和CNN模型,其中包括输入层、BLSTM层、卷积层、最大池化层、全连接层和输出层。输入层使用独热编码将每个输入序列表示为4行二进制矩阵;在BLSTM层中,前一层中的每个LSTM模型将从输入序列中接收DNA上感兴趣的信息,对从过去历史信息传递到隐藏状态的贡献进行编码解释;然后将其传播到下一个BLSTM模块中;卷积层中每个卷积核扫描输入的矩阵用于模体发现,不同强度的信息关联潜在的序列模式;最大池化层用于最大化每个卷积核的输出信号使其成一个完整的序列;输出层执行非线性转换以确定DNA-蛋白质结合的特征信息。

Patent Agency Ranking