基于图像深度信息的3D高斯空间人体行为识别方法

    公开(公告)号:CN103810496A

    公开(公告)日:2014-05-21

    申请号:CN201410009445.6

    申请日:2014-01-09

    Applicant: 江南大学

    Abstract: 本发明公开了一种基于图像深度信息的3D高斯空间人体行为识别方法。基于图像深度信息的3D高斯空间人体行为识别方法包括以下步骤:提取深度信息中的人体骨骼3D坐标并对其进行归一化操作,过滤对人体行为识别率低的关节及冗余关节;针对各个行为构建兴趣关节群,基于高斯距离核对人体动作空间特征进行AP聚类,获得行为特征单词表并对其进行数据清理;构建人体行为条件随机场识别模型,据此实现对人体行为的分类。本发明对人体具体方向、骨骼尺寸、空间位置都具有较强的抗干扰性,对不同实验个体引入的动作差异有很强的泛化能力,对不同类的相似行为也有很好的识别能力。

    一株高产细菌素的抑菌性植物乳杆菌及其应用

    公开(公告)号:CN119331746A

    公开(公告)日:2025-01-21

    申请号:CN202310888649.0

    申请日:2023-07-19

    Applicant: 江南大学

    Abstract: 本发明公开了一株植物乳杆菌(Lactobacillusplantarum),命名为L.plantarumZW1,其保藏编号为CGMCC26685。本发明的植物乳杆菌是一株具有较强广谱抑制能力的乳酸菌,经排除有机酸和过氧化氢干扰、蛋白酶处理验证后确定该菌株具有较强产细菌素的能力。益生性能评价表明该菌株具有良好的耐受消化道液能力,L.plantarumCGMCC26685具有良好的肠道益生特性,在体外肠道菌群发酵模型中可显著丰富小鼠肠道菌群,增加厚壁菌门的相对丰度,降低变形菌门、变形杆菌属和志贺氏菌属的相对丰度,菌群OTU数显著高于添加模式益生菌鼠李糖乳杆菌LGG和不产细菌素的植物乳杆菌L.plantarumPL4组,Chao1、Shannon及Simpson指数较对照组有明显提升。表明L.plantarumCGMCC26685具有良好的肠道益生活性,具有进一步性能挖掘和应用拓展的潜力。

    一种分泌表达β-半乳糖苷酶的大肠杆菌及其应用

    公开(公告)号:CN118995556A

    公开(公告)日:2024-11-22

    申请号:CN202411340374.8

    申请日:2024-09-25

    Applicant: 江南大学

    Abstract: 本发明涉及一种分泌表达β‑半乳糖苷酶的大肠杆菌及其应用,属于基因工程技术领域。本发明公开的大肠杆菌在出发菌株中使用pET28a载体异源表达德氏乳杆菌保加利亚亚种来源的β‑半乳糖苷酶,核苷酸序列如SEQ ID NO.3所示。表达体系中添加8‑30mM浓度的乳糖诱导16‑28小时,使该重组大肠杆菌胞外表达β‑半乳糖苷酶,制备得到的β‑半乳糖苷酶水解活性最高达到1.3×105U/mL,能够应用于以乳糖为底物合成低聚半乳糖,乳糖的转化率达到98%,低聚半乳糖的生成率达到71%,且具有良好的聚合度。本发明提供的大肠杆菌及其分泌表达的高活性β‑半乳糖苷酶具有广阔的应用前景。

    基于骨架数据时空特征差异性和相关性的行为识别方法

    公开(公告)号:CN116434339A

    公开(公告)日:2023-07-14

    申请号:CN202310399333.5

    申请日:2023-04-13

    Applicant: 江南大学

    Inventor: 蒋敏 卿入心 孔军

    Abstract: 本申请公开了一种基于骨架数据时空特征差异性和相关性的行为识别方法,涉及计算机视觉领域,该方法搭建的行为识别模块中包含空间图卷积模块和时间图卷积模块,空间图卷积模块包括时间特征学习单元、通道特征学习单元和时间通道上下文拓扑单元,时间特征学习单元和通道特征学习单元用于分别独立地学习时间帧维度和通道维度中关节之间的特征差异性和特征相关性,学习协同完成动作的关节之间特征的相关性,也学习因为运动发生而发生变化部分关节的特征差异性,时间通道上下文拓扑单元学习所有关节的全局上下文特征信息,获取更多具有判别性的特征,融合后可以更有效地人体行为识别。

    一种基于多粒度信息交互模型的行人重识别方法

    公开(公告)号:CN111709331B

    公开(公告)日:2023-06-09

    申请号:CN202010495916.4

    申请日:2020-06-03

    Applicant: 江南大学

    Abstract: 一种基于多粒度信息交互模型的行人重识别方法,属于机器视觉领域。该方法采用多粒度网络通过空间分块的方式在保留输入图片特征图的同时将该特征图分为多个尺度的子特征图,并且将原特征图作为全局分支处理,将每个子特征图作为局部分支处理。此外提出了多粒度信息交互模型来促进多个分支之间的信息交互。多粒度信息交互模型包含全局映射注意力模块和标签项互学习模块。全局映射注意力模块负责促进全局分支与局部分支之间的信息交互,标签项互学习模块负责促进多个全局分支之间的信息交互。最终利用多粒度信息交互模型分别促进了全局分支与局部分支以及不同全局分支之间的信息交互,进一步提高了具有多分支网络结构的行人重识别模型的性能。

    一种基于时空注意力增强特征融合网络的行为识别方法

    公开(公告)号:CN111709304B

    公开(公告)日:2023-05-05

    申请号:CN202010437298.8

    申请日:2020-05-21

    Applicant: 江南大学

    Inventor: 蒋敏 庄丹枫 孔军

    Abstract: 本发明公开了一种基于时空注意力增强特征融合网络的行为识别方法,属于机器视觉领域。该方法采用了基于外观流和运动流双流网络的网络架构,称作时空注意力增强特征融合网络。针对传统双流网络对不同分支采用简单特征或分数融合,本发明构建了一个注意力增强的多层特征融合流作为第三个分支以补充双流结构。同时,针对传统深度网络忽略对通道特征的建模、无法充分利用通道间的相互关系,本发明引入不同层级的通道注意力模块,以建立通道间的相互关系来增强通道特征的表达能力。此外,时序信息在分段融合中起着重要的作用,通过对帧序列进行时序建模增强了重要时序特征的代表性。最终本发明通过对不同支流的分类得分进行加权融合。

    一种基于边缘特征优化的双流解码卷积神经网络的MRI脑肿瘤自动分割方法

    公开(公告)号:CN111709952B

    公开(公告)日:2023-04-18

    申请号:CN202010436343.8

    申请日:2020-05-21

    Abstract: 本发明公开了一种基于边缘特征优化的双流解码卷积神经网络的MRI脑肿瘤自动分割方法。本发明主要使用两种基于边缘的优化策略提高脑肿瘤分割的性能。首先,在网络结构上,本发明设计了一个单独的解码网络分支来处理边缘流信息,并通过特征融合将边缘流信息融合到语义流信息中。其次,通过使用正则化损失函数来惩罚预测分割掩码与标签在边缘附近不匹配的像素来鼓励预测分割掩码与边缘周围的标签值对准。在训练中,本发明引入了一种新的边缘提取算法来提供更高质量的边缘标签。此外,本发明在交叉熵损失函数中加入了自适应平衡类权重系数,以解决在边缘提取的反向传播中严重的类不平衡问题。实验表明,本发明有效地提高了肿瘤的分割精度。

Patent Agency Ranking