-
公开(公告)号：CN114882367B
公开(公告)日：2024-09-27
申请号：CN202210590510.3
申请日：2022-05-26
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种机场道面缺陷检测与状态评估方法，包括以下步骤：S1：确定目标机场道面范围，获取目标机场道面视频，获取视频帧图像；S2：将所有视频帧图像输入深度估计网络，获取所有视频帧图像对应的深度图；S3：将所有视频帧图像拼接为全尺寸道面RGB图，将深度图拼接成全尺寸道面深度图；S4：将全尺寸道面RGB图和全尺寸道面深度图分别处理为局部RGB图和局部灰度图，并输入语义分割网络，获取分割结果掩码图；S5：将分割结果掩码图拼接为全尺寸缺陷掩码图，并结合全尺寸道面深度图，判断目标机场道面不同缺陷的严重程度，再根据路面状况指数对道面质量状况进行评估。与现有技术相比，该发明能够实现对机场道面状况高效且准确的评估。
-
公开(公告)号：CN114564597B
公开(公告)日：2024-09-17
申请号：CN202210201472.8
申请日：2022-03-03
Applicant: 上海工程技术大学
IPC: G06F16/36 , G06F40/189 , G06F40/30 , G06F18/22 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0455 , G06N5/025
Abstract: 一种融合多维度多信息的实体对齐方法，包括以下步骤：将两个异构知识图谱同时作为输入；根据邻域结点对中心结点的重要程度实现下采样；将实体作为中心结点利用图卷积网络获得的嵌入表示同实现下采样后包含重要邻居信息的表示融合；通过余弦相似度计算源实体#imgabs0#与区域内的这些目标实体的相似度，加权求和相似矩阵#imgabs1#、#imgabs2#、#imgabs3#和#imgabs4#，得到最终跨图的实体对齐得分表。本发明的方法结合结果层和表示层的实体相似度，实现了利用多维度结果加权拼接的方式解决实体对齐问题。本发明的方法融合实体的多方面信息，即实体名称、属性和实体描述，分别从语义级、词语级、句子级定义实体相似度度量方法，有效判别实体是否对齐。
-
公开(公告)号：CN117972055A
公开(公告)日：2024-05-03
申请号：CN202410130911.X
申请日：2024-01-31
Applicant: 上海工程技术大学
IPC: G06F16/332 , G06F16/33 , G06F16/335 , G06F16/35 , G06F16/36 , G06F40/295 , G16H10/60 , G16H70/00
Abstract: 本发明涉及一种基于医学知识图谱的查询方法及系统，方法包括以下步骤：输入待查询的问题；通过信息过滤算法对待查询的问题进行信息过滤，得到实体类型；通过信息匹配算法，匹配实体类型与知识图谱数据；若存在与实体类型匹配的知识图谱数据，则输出匹配的知识图谱数据；否则，输出预设的错误提示信息；通过信息追问算法，根据预设的错误提示信息，生成追问问题；根据回答内容使用信息过滤算法进行信息过滤或结束本次查询。与现有技术相比，本发明具有输出结果精度高、查询效率高等优点。
-
公开(公告)号：CN116309617A
公开(公告)日：2023-06-23
申请号：CN202310124321.1
申请日：2023-02-16
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种基于Eff‑Unet‑SE网络的多器官智能分割方法及装置，属于医学影像处理技术领域。该方法包括：获取MRI图像数据集及标签文本数据，并对其进行预处理；对所述预处理后的图像数据集进行数据划分及数据增强；构建Eff‑Unet‑SE网络，使用所述图像数据集及标签文本数据对其进行训练、验证及测试，得到最优的网络；将待分割的MRI图像数据输入至所述最优网络，得到分割结果。本发明通过对医学MRI影像的分析，在U型网络模型的基础上，结合深度学习的Efficient和SE网络模块，能够准确分离出大肠、小肠和胃，提高了分割结果的可靠性，也提升了分割效率，大大减轻了医生的工作负担。
-
公开(公告)号：CN116166776A
公开(公告)日：2023-05-26
申请号：CN202310026063.3
申请日：2023-01-09
Applicant: 上海工程技术大学
IPC: G06F16/33 , G06F16/332 , G06F40/289 , G06F40/30 , G06N3/04
Abstract: 本发明公开了一种面向工业领域用户问答的意图识别方法及装置，属于信息交互技术领域。该方法包括：根据产品特点，设定意图识别的所有意图类别；获取用户文本输入，对输入语料进行分词，生成多个单词；对所述单词进行初始化，得到初始化词向量；利用BERT+Bi‑GRU+Attention+CRF+softmax模型对多个所述初始化词向量进行意图检测，得到所述用户文本输入对应的意图结果。本发明的检测模型中基于Bi‑GRU，拥有双向特征提取的特性，适用于较短和较长语料；同时还引入了注意力机制，对局部特征与全局特征加以充分利用,通过赋予重要特征更高权重，从而减少噪声，提取更为丰富的特征信息，提高识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN115935186A
公开(公告)日：2023-04-07
申请号：CN202211564466.5
申请日：2022-12-07
Applicant: 上海工程技术大学
IPC: G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于增强生成模型的工序异常检测方法，包括下列步骤：S1：针对汽车智能设备制造领域工序故障应用场景，收集相应的设备工序故障样本数据，通过对抗的过程训练增强生成GAN模型，其中，模型包括生成器G和判别器D；使用大量正常工序样本进行训练后，由生成器训练生成模拟正常样本Gn(Z)的能力，判决器D学习异常工序样本的特征。本发明的网络训练中只需要少量正常样本，在对抗训练过程中，进行两个网络共同优化，最终使得生成网络可以生成非常接近真实数据的样本，同时，每个GAN模型只生成一种工序故障数据，多个GAN模型共同实现故障数据集的扩充，从而提高生成数据的质量。
-
公开(公告)号：CN115907851A
公开(公告)日：2023-04-04
申请号：CN202211200286.9
申请日：2022-09-29
Applicant: 上海工程技术大学
IPC: G06Q30/0204 , G06Q30/0201 , G06Q30/0203 , G06F16/29 , G06F16/36 , G06N5/02 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于知识图谱与深度学习的零售药店选址方法，属于门店选址技术方案。具体方案包括：获取地理数据，将其导入知识图谱，根据零售药店选址因素建立指标体系，并对所述知识图谱进行特征提取；利用AHP层次分析法分别对各所述特征提取后的数据赋权；将所述赋权后的数据输入DenseNet模型进行训练，得到推荐模型；根据所述推荐模型输出候选门店推荐度排序。本发明基于传统的选址方法，利用知识图谱的相关技术对地理信息进行特征提取，使结果更可靠，充分挖掘了地理数据之间的相关信息，使选址结果更加可靠，提高了选址推荐的合理性。
-
公开(公告)号：CN110298300B
公开(公告)日：2022-11-22
申请号：CN201910565608.1
申请日：2019-06-27
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种检测车辆违章压线的方法，包括如下步骤：读入视频，并抽取所述视频中的视频帧；通过基于深度学习的目标检测技术和图像语义分割技术对所述视频帧进行车辆检测和车道线分割；融合所获得的车辆检测图和车道线分割图，获得融合图像，并进行压线判断；确定压线帧中的感兴趣区域，应用水平投影技术对所述感兴趣区域中所压车道线进行实虚线判断；如果确定所述压线为实线，则判断为违章压线，进行违章取证和车牌识别及信息存储。与现有技术相比，本发明适用于可移动设备，能覆盖任意监控范围，且在各种天气、光照环境下具有高鲁棒性的违章压线检测性能。
-
公开(公告)号：CN115099263A
公开(公告)日：2022-09-23
申请号：CN202210564984.0
申请日：2022-05-23
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种基于量子支持向量机的故障诊断方法及系统，属于故障诊断技术领域。该故障诊断方法包括：获取数据并进行特征提取，确定训练数据集和测试数据集；依据训练数据集和分类标签的个数，构建若干个LS‑SVM线性方程组；针对所述若干个线性方程组使用HHL算法求解，获得QSVM分类器；然后利用所述训练好的QSVM模型对测试数据集进行测试，得到测试结果。本发明将HHL算法与LS‑SVM算法相结合，相比经典LS‑SVM，QSVM在理论上可以实现指数级的运算加速，更加适合大数据背景下的故障诊断问题。同时其可以完成多分类的故障诊断任务，具有更高的工程应用价值。
-
公开(公告)号：CN114881134A
公开(公告)日：2022-08-09
申请号：CN202210450589.X
申请日：2022-04-26
Applicant: 上海工程技术大学
Abstract: 本发明属于机器学习的技术领域，公开了一种应用于数据异构的联邦域适应方法，每个联邦源域节点基于相关的本地数据集进行当前轮次训练得到对应的本地源域模型，对所有的本地源域模型进行知识蒸馏，获取高质量知识和支持所述高质量知识的本地源域模型数量，连同所有的本地源域模型共同上传至中央服务器，然后计算每个本地源域模型对应的权重，通过聚合操作建立全局模型，最后中央服务器将全局模型下发至各个源域节点，再结合对比训练方法，进行下一轮次训练得到每个源域节点对应的本地源域模型，依次迭代，直到全局模型收敛，从而完成联邦域的自适应学习。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.03 seconds)
