-
公开(公告)号：CN119942635A
公开(公告)日：2025-05-06
申请号：CN202411922577.8
申请日：2024-12-25
Applicant: 华南理工大学
IPC: G06V40/20 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种吞咽造影视频微动作识别与定位方法及电子设备，其中方法包括：确定吞咽造影视频中的解剖学关键点并提取关键点序列，获取喉部的空间位置和运动趋势，为微动作识别与定位提供结构化指导；提取吞咽造影视频的外观特征；将关键点序列与外观特征进行融合，通过多模态信息互补提升微动作识别与定位模型对细粒度动作的辨别能力；设计动作分类与定位的联合优化策略，预测微动作类别及其时序边界，实现吞咽微动作的精准识别与定位。本发明过融合视频时序特征与解剖学关键点序列信息构建统一分析框架，利用关键点序列引导模型聚焦关键区域和时段，进而实现精准的微动作识别与定位。
-
公开(公告)号：CN115050428B
公开(公告)日：2024-06-14
申请号：CN202210654644.7
申请日：2022-06-10
Applicant: 华南理工大学
IPC: G16C20/30 , G16C20/50 , G16C20/70 , G06N3/0985
Abstract: 本发明公开基于深度学习融合分子图及指纹的药物性质预测方法及系统。该预测方法为：对于不同药物性质的预测；构建适用于药物性质预测的深度学习模型；根据模型构建的需求，选择具体方式，将数据集拆分为为训练集、测试集和验证集；将数据集输入网络模型中，根据训练集预测结果和训练集真值的差距对网络中的参数进行训练更新，根据验证集上的最优结果确定最优网络参数，对测试集数据进行检测；根据超参数优化策略，确定模型的最优超参数组合；对于不同药物性质的预测，生成针对性的最优模型，以供后续应用于新的小分子药物性质预测。本发明融合了经典的分子指纹特征，解决了深度学习在小规模数据集上无法有效提取到重要特征的缺陷。
-
公开(公告)号：CN115050428A
公开(公告)日：2022-09-13
申请号：CN202210654644.7
申请日：2022-06-10
Applicant: 华南理工大学
Abstract: 本发明公开基于深度学习融合分子图及指纹的药物性质预测方法及系统。该预测方法为：对于不同药物性质的预测；构建适用于药物性质预测的深度学习模型；根据模型构建的需求，选择具体方式，将数据集拆分为为训练集、测试集和验证集；将数据集输入网络模型中，根据训练集预测结果和训练集真值的差距对网络中的参数进行训练更新，根据验证集上的最优结果确定最优网络参数，对测试集数据进行检测；根据超参数优化策略，确定模型的最优超参数组合；对于不同药物性质的预测，生成针对性的最优模型，以供后续应用于新的小分子药物性质预测。本发明融合了经典的分子指纹特征，解决了深度学习在小规模数据集上无法有效提取到重要特征的缺陷。
-
公开(公告)号：CN117173267A
公开(公告)日：2023-12-05
申请号：CN202311003434.2
申请日：2023-08-09
Applicant: 华南理工大学
IPC: G06T11/00 , G06V10/774 , G06N3/0475 , G06N3/084
Abstract: 本发明公开了一种基于无数据图像生成的视觉大模型应用方法、装置及介质，属于数据处理技术领域。方法包括：获取场景数据，利用视觉大模型将场景数据映射到大模型训练数据的分布空间中，获得场景数据在每个类别的特征中心；将得到的特征中心进行逐层嵌入到数据生成器模块中，增强数据的表征；基于增强后的特征，利用条件生成器生成伪数据图像，将伪数据图像输入视觉大模型中，得到特定层的特征；对获得的特定层的特征进行约束，并优化条件生成器，以使条件生成器能够生成符合场景数据分布的图像。本发明利用了视觉大模型学习到的潜在数据分布和类别知识，通过训练数据生成器的方式生成伪数据，在完全不需要原始训练数据集的情况下，实现数据的生成。
-
-
-
Search Results
4
records
(took 0.02 seconds)
