-
公开(公告)号：CN113096096B
公开(公告)日：2023-04-18
申请号：CN202110392146.5
申请日：2021-04-13
Applicant: 中山市华南理工大学现代产业技术研究院
IPC: G06T7/00 , G06T7/12 , G06T7/136 , G06T7/194 , G06T7/62 , G06T5/00 , G06T5/40 , G06V10/46 , G06V10/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种融合形态特征的显微图像骨髓细胞计数方法与系统，该方法包括：1)获取带标签和无标签的骨髓细胞显微图像，均进行图像预处理；2)分别根据细胞分割标记和分水岭算法，将带标签的/无标签的骨髓细胞显微图像分割为若干带标签的/无标签的单一骨髓细胞显微图像，均进行图像预处理；3)利用改进的最大类间方差法和N距边缘扩充方法对带标签和无标签的单一骨髓细胞显微图像进行细胞核、细胞质分割，并提取形态特征；4)构建混合卷积神经网络模型，将带标签的单一骨髓细胞显微图像输入模型训练；5)用训练好的混合卷积神经网络模型预测无标签的单一骨髓细胞显微图像的细胞类别，对各个细胞类别进行计数。本发明对骨髓细胞计数具有较高的精度。
-
公开(公告)号：CN111028939B
公开(公告)日：2023-03-31
申请号：CN201911116750.4
申请日：2019-11-15
Applicant: 华南理工大学
IPC: G16H50/20 , G16H50/70 , G16B20/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的多组学智能诊断系统，包括：数据导入模块，用于加载多组学数据和临床数据，并对数据进行预处理；样本相似性模块，用于构建多组学样本相似性矩阵；智能诊断训练模块，利用自动编码器进行特征表示，利用多视图注意力机制神经网络进行多组学特征融合，并将样本相似性模块结果整合到训练过程中，最终得到最优诊断模型；智能诊断预测模块，用于依据多组学数据进行智能诊断，并提供结果解释。本发明将深度学习技术与多组学数据结合，提供疾病的诊断结果及其可解释性，从而形成一种基于深度学习的多组学智能诊断系统，提升疾病诊断能力，提供诊断结果可解释性。
-
公开(公告)号：CN114526682B
公开(公告)日：2023-03-21
申请号：CN202210034810.3
申请日：2022-01-13
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于图像特征增强数字体图像相关法的变形测量方法，首先，构造尺度间空并对其中的每个像素点进行检测、筛选，得到最终可用关键点；计算主方向及二进制描述符进而匹配得到关键点对；使用IC‑GN算法迭代式计算高精度变形结果。本发明基于图像特征增强数字体图像相关法，可以在不破坏试样的情况下进行非接触式测量，更加方便在测量试样内部的三维位移情况，针对图像的旋转、尺度以及亮度变化可以保持不变，从全局进行匹配，有效地进行解决了大而复杂的变形，同时也能应对小变形情况。
-
公开(公告)号：CN114529939A
公开(公告)日：2022-05-24
申请号：CN202210047848.4
申请日：2022-01-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于毫米波雷达点云聚类和深度学习的行人识别方法，包括：1)对毫米波雷达采集的原始点云数据进行点云聚类的预处理；2)使用预处理的点云数据训练由空间特征提取模块、注意力模块、时间特征提取模块组成的深度学习网络模型，再输入待测数据，得到行人识别的结果；其中，使用PointNet++网络作为空间特征提取模块，批次提取每帧点云的空间特征；使用注意力模块衡量每一帧提取到的空间特征并对空间特征向量加权；使用两个堆叠的长短期记忆网络作为时间特征提取模块。本发明使用毫米波雷达采集的点云数据，在深度学习网络中提取点云的空间特征和时间特征并加入注意力模块，更好地提取不同特征通道之间更深层次的关系特征，提高识别准确度。
-
公开(公告)号：CN114358149A
公开(公告)日：2022-04-15
申请号：CN202111559352.7
申请日：2021-12-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种桥梁结构损伤检测和超重车辆识别的多任务学习方法，包括：1)获取桥梁结构健康监测系统的响应数据，通过滑动窗口的方法构建样本，并划分训练集和测试集；2)构建桥梁结构损伤检测和超重车辆识别的多任务学习网络，并使用构建好的训练集进行网络训练；3)将测试集输入到已训练好的桥梁结构损伤检测和超重车辆识别的多任务学习网络中，输出桥梁结构损伤检测和超重车辆识别的结果。本发明可以解决现有的桥梁结构健康监测方法之中，传统信号处理方法难以利用海量的健康监测数据，并且需要车速、车轴等额外信息；机器学习方法严重依赖人工设计特征的质量；而深度学习方法只考虑了损伤因素或载荷因素等单一影响因素的这些技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113946413A
公开(公告)日：2022-01-18
申请号：CN202111059617.7
申请日：2021-09-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种AI服务平台的工作流引擎自动调度方法，包括步骤：1)AI服务平台为用户定制AI服务的流程定义，并维护一个等待激活的AI服务实例队列Q；2)用户对AI服务中占用计算资源的任务设置执行的时长限制Tc_limit和等待执行的时长限制Tw_limit的值，并启动一个AI服务的实例；3)AI服务平台计算用户启动的AI服务实例中占用计算资源的任务的执行时长Tc；4)AI服务平台依据计算的执行时长Tc，结合AI服务平台当前计算资源的使用状况和等待激活队列的信息对用户启动的AI服务实例进行调度。本发明在AI服务平台的计算资源不充足的情况下，通过对AI服务的执行时长和等待执行时长等信息进行设置，在用户可接受的等待时间范围内，提高了AI服务的完成率和AI服务平台的计算资源的使用率。
-
公开(公告)号：CN113313232A
公开(公告)日：2021-08-27
申请号：CN202110545947.0
申请日：2021-05-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于预训练和图神经网络的功能脑网络分类方法，包括步骤：1)获取fMRI数据，并进行预处理；2)对fMRI数据进行大脑区域划分并提取特征，以图的形式构建功能脑网络；3)将无标签的的功能脑网络输入节点编码层训练；4)通过节点信息聚合网络训练；5)将步骤3)和4)的输出通过边关系预测网络训练；6)将带标签的功能脑网络数据输入步骤3)训练后的节点编码层训练；7)在步骤4)训练后的节点信息聚合网络中进行训练；8)通过功能脑网络分类模型，进行训练和分类。本发明利用大量无标签脑网络数据，通过对图神经网络的预训练，使完成预训练的网络只需在少量标签数据上训练即可适应下游的功能脑网络分类任务。
-
公开(公告)号：CN113096096A
公开(公告)日：2021-07-09
申请号：CN202110392146.5
申请日：2021-04-13
Applicant: 中山市华南理工大学现代产业技术研究院
IPC: G06T7/00 , G06T7/12 , G06T7/136 , G06T7/194 , G06T7/62 , G06T5/00 , G06T5/40 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合形态特征的显微图像骨髓细胞计数方法与系统，该方法包括：1)获取带标签和无标签的骨髓细胞显微图像，均进行图像预处理；2)分别根据细胞分割标记和分水岭算法，将带标签的/无标签的骨髓细胞显微图像分割为若干带标签的/无标签的单一骨髓细胞显微图像，均进行图像预处理；3)利用改进的最大类间方差法和N距边缘扩充方法对带标签和无标签的单一骨髓细胞显微图像进行细胞核、细胞质分割，并提取形态特征；4)构建混合卷积神经网络模型，将带标签的单一骨髓细胞显微图像输入模型训练；5)用训练好的混合卷积神经网络模型预测无标签的单一骨髓细胞显微图像的细胞类别，对各个细胞类别进行计数。本发明对骨髓细胞计数具有较高的精度。
-
公开(公告)号：CN110189167B
公开(公告)日：2021-06-08
申请号：CN201910417284.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于异构图嵌入的移动广告欺诈检测方法，包括步骤：1)获取移动广告日志数据并对数据进行预处理；2)提取用户、应用和广告三者关联关系数据，构建有权异构图；3)定义元路径，设定每个节点的游走次数和最长步长，遍历有权异构图节点，构建节点元路径随机游走序列；4)使用语言模型，构建有权异构图中节点的低维空间稠密向量表示；5)定义标签，构成被试数据；6)构建移动广告欺诈检测模型；7)将训练部分的移动应用被试数据输入至移动广告欺诈检测模型训练，得到移动广告欺诈检测模型；8)采用移动广告欺诈检测模型对移动应用进行欺诈检测。本发明利用移动广告系统中的实体关联关系，有效的检测出欺诈的移动应用。
-
公开(公告)号：CN106886915B
公开(公告)日：2020-07-28
申请号：CN201710041277.2
申请日：2017-01-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于时间衰减采样的广告点击预估方法，主体思想是从离测试集日期近的数据中多采样，离测试集日期远的数据中少采样，采样量依据时间的远近呈现一个渐变的趋势，通过将采样数据进行时间维度上的划分，构建出适合广告点击预估的训练数据，再通过多模型融合的方法，为广告点击预估构建出更加精准和有效的模型。本发明更能捕捉到时间更近的数据的特征，达到更好的预估效果，此类基于时间衰减的采样方法可以延伸到其他跟时间相关，基于时间序列的不平衡数据中，具有广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.031 seconds)
