-
公开(公告)号:CN116936073A
公开(公告)日:2023-10-24
申请号:CN202310703569.3
申请日:2023-06-14
Applicant: 南通大学
IPC: G16H50/20 , G16H50/70 , G06F18/24 , G06F18/2411 , G06N3/084 , G06N3/0499 , G06N5/01 , G06N20/20 , G06F18/243 , G06F18/25 , G06F18/23 , G06F18/214
Abstract: 本发明公开了一种基于投票机制的乳房癌诊断与预测方法。乳房癌的诊断可以通过穿刺采样分析判别为良性还是恶性,研究发现乳房癌肿瘤有10个细胞核显微特征,每个特征有均值、标准差和“最坏值”。本发明根据乳房癌的特征属性,建立乳房癌判断预测模型,对于二分类问题,采用支持向量机、神经网络、决策树、随机森林来分类预测,将四种方法的预测结果实行少数服从多数的投票机制,同时采用系统聚类筛选主要特征属性,减少模型训练成本,实现了特征数少而区分又很好的乳房癌诊断。
-
公开(公告)号:CN117095455A
公开(公告)日:2023-11-21
申请号:CN202310916444.9
申请日:2023-07-25
Applicant: 南通大学
Abstract: 本发明公开一种基于视觉行为分析的学生抑郁状态识别方法,包括以下步骤,首先通过YOLOv5算法,对获取到的视频进行目标检测;S2、利用分类器,对于检测到的目标进行异常行为分析;S3、通过异常行为分析,得到抑郁情绪识别结果,并进行加权综合评价,得到被追踪学生的最终抑郁情绪识别分数;S4、将得到的被追踪学生的最终抑郁情绪识别分数与设定的抑郁评估分数阈值进行比较与识别。本发明通过单目摄像机获取视频,通过算法模型对视频中被检测追踪到的人物进行异常行为分析,判断学生的抑郁状态,并将判定为抑郁状态的学生位置信息与模型处理的视频发送给相关人员,整个识别过程非常简单,提高了发现与救治的及时性。
-
公开(公告)号:CN115497162A
公开(公告)日:2022-12-20
申请号:CN202211149451.2
申请日:2022-09-21
Applicant: 南通大学
Abstract: 本发明公开了一种基于单目视觉的3D人体姿态检测方法,包括:1、使用YOLOX模型检测输入图像中存在的人,并获得相应的人物检测框;2、基于YOLOX检测出的人物检测框计算检测框中心点坐标,然后放大检测出的人物,从而获得新的人物图像;3、在获得的新人物图像中提取2D人体关节点坐标序列;4、构建回归映射神经网络将2D人体关节点坐标序列转换为3D人体关节点坐标序列;5、在Human3.6M公开数据集上训练上述回归映射神经网络;6、测试回归映射神经网络,检测3D人体姿态。本方法利用回归的方法检测人体姿态,解决了原有方法中出现的漏检情况。
-
公开(公告)号:CN116484697A
公开(公告)日:2023-07-25
申请号:CN202310511084.4
申请日:2023-05-08
Applicant: 南通大学
IPC: G06F30/23 , G06F30/25 , G06F17/11 , G06N3/006 , G06F119/08
Abstract: 本发明公开了一种基于一维热传导模型的提升回焊炉工作效率的方法,通过分析回焊炉用于电子元件焊接于印刷电路板的制作工艺需求,调整决策变量和约束条件,建立了单目标多变量最优化问题模型,并利用粒子群算法查找进行求解;在对求出最优方案,即最优炉温曲线、各温区设定的温度及传送带过炉速度的问题时,将其转化成单目标规划问题进行求解,找出提升回焊炉工作效率的方法。
-
公开(公告)号:CN116484616A
公开(公告)日:2023-07-25
申请号:CN202310449622.1
申请日:2023-04-24
Applicant: 南通大学
IPC: G06F30/20 , G06F17/16 , G06F17/13 , G06F119/08
Abstract: 本发明公开了一种基于一维热传导模型的高温防护服设计方法,通过分析分析高温防护服的传热特性,考虑初始条件、边界条件和热传导方式,建立一维热传导偏微分方程,并采用隐式格式离散化求解,从而对防护服厚度进行优化分析。在对进行进一步目标优化时,因为皮肤外侧的温度都会随着厚度的增加而减小,而且如果第四层厚度增加,温度下降就越多,为了节约成本且满足安全的前提下,第二层厚度可以减小,同理,第二层厚度增加,第四层厚度可以减小。考虑到第四层为空气层,其厚度增加并不会增加成本,当取第四层厚度为最大厚度6.4mm时,其隔热效果最好,第二层相对厚度减小,从而最大程度上节约成本,完成高温防护服的设计。
-
公开(公告)号:CN115810185A
公开(公告)日:2023-03-17
申请号:CN202211653367.4
申请日:2022-12-21
Applicant: 南通大学
IPC: G06V20/62 , G06V30/19 , G06V30/16 , G06V30/148 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/094 , G06N3/082
Abstract: 本发明提供基于生成对抗网络数据增强的轻量级车牌识别方法,涉及智能交通技术领域,本申请提出了一个无需字符分割的端到端的轻量级全卷积车牌识别网络LPRNeXt,输入车牌图像后可以直接输出车牌号码。该网络鲁棒性强,识别准确率高,处理速度快,并使用车牌生成网络进行数据增强,生成的虚拟车牌数据集,解决了车牌数据集CCPD2019中存在的样本不均问题,进一步提高了车牌识别准确率。
-
公开(公告)号:CN115984841A
公开(公告)日:2023-04-18
申请号:CN202310035306.X
申请日:2023-01-10
Applicant: 南通大学
IPC: G06V20/62 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种准确的车牌识别方法,涉及智能交通技术领域。为了解决车牌样本数量不够的问题,本申请首先采用图像处理的方法合成标准的汽车车牌图像,接着使用生成对抗网络技术由标准车牌生成逼真的虚拟车牌,实现车牌数据集的增强,然后利用增强的车牌数据集,训练一个无需字符分割的端到端的全卷积车牌识别网络,最后基于输入的新车牌图像和训练好的车牌识别网络直接输出车牌号码。本发明的车牌识别方法鲁棒性强,识别准确率高,并使用车牌生成网络产生虚拟车牌数据集,解决了车牌数据集样本不足和样本不均问题,实现了车牌的准确识别。
-
-
-
-
-
-