公开(公告)号：CN115587207A

公开(公告)日：2023-01-10

申请号：CN202211093673.7

申请日：2022-09-08

Applicant: 吉林大学

Inventor： 刘萍萍 ,  刘泽同 ,  单雪 ,  周求湛 ,  王一帆

IPC: G06F16/51 ,  G06F16/53 ,  G06F16/55 ,  G06F18/214 ,  G06F18/241 ,  G06F18/213 ,  G06N3/0464

Abstract: 本发明公开了一种基于分类标签的深度哈希检索方法。首先，利用深度卷积神经网络对训练图像数据库中的图像进行特征提取，在主网络后构建深度哈希网络学习类哈希码，在深度哈希网络后构建分类器学习分类特征。其次，使用类哈希码和分类特征分别计算度量学习损失和分类损失，并使用类哈希码和哈希码计算量化损失。最后，在测试阶段将分类标签二值化与哈希码拼接，得到的基于分类标签的哈希码用于检索。本发明提出的方法同时利用了分类信息和相似度信息，能达到良好的检索精度。

公开(公告)号：CN110632301A

公开(公告)日：2019-12-31

申请号：CN201910908072.9

申请日：2019-09-25

Applicant: 吉林大学

Inventor： 张晓光 ,  藏程琳 ,  孙春燕 ,  张鸣镝 ,  刘佰潼 ,  刘凯 ,  刘泽同 ,  刘志伟

IPC: G01N33/569

Abstract: 本发明公开了一种基于生物膜干涉技术的沙门氏菌快速检测方法，其方法为：步骤一、传感器活化；步骤二、抗体固定化；步骤三、封闭；步骤四、样品检测及结果判断；本发明的有益效果：本发明提供的基于生物膜干涉技术的沙门氏菌快速检测方法步骤少、操作简单易学、无需任何标记；该方法检测时间短，由于该方法的其他环节可以提前准备妥当，所以可以做到样品的随到随检。根据样品中所含目标菌浓度的不同，单纯的样品检测环节只需要数十秒到几分钟的时间。本发明所述方法可应用于粗样品的检测，检测前样品无需经过离心和脱气。本发明所述方法配合可商购的基于BLI技术的设备和系统，可实现多个样品(例如96个样品)的同时批量检测。

公开(公告)号：CN110632301B

公开(公告)日：2021-03-12

申请号：CN201910908072.9

申请日：2019-09-25

Applicant: 吉林大学

Inventor： 张晓光 ,  藏程琳 ,  孙春燕 ,  张鸣镝 ,  刘佰潼 ,  刘凯 ,  刘泽同 ,  刘志伟

IPC: G01N33/569

Abstract: 本发明公开了一种基于生物膜干涉技术的沙门氏菌快速检测方法，其方法为：步骤一、传感器活化；步骤二、抗体固定化；步骤三、封闭；步骤四、样品检测及结果判断；本发明的有益效果：本发明提供的基于生物膜干涉技术的沙门氏菌快速检测方法步骤少、操作简单易学、无需任何标记；该方法检测时间短，由于该方法的其他环节可以提前准备妥当，所以可以做到样品的随到随检。根据样品中所含目标菌浓度的不同，单纯的样品检测环节只需要数十秒到几分钟的时间。本发明所述方法可应用于粗样品的检测，检测前样品无需经过离心和脱气。本发明所述方法配合可商购的基于BLI技术的设备和系统，可实现多个样品(例如96个样品)的同时批量检测。

公开(公告)号：CN116401396A

公开(公告)日：2023-07-07

申请号：CN202310677829.4

申请日：2023-06-09

Applicant: 吉林大学

Inventor： 刘萍萍 ,  刘泽同 ,  郎一君 ,  刘世豪 ,  周求湛 ,  李清亮

IPC: G06F16/583 ,  G06F16/55 ,  G06V10/44 ,  G06V10/74 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明提出了一种类内排序辅助的深度度量学习图像检索方法及系统，首先提取潜在特征以计算度量损失；在嵌入空间中设置生成边界，从提取的潜在特征中通过动态样本选择策略选择原样本进行样本生成，在原样本的周围区域生成新的样本，将新生成的样本和原样本组成一组数据并送入全连接网络；将输入的生成样本和原样本映射到新的嵌入空间中，计算它们的相似度，根据相似度排序，得到排序损失；再使用反向传播算法训练主网络；训练过程结束后，丢弃掉全连接网络，仅使用训练好的主网络进行测试；将测试集输入训练好的主网络进行特征提取，并根据特征间的相似度大小返回检索的结果，评估检索结果的正确性。

公开(公告)号：CN114972959B

公开(公告)日：2022-11-01

申请号：CN202210894362.4

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 刘萍萍 ,  王一帆 ,  周求湛 ,  郎一君 ,  杨晓康 ,  刘泽同

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06N3/04 ,  G06F16/532

Abstract: 深度学习中样本生成和类内排序损失的遥感图像检索方法，属于遥感图像检索方法技术领域。搭建卷积神经网络模型，对原始的遥感图像数据集进行预处理和增强处理；将遥感图像数据集输入到数据加载器中，选取优化器；从数据加载器中读取遥感图像数据；对读取的遥感图像数据进行特征提取，将特征输入到损失函数中；对输入的特征进行样本生成和损失计算；对得到的损失计算梯度进行反向传播更新卷积神经网络的参数；判断训练的次数是否达到卷积神经网络参数设置的次数；将需要查询的遥感图像数据输入到训练好的卷积神经网络中得到向量，然后将向量与检索数据集中其他的向量进行比较，选出相似性高的遥感图像数据。

公开(公告)号：CN114972959A

公开(公告)日：2022-08-30

申请号：CN202210894362.4

申请日：2022-07-28

Applicant: 吉林大学

Inventor： 刘萍萍 ,  王一帆 ,  周求湛 ,  郎一君 ,  杨晓康 ,  刘泽同

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/74 ,  G06N3/04 ,  G06F16/532

Abstract: 深度学习中样本生成和类内排序损失的遥感图像检索方法，属于遥感图像检索方法技术领域。搭建卷积神经网络模型，对原始的遥感图像数据集进行预处理和增强处理；将遥感图像数据集输入到数据加载器中，选取优化器；从数据加载器中读取遥感图像数据；对读取的遥感图像数据进行特征提取，将特征输入到损失函数中；对输入的特征进行样本生成和损失计算；对得到的损失计算梯度进行反向传播更新卷积神经网络的参数；判断训练的次数是否达到卷积神经网络参数设置的次数；将需要查询的遥感图像数据输入到训练好的卷积神经网络中得到向量，然后将向量与检索数据集中其他的向量进行比较，选出相似性高的遥感图像数据。