-
公开(公告)号：CN114242171A
公开(公告)日：2022-03-25
申请号：CN202111565484.0
申请日：2021-12-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于基于机器学习的BCR相关疾病筛查技术领域，具体涉及一种逻辑回归与多示例学习相结合的BCR分类方法。本发明应用多示例学习的思想，将氨基酸序列相同的BCR序列“聚类”为包，将同时包含阳性与阴性的同序列包标记为阳性。本发明能够有效降低基于机器学习的BCR相关疾病筛查中的假阴性率，提高目前正处于试探性研究阶段的BCR相关疾病筛查的实际应用性。
-
公开(公告)号：CN114241242B
公开(公告)日：2025-03-21
申请号：CN202111563809.1
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/26 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明属于图像情绪分类技术领域，具体涉及一种基于自注意力交互融合的图像情绪分类方法。本发明通过提取对象检测器输出的特征图来表示对象的低级语义特征，并通过空间费舍尔向量方法，生成情绪图像的对象语义特征表示；使用全卷积神经网络提取显著图，对其进行二值化分割，将二值图的白色区域的最小外接矩形部分图像内容送入预训练的CNN，取倒数第二个全连接层的2048维度向量作为显著区域特征，利用CNN全连接层的输出作为情绪图像的全局外观特征；将这三种深度特征送入自注意力转换网络，生成最终的图像情绪分类结果。本发明能够提供更为精准的图像情绪分类结果，帮助机器理解图像所隐含的情感。
-
公开(公告)号：CN114242171B
公开(公告)日：2024-09-13
申请号：CN202111565484.0
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G16B40/00 , G06F18/23213 , G06F18/24 , G06N20/00
Abstract: 本发明属于基于机器学习的BCR相关疾病筛查技术领域，具体涉及一种逻辑回归与多示例学习相结合的BCR分类方法。本发明应用多示例学习的思想，将氨基酸序列相同的BCR序列“聚类”为包，将同时包含阳性与阴性的同序列包标记为阳性。本发明能够有效降低基于机器学习的BCR相关疾病筛查中的假阴性率，提高目前正处于试探性研究阶段的BCR相关疾病筛查的实际应用性。
-
公开(公告)号：CN114241242A
公开(公告)日：2022-03-25
申请号：CN202111563809.1
申请日：2021-12-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像情绪分类技术领域，具体涉及一种基于自注意力交互融合的图像情绪分类方法。本发明通过提取对象检测器输出的特征图来表示对象的低级语义特征，并通过空间费舍尔向量方法，生成情绪图像的对象语义特征表示；使用全卷积神经网络提取显著图，对其进行二值化分割，将二值图的白色区域的最小外接矩形部分图像内容送入预训练的CNN，取倒数第二个全连接层的2048维度向量作为显著区域特征，利用CNN全连接层的输出作为情绪图像的全局外观特征；将这三种深度特征送入自注意力转换网络，生成最终的图像情绪分类结果。本发明能够提供更为精准的图像情绪分类结果，帮助机器理解图像所隐含的情感。
-
-
-
Search Results
4
records
(took 0.033 seconds)
