公开(公告)号：CN115249319B

公开(公告)日：2025-05-13

申请号：CN202111412648.6

申请日：2021-11-25

Applicant: 昆明理工大学

Inventor： 杨云飞 ,  郭旭龙 ,  冯松 ,  戴伟 ,  梁波

IPC: G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/44 ,  G06V10/26 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及用于检测全日面图像中太阳暗条的方法。本发明首先将原始图像送入改进的ResNet‑50骨干网络提取特征图，再经由FPN融合不同层级的特征。融合后的特征被送入检测模型以预测目标的位置和类别，并将目标信息编码为实例相关的掩膜头参数。同时，FPN输出的特征会被送入掩膜分支用以生成掩膜分割图。最终，使用实例相关的掩膜头为不同的实例匹配对应的掩膜。在检测到暗条并获取其对应的掩膜后，通过掩膜之间的IoU滤除低质量的冗余检测。相比现有的太阳暗条检测方法，本发明能较好地检测出分裂为多个碎片的太阳暗条，并将分裂后的碎片检测为同一个暗条。

公开(公告)号：CN118736310B

公开(公告)日：2024-11-22

申请号：CN202410871662.X

申请日：2024-07-01

Applicant: 昆明理工大学

Inventor： 梁波 ,  张璇 ,  戴伟

IPC: G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种基于天文时频图像的射频干扰识别方法、系统，包括：获取天文时频图像；将天文时频图像作为编码器、Branch分支的输入，分别获得编码器特征图、高维特征图；将编码器特征图作为解码器的输入，在解码器中引入多尺度残差位置感知注意模块提取特征图信息，将解码器中第四个上采样的输出与Branch分支的输出进行拼接，获得拼接特征图，实现将空间信息与高阶语义信息进行整合；所述拼接特征图通过1次卷积操作后再经分割头预测每个像素的类别。与现有的同类方法相比，它具备较快的网络收敛速度，合理的网络的性能，能够全面且较为准确地识别RFI。

公开(公告)号：CN118612288A

公开(公告)日：2024-09-06

申请号：CN202410690080.1

申请日：2024-05-30

Applicant: 昆明理工大学

Inventor： 戴伟 ,  李诗昊 ,  彭玮

IPC: H04L67/563 ,  H04L67/568 ,  H04L69/16 ,  H04L69/164 ,  G06F9/54

Abstract: 本发明提出了一种基于XDP的射电天文数据实时采集和处理方法。包括：步骤1：构建XDP程序并编译为eBPF字节码，将XDP程序字节码加载至内核；步骤2：分析内核协议栈数据包的处理路径，基于XDP重定向功能，建立零拷贝、网络协议栈旁路的天文数据实时采集处理机制；步骤3：在用户空间数据实时采集处理程序中，创建AF_XDP类型的套接字，并构建UMEM内存缓冲区实时捕获XDP程序重定向后的UDP采样数据报文；步骤4：构造内存池，解析采样数据报文，将UDP报文中采样数据部份存入内存池，CUDA线程读取内存池并进行实时数据处理。本发明基于XDP构建了射电天文数据实时采集处理的框架，减少了内存拷贝上的负荷，加速了天文观测数据在各关键阶段的处理性能。

公开(公告)号：CN115019883A

公开(公告)日：2022-09-06

申请号：CN202210131034.9

申请日：2022-02-13

Applicant: 昆明理工大学

Inventor： 彭玮 ,  唐琦 ,  戴伟

IPC: G16B20/20 ,  G16B20/50 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多网络图卷积的癌症驱动基因识别方法，属于系统生物学技术领域。本发明首先根据蛋白质相互作用网络得到结构网络，再为每个基因计算出增强特征，根据基因的生物特征之间的相似度得到特征网络，然后将结构网络、特征网络和生物特征放入多网络图卷积模型中，对模型进行训练，并利用训练好的模型预测新的癌症驱动基因，最后输出每个基因是否是癌症驱动基因的预测分数。本发明通过多网络图卷积识别方法，提高机器学习模型预测癌症驱动基因识别的准确性。

公开(公告)号：CN118736310A

公开(公告)日：2024-10-01

申请号：CN202410871662.X

申请日：2024-07-01

Applicant: 昆明理工大学

Inventor： 梁波 ,  张璇 ,  戴伟

IPC: G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明公开了一种基于天文时频图像的射频干扰识别方法、系统，包括：获取天文时频图像；将天文时频图像作为编码器、Branch分支的输入，分别获得编码器特征图、高维特征图；将编码器特征图作为解码器的输入，在解码器中引入多尺度残差位置感知注意模块提取特征图信息，将解码器中第四个上采样的输出与Branch分支的输出进行拼接，获得拼接特征图，实现将空间信息与高阶语义信息进行整合；所述拼接特征图通过1次卷积操作后再经分割头预测每个像素的类别。与现有的同类方法相比，它具备较快的网络收敛速度，合理的网络的性能，能够全面且较为准确地识别RFI。

公开(公告)号：CN118470468B

公开(公告)日：2024-08-30

申请号：CN202410920447.4

申请日：2024-07-10

Applicant: 昆明理工大学

Inventor： 梁波 ,  张璇 ,  戴伟

IPC: G06V10/774 ,  G06V10/82 ,  G06V10/776 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种射电天文信号的射频干扰检测方法及装置，属于基于计算机视觉的图像处理领域。方法包括：构建无标注训练集；依据无标注训练集及生成的对应的伪掩码标签图像构建有标注训练集；依据从无标注训练集中随机选择的第一预设数量的射电时频图像及对应的真实掩码标签图像构建有标注验证集；依据无标注训练集中随机选择的第二预设数量的射电时频图像构建无标注测试集；将无标注测试集中射电时频图像作为经有标注训练集、有标注验证集进行训练和验证获得的训练好的基于D‑Unet射频干扰检测模型输入，获得射频干扰掩膜图像。本发明能节省人工标注训练样本造成的巨大成本且训练好的基于D‑Unet射频干扰检测模型具备合理的网络性能。

公开(公告)号：CN118332443A

公开(公告)日：2024-07-12

申请号：CN202410755555.0

申请日：2024-06-12

Applicant: 昆明理工大学

Inventor： 梁波 ,  顾飞 ,  戴伟

IPC: G06F18/243 ,  G06F18/213 ,  G06F18/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公开了一种脉冲星数据射频干扰检测方法，属于图像分割技术和射电天文领域。本发明包括：获取多个脉冲星数据；将获取的各脉冲星数据转换成脉冲星时频图像并制作标签，将带标签的脉冲星时频图像划分为训练集、验证集和测试集；基于编码器‑解码器结构，构建脉冲星数据射频干扰检测模型；依据训练集和验证集对脉冲星数据射频干扰检测模型进行训练和验证，获得训练好的脉冲星数据射频干扰检测模型；依据训练好的脉冲星数据射频干扰检测模型对待测脉冲星时频图像进行检测，获得脉冲星时频图像的分类结果。本发明在真实数据中的射频干扰检测性能更好，能够更全面、精确地检测射频干扰，且在检测效率和检测效果上达到了很好的平衡。

公开(公告)号：CN116798652A

公开(公告)日：2023-09-22

申请号：CN202310505646.4

申请日：2023-05-08

Applicant: 昆明理工大学

Inventor： 彭玮 ,  刘汉成 ,  戴伟 ,  贺勇

IPC: G16H70/40 ,  G16B40/00 ,  G16B20/00 ,  G06F18/24 ,  G06F18/27 ,  G06F18/22 ,  G06F18/214 ,  G06N3/0464

Abstract: 本发明涉及一种基于多任务学习的抗癌药物反应预测方法，属于系统生物学技术领域。本发明首先将药物分子指纹、细胞系基因表达和已知药物反应数据放入交互图卷积模型中，通过汇聚节点特征信息得到细胞系特征表示和药物特征表示，此部分主辅任务共享权重参数。之后主任务进行二元分类，辅助任务A和辅助任务B分别经过单独的线性变换层后进行IC50回归预测任务和相似性网络重构任务。最后通过加权求和来平衡三个任务的损失进行训练。并利用训练好的模型预测新的癌细胞系和药物反应，最后输出癌细胞系和药物敏感性的预测分数。本发明通过多任务学习，结合了IC50回归预测任务和相似性重构任务，来提高机器学习在药物敏感性预测上的效果。

公开(公告)号：CN115994927A

公开(公告)日：2023-04-21

申请号：CN202310174809.5

申请日：2023-02-28

Applicant: 昆明理工大学

Inventor： 杨云飞 ,  宗梦瑶 ,  冯松 ,  戴伟 ,  梁波

IPC: G06T7/246 ,  G06N3/08 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/0455

Abstract: 本发明涉及一种双向自回归的跟踪方法。本发明首先将当前帧原始图像送入卷积神经网络CNN中提取特征图，再经由ID嵌入头部和Transformer分别生成当前帧的ID嵌入和输出嵌入，然后对下一帧的原始图像重复以上操作，得到下一帧的输出嵌入，将当前帧的ID嵌入与下一帧的输出嵌入共同输入重检查网络中得到当前帧的增强特征，然后将增强特征输入到Transformer编码器和解码器，得到当前帧校准后的目标检测和跟踪结果。相比现有的多目标跟踪方法，本发明将后续帧的检测和跟踪信息反向自回归到当前帧进行二次检测和跟踪，能有效恢复漏检和错检的目标，对改善目标轨迹的连续性有明显效果。

公开(公告)号：CN115295156A

公开(公告)日：2022-11-04

申请号：CN202210131033.4

申请日：2022-02-13

Applicant: 昆明理工大学

Inventor： 彭玮 ,  车自成 ,  戴伟

IPC: G16H50/30 ,  G16H50/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于关系图卷积网络融合多源信息预测miRNA‑疾病的方法，属于系统生物学技术领域。本发明首先从数据库中获取miRNA‑疾病关联关系数据、疾病‑基因关联关系数据、miRNA‑基因关联关系数据、miRNA相似性数据、疾病相似性数据和基因相似性数据；再利用miRNA‑疾病关联关系数据，疾病‑基因关联关系数据，miRNA‑基因关联关系数据分别构建miRNA‑疾病关联关系网络，疾病‑基因关联关系网络，miRNA‑基因关联关系网络；然后利用miRNA相似性数据，疾病相似性数据，基因相似性数据，构建特征矩阵。将构建好的特征矩阵先进行非线性变化，再使用关系图卷积网络学习嵌入特征，重构出miRNA‑疾病关联矩阵；最后使用均方差损失函数来训练整个模型，最后输出结果。