公开(公告)号：CN117763499A

公开(公告)日：2024-03-26

申请号：CN202311838303.6

申请日：2023-12-28

Applicant: 河南大学 ,  黄河水利职业技术学院

Inventor： 杨晓慧 ,  李静静 ,  冯元 ,  彭李超 ,  宋宇 ,  秦蒙恩

IPC: G06F18/25 ,  G06F18/2135 ,  G06F18/2136 ,  G06F18/2413 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积稀疏编码和最优传输的多模态数据整合方法，该方法利用卷积稀疏编码协同地学习两个多模态输入特征的潜在表示，从方法论的角度缓解了神经网络的可解释性问题。在生成潜在空间时，为了更好地学习数据的分布情况，采用了最优传输理论，以解决真实分布和生成分布可能没有重叠的问题。进而基于多模态数据之间的相关矩阵进行对齐，在对齐点对两个模态的潜在空间组合，引导相似样本在不同模态之间有相似表达，最终实现多模态数据的整合。本发明使得整合后的潜在空间分类精度显著提升，适用于生物医学领域单细胞测序数据和影像数据等多组学数据整合分析。

公开(公告)号：CN117763499B

公开(公告)日：2024-08-16

申请号：CN202311838303.6

申请日：2023-12-28

Applicant: 河南大学 ,  黄河水利职业技术学院

Inventor： 杨晓慧 ,  李静静 ,  冯元 ,  彭李超 ,  宋宇 ,  秦蒙恩

IPC: G06F18/25 ,  G06F18/2135 ,  G06F18/2136 ,  G06F18/2413 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明公开了一种基于卷积稀疏编码和最优传输的多模态数据整合方法，该方法利用卷积稀疏编码协同地学习两个多模态输入特征的潜在表示，从方法论的角度缓解了神经网络的可解释性问题。在生成潜在空间时，为了更好地学习数据的分布情况，采用了最优传输理论，以解决真实分布和生成分布可能没有重叠的问题。进而基于多模态数据之间的相关矩阵进行对齐，在对齐点对两个模态的潜在空间组合，引导相似样本在不同模态之间有相似表达，最终实现多模态数据的整合。本发明使得整合后的潜在空间分类精度显著提升，适用于生物医学领域单细胞测序数据和影像数据等多组学数据整合分析。

公开(公告)号：CN119131792A

公开(公告)日：2024-12-13

申请号：CN202411220663.4

申请日：2024-09-02

Applicant: 河南大学

Inventor： 彭李超 ,  秦蒙恩 ,  杨晓慧 ,  苗琛 ,  孙炎锋 ,  乔晗

IPC: G06V20/69 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774

Abstract: 本发明公开了一种渐进融合空间和通道特征的信息智能补偿和压缩方法，并将该方法用于获取叶片气孔表型数据。该方法包括特征提取：采用卷积神经网络提取气孔图像中气孔纹理及语义特征；特征补偿和压缩：通过构建渐进的空间和通道特征补偿和压缩的颈部网络将骨干网络提取出的多尺度特征进行融合，补偿与气孔相关特征的损失并进一步压缩冗余特征。智能检测：将细化后的三个特征图引入到分支解耦的检测头中进行预测，获得气孔表型数据。该方法极大地方便了研究者获取更加准确的作物气孔表型性状数据，对智慧农业的发展起到积极的推动作用。

公开(公告)号：CN119048740A

公开(公告)日：2024-11-29

申请号：CN202411168933.1

申请日：2024-08-23

Applicant: 河南大学

Inventor： 杨晓慧 ,  秦蒙恩 ,  张燕妮 ,  葛铮 ,  白云飞

IPC: G06V10/25 ,  G06V10/40 ,  G06V10/764 ,  G06V10/766 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06F17/11 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及智慧矿业技术领域，具体涉及一种基于选择性状态空间方程的煤矸石智能识别方法，包括：获取煤矸石数据集中的训练集和验证集，构建煤矸石识别模型；利用训练集对煤矸石识别模型进行训练，并在每轮训练结束后，利用验证集计算模型损失函数值，直至完成设置的轮数，获得训练后的煤矸石识别模型；获取待检测的预处理后的煤矸石图像，将待检测的预处理后的煤矸石图像输入到训练后的煤矸石识别模型，得到煤矸石智能识别结果。本发明通过引入选择性状态空间方程，对煤矸石的图像特征进行建模和分析，以提取更加有效和鲁棒的特征表示，其提高了煤矸石智能识别结果的准确性。

公开(公告)号：CN118691972A

公开(公告)日：2024-09-24

申请号：CN202410779456.6

申请日：2024-06-17

Applicant: 河南大学

Inventor： 彭李超 ,  秦蒙恩 ,  杨晓慧 ,  苗琛 ,  孙炎锋

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/776 ,  G06V10/80 ,  G06V10/54 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464 ,  G06V20/70 ,  G06V10/764

Abstract: 本发明涉及智慧农业技术领域，具体涉及一种基于HDIoU的农作物无损叶片气孔表型智能分析方法，包括：获取农作物叶表皮的气孔图像构建训练集和验证集，对训练集和验证集中的图像进行双目标的旋转框的标注；对训练集进行预设轮次的训练包括：利用YOLOv8的骨干网络提取图像的气孔纹理和语义特征，利用YOLOv8的颈部网络进行不同尺度的融合；将融合后的特征图输入分支解耦的检测头中进行预测，获得预测的气孔表型数据；根据每一轮训练时网络模型利用验证集基于HDIoU计算损失函数值确定最优的网络模型，利用最优的网络模型对农作物叶表皮细胞图像进行气孔检测。本发明能够获取更加准确的农作物无损叶片气孔表型性状数据。