-
公开(公告)号：CN119924848A
公开(公告)日：2025-05-06
申请号：CN202510375184.8
申请日：2025-03-27
Applicant: 湖北工业大学
IPC: A61B5/346 , A61B5/321 , A61B5/333 , A61B5/00 , G06F18/24 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种心电图信号的分类方法、装置及心电监护仪，属于信号处理技术领域，其方法包括：提取心电图信号的基础特征；将基础特征发送至多尺度膨胀卷积网络模型，其中，多尺度膨胀卷积网络模型的多尺度分支模块包括多个不同感受野的分支网络，且至少一个分支网络的感受野的膨胀卷积速率与基础特征的当前输入信号长度正相关；基于多个不同感受野的分支网络确定基础特征的多个分支特征；将多个分支特征进行权值融合，并基于权值融合后的特征确定心电图信号的分类标签；通过多尺度分支模块中的多个不同感受野的分支网络对心电图信号的基础特征进行分支特征提取，提高了模型的有效感受野，增强了模型的泛化性。
-
公开(公告)号：CN114821258B
公开(公告)日：2024-08-06
申请号：CN202210448707.3
申请日：2022-04-26
Applicant: 湖北工业大学
IPC: G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于特征图融合的类激活映射方法及装置。首先将电气设备图像输入至已训练好的卷积神经网络提取每一个卷积层的特征图，并将其融合后输出一个预测该图像类别的分数，并计算特征图相对于分数的梯度；将得到的梯度进行全局平均池化操作得到权重并将其与对应的特征图相乘，ReLU操作后得到最后的类激活图。本发明通过对深浅层特征图的融合，可让融合后的特征图同时具备深浅层特征图的优点，可以生成性能更好的类激活图。
-
公开(公告)号：CN111666996B
公开(公告)日：2023-09-19
申请号：CN202010479743.7
申请日：2020-05-29
Applicant: 湖北工业大学
IPC: G06F18/2415 , G06F18/213 , G06N3/047 , G06N3/0499 , G06N3/084 , G06F18/25 , G10L25/24 , G10L25/27
Abstract: 本发明提出了一种基于attention机制的高精度设备源识别方法。首先，提出在attention机制中加入卷积池化操作来提升特征的表征性，卷积池化层经过训练可以更好的捕捉设备源特征；其次，提出attention机制，使用神经网络为每一种特征自主学习一个权重，从而剔除原始特征数据的冗余信息和干扰数据，实现特征数据的精简；最后，本发明对将MFCC、高斯超矢量和i‑vector三种常见的特征作为设备源特征，并结合attention机制和深度神经网络，用于解决单一特征的局限性。本发明的设备源识别方法与传统设备源识别方法相比能够有效提升系统的识别性能，优化了系统结构，提高了相应设备源识别产品的竞争力。
-
公开(公告)号：CN110766024B
公开(公告)日：2023-05-23
申请号：CN201910948470.3
申请日：2019-10-08
Applicant: 湖北工业大学
IPC: G06V10/44 , G06V10/75 , G06V10/82 , G06N3/0895 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的视觉里程计特征点提取方法及视觉里程计，首先构建深度学习特征点模型，然后优化深度学习特征点模型，接着特征点检测，最后进行特征点匹配；本发明使用深度学习的方法解决图像特征点提取与匹配问题，可以自由灵活的设计角点特征。本发明实时性是视觉里程计性能的重要参考标准之一，使用深度学习特征点法相较于传统方法可以更充分地利用图形显卡硬件资源，从而达到加速目的。本发明相较于传统的特征点法，在视点变化、光度变化场景下，检测精度明显提高，鲁棒性明显增强。
-
公开(公告)号：CN115866658B
公开(公告)日：2023-05-16
申请号：CN202310064987.2
申请日：2023-02-06
Applicant: 湖北工业大学
IPC: H04W24/06 , H04W24/02 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明属于无线通信技术领域，具体涉及一种基于动态时空超图卷积网络的流量预测方法和系统。首先建立门控时间卷积网络模型和高阶时间差分卷积网络模型的时间模块来模拟动态异构网络中移动流量更复杂的时间关系；建立空间渐进卷积网络模型构成空间模块，模拟动态异构网络中移动流量更复杂的空间关系；然后在图卷积网络的基础上建立移动数据流量的超图卷积网络模块，将时间模块、空间模块、超图卷积网络模块相融合，从而建立完整的移动数据流量的动态时空超图卷积预测模型；最后通过优化算法更新动态时空超图卷积预测模型中的网络参数以获取最小损失函数，得到最终的移动蜂窝流量预测结果，从而实现动态异构网络中高精度的移动流量预测。
-
Patent Agency Ranking
公开(公告)号：CN114970637A
公开(公告)日：2022-08-30
申请号：CN202210650732.X
申请日：2022-06-10
Applicant: 湖北工业大学
Abstract: 本发明涉及一种轻量级基于深度学习的心律失常分类方法，包括：1)采集原始一维单导联心电信号进行心拍分割；2)对分割的心拍进行Z‑Score标准化；3)按患者间范式构建训练集和待测数据集，并平衡训练集样本；4)构建包含基于卷积神经网络的心电信号特征提取器、基于双向长短时网络的特征学习器和特征分类器的轻量级融合预分类模型；5)使用批量加权损失函数，并利用训练集和随机梯度下降法对模型进行训练。6)载入训练好的模型实现待测数据的心律失常分类。本发明提出一种批量加权损失函数和一种轻量级预分类模型结构，提高了异常心电信号分类识别处理速度，准确率高，泛化能力强，适合应用于边缘计算设备。
-
公开(公告)号：CN114048770A
公开(公告)日：2022-02-15
申请号：CN202111315681.7
申请日：2021-11-08
Applicant: 湖北工业大学
Abstract: 本发明属于数字音频信号篡改检测技术领域，公开了一种面向数字音频删除和插入篡改操作自动检测方法及系统，利用训练好的电网频率的通用背景模型，提取每个数字音频信号的电网频率频谱特征超矢量；将所提取的电网频率频谱特征超矢量输入由注意力机制和残差网络构成的深度表示学习网络进行浅层特征的学习；将训练好的浅层特征输入到分类网络中，判断是否经过删除或插入的篡改。本发明采用提取电网频率频谱特征超矢量，并建立深度神经网络训练所提取的特征；本发明不仅实现了篡改检测的自动化，还将深度神经网络很好的应用于篡改检测，并且取得很好的效果。本发明具有更高的准确率和较好的鲁棒性。
-
公开(公告)号：CN109063719B
公开(公告)日：2022-02-01
申请号：CN201810365992.6
申请日：2018-04-23
Applicant: 湖北工业大学
IPC: G06K9/62 , G06N3/04 , G06V10/764 , G06V10/84 , G06V10/82
Abstract: 本发明公开了一种联合结构相似性和类信息的图像分类方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—联合结构相似性和类信息的图像识别算法。并将该深度学习算法应用在手写数字识别和自然图像识别中，提出联合结构相似性与类信息的图像识别方法。该方法能能高效地提取小图像高层次信息；其次，该方法引入了联合度量损失和图像类别信息建立损失函数，度量损失通过计算图像高层次语义向量之间的相似性，最小化类内距离和类间距离与某一常数(通常为1)之差，不仅加快了网络的训练收敛速度，同时保持或者提高测试集图像的分类准确率。本发明简单且易于实现，提升图像识别性能的同时，也提高了网络的训练效率。
-
公开(公告)号：CN110781773B
公开(公告)日：2021-05-18
申请号：CN201910958540.3
申请日：2019-10-10
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于残差神经网络的道路提取方法，基于残差神经网络，采用了编码器‑解码器的网络结构，同时结合了空洞卷积模块(Dilated Convolutional Module,DCM)，提取更高维的特征信息；还采用多尺度特征融合的方法，学习更多低维和高维的特征，从而分割出准确的道路结构。本发明能显著提高了复杂背景下的道路提取效果。高分辨率遥感图像所包含的地面物体信息十分丰富，尤其对小尺度目标成像更加清晰。本发明能够解决车辆、绿化带和建筑物的阴影与遮挡对道路提取形成的干扰，对于光照不均以及对比度低的高分辨率遥感图像中的道路提取也有很好的效果。
-
公开(公告)号：CN110753181A
公开(公告)日：2020-02-04
申请号：CN201910930336.0
申请日：2019-09-29
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于特征跟踪和网格路径运动的视频稳像方法，首先通过SIFT算法检测视频帧的特征点；再对检测出来的SIFT特征点进行KLT算法特征追踪匹配；然后根据匹配到的特征点，利用RANSAC算法估计相邻帧间的仿射变换矩阵；再将视频帧划分为均匀的网格，选取均匀网格中的一格，把相邻帧间仿射矩阵与前一帧相机运动路径累乘，由此计算视频的运动轨迹。再通过极小化能量函数优化平滑多条网格路径。最后由原相机路径与平滑相机路径的关系，计算相邻帧间的补偿矩阵，利用补偿矩阵对每一帧进行几何变换，从而得到稳定的帧序列。本发明能准确计算相机路径，同时使得抖动视频更加稳定。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.032 seconds)
