一种基于层次特征记忆学习的皮肤病识别方法

    公开(公告)号:CN118941833B

    公开(公告)日:2024-12-06

    申请号:CN202411423796.1

    申请日:2024-10-12

    Abstract: 本发明涉及图像处理技术领域,公开了一种基于层次特征记忆学习的皮肤病识别方法,包括以下步骤:步骤1:获取皮肤病图像数据,对数据进行预处理得到数据集;步骤2:构建基于层次特征记忆学习的识别模型;识别模型包括特征学习模块、特征存储模块、时间‑层次特征处理模块;步骤3:对识别模型进行训练,得到训练后的模型;将图像数据输入训练后的模型得到所需的识别结果;本发明方法对于图像特征能够精准的捕捉,在多个性能指标上均优于现有的分类方法。

    一种上下文感知的对话信息提取系统及方法

    公开(公告)号:CN117933226A

    公开(公告)日:2024-04-26

    申请号:CN202311301516.5

    申请日:2023-10-09

    Abstract: 本发明提供了一种上下文感知的对话信息提取系统及方法,属于对话信息提取技术领域。本发明为每种实体类型设置了独立的模型,包括编码器模块和上下文感知增强模块,这使得模型能够更加关注自己所属类型的特征信息,提高了对不同类型实体特征的感知能力;本发明引入了上下文感知增强模块CAEM,能够捕捉多轮对话间的语境关联信息,通过自注意力机制和多层感知机构建上下文全局特征,同时融合上下文增强的特征信息,从而更好地建模上下文信息。本发明解决了现有对话信息提取方法中上下文建模有限、对复杂上下文依赖关系建模能力不足的问题。

    一种基于层次特征记忆学习的皮肤病识别方法

    公开(公告)号:CN118941833A

    公开(公告)日:2024-11-12

    申请号:CN202411423796.1

    申请日:2024-10-12

    Abstract: 本发明涉及图像处理技术领域,公开了一种基于层次特征记忆学习的皮肤病识别方法,包括以下步骤:步骤1:获取皮肤病图像数据,对数据进行预处理得到数据集;步骤2:构建基于层次特征记忆学习的识别模型;识别模型包括特征学习模块、特征存储模块、时间‑层次特征处理模块;步骤3:对识别模型进行训练,得到训练后的模型;将图像数据输入训练后的模型得到所需的识别结果;本发明方法对于图像特征能够精准的捕捉,在多个性能指标上均优于现有的分类方法。

    基于多尺度特征融合的图像超分辨率方法、装置和设备

    公开(公告)号:CN118350996B

    公开(公告)日:2024-08-30

    申请号:CN202410780901.0

    申请日:2024-06-18

    Abstract: 本申请提供了一种基于多尺度特征融合的图像超分辨率方法、装置和设备,涉及图像处理技术领域,该方法包括:创建目标超分辨率模型,目标超分辨率模型包括:浅层特征提取模块、特征蒸馏模块、多层特征融合模块和图像重建模块;特征蒸馏模块由多个特征蒸馏块依次串联构成,特征蒸馏块按照串联顺序交替采用以下注意力机制:大核注意力机制、空间注意力机制和多分支注意力机制;将原始图像复制n次后,输入浅层特征提取模块,得到浅层特征;将浅层特征输入特征蒸馏模块,得到不同尺度的深度特征;将不同尺度的深度特征输入多层特征融合模块,得到融合后特征;图像重建模块采用跳跃连接的方式,根据融合后特征和浅层特征,得到重建的超分辨图像。

    一种基于区块链双链的网络安全服务协作方法

    公开(公告)号:CN119892459A

    公开(公告)日:2025-04-25

    申请号:CN202510049692.7

    申请日:2025-01-13

    Abstract: 本发明公开了一种基于区块链双链的网络安全服务协作方法,通过构建一个通用的网络安全协作与服务平台,采用公有链与联盟链相结合的双链跨链架构,通过提供统一的安全策略,结合数字资产确权与法律保障措施,保障用户权益;在网络安全防护过程中,平台实现了异常报警、报警共享、黑客行为检测与追踪、司法定罪与处罚、网络安全犯罪处置、资产损失理赔等功能;同时,采用完全匿名技术,保护用户隐私,并支持匿名协作与服务,提高了安全服务的灵活性与处理效率;该方法通过构建高效、低成本的协作平台,增强了各方在处理网络安全事件中的协作能力,为网络空间安全提供了完整的保障体系。

    一种基于二次对齐的半监督图节点拓展方法

    公开(公告)号:CN119622422A

    公开(公告)日:2025-03-14

    申请号:CN202411846560.9

    申请日:2024-12-16

    Inventor: 张昊飞 朱宗海

    Abstract: 本申请涉及一种基于二次对齐的半监督图节点拓展方法。所述方法包括:首先,计算图节点对应的全图邻接矩阵的二次或三次幂,并基于计算结果确定影响力矩阵;选择有标签节点数量最多的类别集合作为第一基准,基于所述第一基准和影响力矩阵确定一次对齐节点;基于所述影响力矩阵确定每个类别对节点的影响力排序,并确定节点备选伪标签集合;基于所述节点备选伪标签集合、第一基准和预设期望节点数确定二次对齐基准,基于所述二次对齐基准和影响力矩阵确定二次对齐节点;最后,基于所述一次对齐节点和二次对齐节点拓展原训练节点集合。考虑到不平衡性对分类的影响,关注到无标签节点并加以选择和利用,提高了图数据的半监督节点分类的准确率。

    基于多尺度特征融合的图像超分辨率方法、装置和设备

    公开(公告)号:CN118350996A

    公开(公告)日:2024-07-16

    申请号:CN202410780901.0

    申请日:2024-06-18

    Abstract: 本申请提供了一种基于多尺度特征融合的图像超分辨率方法、装置和设备,涉及图像处理技术领域,该方法包括:创建目标超分辨率模型,目标超分辨率模型包括:浅层特征提取模块、特征蒸馏模块、多层特征融合模块和图像重建模块;特征蒸馏模块由多个特征蒸馏块依次串联构成,特征蒸馏块按照串联顺序交替采用以下注意力机制:大核注意力机制、空间注意力机制和多分支注意力机制;将原始图像复制n次后,输入浅层特征提取模块,得到浅层特征;将浅层特征输入特征蒸馏模块,得到不同尺度的深度特征;将不同尺度的深度特征输入多层特征融合模块,得到融合后特征;图像重建模块采用跳跃连接的方式,根据融合后特征和浅层特征,得到重建的超分辨图像。

    基于生成式自监督学习和对比学习的人体行为识别方法

    公开(公告)号:CN116259109A

    公开(公告)日:2023-06-13

    申请号:CN202310350543.5

    申请日:2023-04-04

    Abstract: 本发明公开了一种基于生成式自监督学习和对比学习的人体行为识别方法,具体为:基于传感器设备采集人体行为识别数据集,将数据集划分给多个节点;根据数据增强的类别数和生成器的训练次数进行生成对抗网络的训练,得到训练好的生成对抗网络模型;使用训练好的生成对抗网络对边缘节点进行数据扩充,得到生成数据;边缘节点利用扩充后的数据进行模型训练;中心节点对来自各个边缘节点的模型参数进行聚合更新;将待检测的数据输入到训练好的本地模型进行人体行为识别,得到对应的行为类别。本发明有效提升了模型的精度,能较好适应边缘设备数据规模较小和数据非独立同分布的场景。

Patent Agency Ranking