-
Patent Agency Ranking
公开(公告)号：CN106991445A
公开(公告)日：2017-07-28
申请号：CN201710219065.9
申请日：2017-04-05
Applicant: 重庆大学
CPC classification number: G06K9/6268 , G06N3/0454 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的超声造影肿瘤自动识别与检测方法，包括以下步骤：获取目标区域的特征视频数据；对所述特征视频数据进行数据预处理：将预处理后的特征视频数据进行分块得到若干视频块；将视频块作输入到3D卷积神经网络中进行数据处理得到特征图层；将特征图层输入到全连接层中进行特征分类，最终判断分类是否为肿瘤。本发明提供的方法，利用3D卷积神经网络，能有效提取超声造影视频数据帧内与帧间的时间空间有效血流特征，并基于肿瘤组织与正常组织的差异性，结合了视频数据的时空特性，使用了3DCNN算法进行肿瘤分割，实现肿瘤组织的检测，比传统机器学习算法取得了更好的分割准确率。
-
公开(公告)号：CN109917411B
公开(公告)日：2023-04-18
申请号：CN201910309513.3
申请日：2019-04-17
Applicant: 重庆大学
Abstract: 本发明涉及一种基于激光测距和三轴加速度计的障碍物检测装置及方法，属于信号检测领域。该装置包括激光测距模块、三轴加速度计和处理计算模块；激光测距模块用户测量获取光斑到系统基板的距离；所述三轴加速度计用于采集获取在x轴、y轴和z轴三个方向上的的加速度值；处理计算模块用于对激光测距模块和三轴加速度计获取的数据进行计算、矫正和比较，得出与警告阀值之间的关系，判断某一方位是否有障碍物。本发明的装置较传统检测装置，结构简单，成本低，能耗低，实时性强；可单独构成一套完整系统，独立运行，或集成在已有设备上运行。
-
公开(公告)号：CN109917411A
公开(公告)日：2019-06-21
申请号：CN201910309513.3
申请日：2019-04-17
Applicant: 重庆大学
Abstract: 本发明涉及一种基于激光测距和三轴加速度计的障碍物检测装置及方法，属于信号检测领域。该装置包括激光测距模块、三轴加速度计和处理计算模块；激光测距模块用户测量获取光斑到系统基板的距离；所述三轴加速度计用于采集获取在x轴、y轴和z轴三个方向上的的加速度值；处理计算模块用于对激光测距模块和三轴加速度计获取的数据进行计算、矫正和比较，得出与警告阀值之间的关系，判断某一方位是否有障碍物。本发明的装置较传统检测装置，结构简单，成本低，能耗低，实时性强；可单独构成一套完整系统，独立运行，或集成在已有设备上运行。
-
公开(公告)号：CN105488563A
公开(公告)日：2016-04-13
申请号：CN201510944909.7
申请日：2015-12-16
Applicant: 重庆大学
Abstract: 本发明公开了一种面向深度学习的稀疏自适应神经网络，包括至少一层自适应有限玻尔兹曼机，所述至少一层自适应有限玻尔兹曼机包括可视层和隐藏层，所述可视层和隐藏层之间的连接是稀疏的。在本发明所述的神经网络中，可视层与隐藏层的连接是稀疏的；同时用32bit实数表示一个连接被优化成用1bit整数表示一个连接，这样的优化方式既不影响模式识别又可以满足精确性要求。本发明仅需要定点运算和少量乘法运算，就可以在单芯片上实现大规模神经网络。
-
公开(公告)号：CN110033766A
公开(公告)日：2019-07-19
申请号：CN201910310341.1
申请日：2019-04-17
Applicant: 重庆大学
Abstract: 本发明涉及一种基于二值化递归神经网络的语音识别方法，属于人工智能领域。该方法包括：S1：语音录入，向量化音频；S2：构建二值化递归神经网络模型，并对向量化后的音频进行解码和编码；S3：输出编码后的音频，即输出文字化的音频。所述二值化递归神经网络模型包括二值化单层单向RNN模型、二值化双向RNN模型和二值化双向LSTM模型等网络结构。本发明提高应用模型精度的同时保持二值化网络在速度和能耗方面的优势；使得在嵌入式设备上实现在自然语言处理和语音处理应用场景下性能较好的LSTM/RNN模型成为可能。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
