-
公开(公告)号：CN111625722A
公开(公告)日：2020-09-04
申请号：CN202010463319.3
申请日：2020-05-27
Applicant: 海南大学
IPC: G06F16/9535 , G06F16/9537 , G06F40/242 , G06F40/247 , G06F11/34 , G06K9/62 , G06Q10/10
Abstract: 本发明公开了一种基于深度学习的人才推荐方法、系统及存储介质。该方法包括步骤：读取训练集中的用户日志样本并进行解析，获得多组关联数据样本和人才查看数据样本，关联数据为预先定义的对人才查看行为具有影响的数据；将关联数据样本封装成对象样本，获得对象样本序列；从人才查看数据样本中提取特征序列样本，特征序列为预先定义的区别不同人才的属性序列；将多组特征序列样本作为标签对对象样本序列进行标注，获得标注样本序列；将对象样本序列和标注样本序列输入到人才推荐模型进行训练。本发明能够基于用户的操作习惯、位置信息等对用户查看行为具有影响的关联数据，实现个性化推荐。
-
公开(公告)号：CN107239993A
公开(公告)日：2017-10-10
申请号：CN201710374192.6
申请日：2017-05-24
Applicant: 海南大学
IPC: G06Q30/06
Abstract: 本发明公开了一种基于拓展标签的矩阵分解推荐方法，包括：基于物品标签数据构建物品‑标签矩阵并计算标签相似度；基于物品‑标签矩阵构建第一物品对‑标签向量；根据标签相似度将第一物品对‑标签向量拓展为第二物品对‑标签向量；基于第二物品对‑标签向量建立物品相似度矩阵；基于物品相似度矩阵和预先构建的物品评分矩阵，求解用户隐含特征矩阵和物品隐含特征矩阵；预测用户对未评分物品的评分分值；构建针对用户的物品推荐列表。同时，本发明还公开了一种基于拓展标签的矩阵分解推荐系统。本发明能够在标签稀疏的情况下为用户提供更准确的个性化推荐，在一定程度上缓解了物品的冷启动问题。
-
公开(公告)号：CN119942107A
公开(公告)日：2025-05-06
申请号：CN202411949885.X
申请日：2024-12-27
Applicant: 海南大学
IPC: G06V10/26 , G06V10/22 , G06V10/30 , G06V10/36 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了基于深度学习的脑肿瘤自动分割方法，首先特征增强，然后补丁嵌入与位置嵌入，使用Vision Transformer编码器捕捉远程依赖关系和全局上下文信息，从而提升模型对复杂结构的理解能力；通过集成多个Transformer层的跳跃连接，结合U‑Net架构，保留多尺度特征以进行细致解码；最后解码阶段改进，从而确保分割结果的准确性和细节。本发明还公开了基于深度学习的脑肿瘤自动分割系统。本发明能够有效处理脑部MRI图像，解决了现有分割技术在复杂肿瘤形态、噪声干扰和多尺度特征提取方面的不足，具有更高的分割精度和鲁棒性。
-
公开(公告)号：CN113870281B
公开(公告)日：2025-03-14
申请号：CN202111090101.9
申请日：2021-09-17
Applicant: 海南大学
IPC: G06T7/11 , G06N3/045 , G06N3/08 , G06N3/0464
Abstract: 本发明提供一种基于金字塔机制的遥感影像海洋与非海区域分割方法，所述方法包括下列步骤：获取高分遥感图像，并对所述高分遥感图像进行裁剪，并绘制相对应的海陆分割真值图；将裁剪后的高分遥感图像依次进行分块以及图像刚性变换，并基于变换结果划分训练集以及测试集；建立金字塔机制融合神经网络，将训练集中的数据输入金字塔机制融合神经网络进行学习训练获得海洋与非海区域分割模型；将所述测试集中的数据输入金字塔机制融合神经网络中，得到遥感图像海陆分割结果。
-
公开(公告)号：CN119356084A
公开(公告)日：2025-01-24
申请号：CN202411466689.7
申请日：2024-10-21
Applicant: 海南大学
IPC: G05B13/04
Abstract: 本发明涉及安全控制技术领域，尤其涉及一种基于数据时效性的安全控制策略优化方法及系统，该方法包括以下步骤：S1，计算经验池中每个经验的数据时效性，Ai＝tcurrent‑ti，根据数据时效性计算经验的采样概率，#imgabs0##imgabs1#基于采样概率从经验池中抽取一批经验，利用抽取的经验训练Actor网络和Critic网络；S2，采集当前时间的车辆状态，并将车辆状态输入训练完成的Actor网络，输出得到控制动作；S3，采集车辆控制系统执行所述控制动作后的车辆状态，并将采集的车辆状态和所述控制动作输入训练完成的Critic网络，输出得到安全状态评估结果；S4，基于所述安全状态评估结果调整所述训练完成的Actor网络。本发明利用基于时间特性的采样策略，可以提高在不确定环境下的安全性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118840308A
公开(公告)日：2024-10-25
申请号：CN202410244746.0
申请日：2024-06-13
Applicant: 海南大学
IPC: G06T7/00 , G06T7/11 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于双模态多任务学习模型的前列腺肿瘤图像分析方法，所述方法包括下列步骤：获取待分割的前列腺区域图像，并对所述前列腺区域图像进行预处理，所述前列腺区域图像包括T2加权图像以及扩散加权图像；构建双模态多任务学习模型，提取训练数据集，训练双模态多任务学习模型，在所述双模态多任务学习模型包括了分割部分以及分级部分，分割部分包括编码器以及解码器，在编码器中构建了SPM模块来进行辅助特征提取，在解码器中构建了Transformer单元增强全局特征表示，在分级部分构建了PI‑RADS多尺度分级网络获取更精细的细节信息，并输出PI‑RADS分级结果；将预处理后的所述前列腺区域图像输入双模态多任务学习模型，获得前列腺肿瘤图像分割结果以及分级结果。
-
公开(公告)号：CN112419403B
公开(公告)日：2024-10-11
申请号：CN202011374345.5
申请日：2020-11-30
Applicant: 海南大学
Abstract: 本发明提供一种基于二维码阵列的室内无人机定位方法，包括以下步骤：S1、无人机获取并执行起飞指令，通过图像采集组件采集地面图像并对AprilTag进行识别；S2、图像采集组件传输AprilTag信息至上位机，上位机基于AprilTag信息进行世界坐标系转换，获得无人机定位信息及飞机轨迹并进行可视化。本发明在二维码识别方面，采用AprilTag二维码，其复杂程度一般，具有识别错误率低，识别速度快等特点，使得本方法不需要具备很高算力的CPU，仅依靠单个摄像头即可进行定位，并且可在室内取得较好的定位效果。
-
公开(公告)号：CN118608537A
公开(公告)日：2024-09-06
申请号：CN202410871110.9
申请日：2024-07-01
Applicant: 海南大学
IPC: G06T7/10 , G06T7/00 , G06T5/70 , G06T5/20 , G06V10/764 , G06V10/774 , G06N3/0895 , G06N3/0464
Abstract: 本发明属于图像分割技术领域，公开了一种基于种子簇生成的弱监督学习医学图像分割方法及系统。所述的方法包括如下步骤：对若干历史医学图像进行预处理；进行边缘松弛点和前景种子点标注；对每一标注后历史医学图像中的前景种子点进行扩展，得到对应的种子簇集合；获取每一标注后历史医学图像中像素点到种子簇集合的测地距离，并映射得到对应的伪标签；使用深度学习算法，构建对应的医学图像分割模型；采集实时医学图像，并使用医学图像分割模型，对实时医学图像进行图像分割，得到对应的实时图像分割结果。本发明解决了现有技术存在的分割效率低、实用性低、实用性低、分割效果差以及成本投入大的的问题。
-
公开(公告)号：CN117876445A
公开(公告)日：2024-04-12
申请号：CN202410152162.0
申请日：2024-02-03
Applicant: 海南大学
IPC: G06T7/33 , G06T7/00 , G06T3/147 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于Transformer和ConvNet融合模型的无监督MRI图像配准算法及系统，该方法包括以下步骤：S1，将MRI图像进行预处理；S2，通过预先训练得到的融合模型提取预处理后的MRI图像中的形变场，所述融合模型包括并行的Transformer子网络和ConvNet子网络；S3，将移动图像与得到的形变场输入空间变换网络中，得到配准后的图像。本发明可有效地不同的二维或者三维图像进行快速配准，既利于医学图像的后续融合分割等处理，还有利于辅助医生能够更好的了解随访病人的身体变化状况，精准判断身体的患病区域变化情况。
-
公开(公告)号：CN113362350B
公开(公告)日：2024-04-02
申请号：CN202110846744.5
申请日：2021-07-26
Applicant: 海南大学
IPC: G06T7/11
Abstract: 本申请提供了一种癌症病历图像的分割方法、终端设备和计算机可读存储介质，获取待识别癌症病历DWI图像；将待识癌症病历DWI图像输入至预先训练的癌症区域分割模型，分别分割出待识别癌症病历DWI图像中的癌症区域和非癌症区域；其中，癌症区域分割模型是采用标记的不同尺度的癌症病历DWI图像样本对改进的神经网络进行训练得到的，改进的神经网络包括注意力网络；该方法可以采用一个模型快速分割出癌症和非癌症区域，减少了操作，提高了识别的效率。另外，该方法采用了改进的神经网络，识别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.037 seconds)
