-
公开(公告)号：CN114511881B
公开(公告)日：2024-09-27
申请号：CN202210106070.X
申请日：2022-01-28
IPC: G06V40/10 , G06V20/40 , G06V10/74 , G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 基于层次注意力多任务深度模型的行人再识别方法，涉及计算机视觉。包括以下步骤：根据行人再识别数据集构建焦点图；设计层次注意力的多任务深度模型的行人再识别网络模型，通过该模型推断出行人间的相似性；计算两个子任务的分类损失和，通过反向传播和随机梯度下降法对网络模型进行端到端的训练，得到训练好的模型；利用训练好的网络模型测试行人再识别的识别效果，输出行人间的相似度，并按照其大小降序排序。能充分共享在底层细节和高层语义方面具有不同区分力的层次特征提升深度相似性学习性能。在焦点图节点多层近邻聚合间引入注意力机制，使每层近邻聚合后具有区分性的节点通道信息更具重要性，促进对样本间复杂相似性关系的深度推断。
-
公开(公告)号：CN114511883A
公开(公告)日：2022-05-17
申请号：CN202210106963.4
申请日：2022-01-28
Abstract: 基于图引导的异构深度网络的行人再识别方法，属于计算机视觉领域。预处理行人再识别方法数据集，构建交集图；设计一个图引导学习的异构网络，通过这个网络模型推断出行人之间较为全局的相似性关系；在行人再识别数据集上，计算异构网络中两个子网络的分类损失和，通过反向传播算法和随机梯度下降法对异构网络进行端到端的训练，得到最终训练好的网络模型；利用训练好的异构网络测试行人再识别的识别效果，异构网络输出行人图像间的相似度，对相似度排序得到最终的检索结果。可以实现样本间更丰富相关性的度量，有效导引网络学习更具区分性的特征。充分发挥主干网络和复杂相似性学习子网络在特征学习方面各自特点，实现优势互补。
-
公开(公告)号：CN114511883B
公开(公告)日：2024-08-20
申请号：CN202210106963.4
申请日：2022-01-28
IPC: G06V40/10 , G06V20/40 , G06V10/764 , G06V10/82 , G06V10/74 , G06N3/0464 , G06N3/047 , G06N3/045 , G06N3/0499 , G06N3/084
Abstract: 基于图引导的异构深度网络的行人再识别方法，属于计算机视觉领域。预处理行人再识别方法数据集，构建交集图；设计一个图引导学习的异构网络，通过这个网络模型推断出行人之间较为全局的相似性关系；在行人再识别数据集上，计算异构网络中两个子网络的分类损失和，通过反向传播算法和随机梯度下降法对异构网络进行端到端的训练，得到最终训练好的网络模型；利用训练好的异构网络测试行人再识别的识别效果，异构网络输出行人图像间的相似度，对相似度排序得到最终的检索结果。可以实现样本间更丰富相关性的度量，有效导引网络学习更具区分性的特征。充分发挥主干网络和复杂相似性学习子网络在特征学习方面各自特点，实现优势互补。
-
Patent Agency Ranking
公开(公告)号：CN114511881A
公开(公告)日：2022-05-17
申请号：CN202210106070.X
申请日：2022-01-28
IPC: G06V40/10 , G06V20/40 , G06V10/74 , G06V20/52 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 基于层次注意力多任务深度模型的行人再识别方法，涉及计算机视觉。包括以下步骤：根据行人再识别数据集构建焦点图；设计层次注意力的多任务深度模型的行人再识别网络模型，通过该模型推断出行人间的相似性；计算两个子任务的分类损失和，通过反向传播和随机梯度下降法对网络模型进行端到端的训练，得到训练好的模型；利用训练好的网络模型测试行人再识别的识别效果，输出行人间的相似度，并按照其大小降序排序。能充分共享在底层细节和高层语义方面具有不同区分力的层次特征提升深度相似性学习性能。在焦点图节点多层近邻聚合间引入注意力机制，使每层近邻聚合后具有区分性的节点通道信息更具重要性，促进对样本间复杂相似性关系的深度推断。
-
公开(公告)号：CN111797624A
公开(公告)日：2020-10-20
申请号：CN202010621850.9
申请日：2020-06-30
Applicant: 厦门大学附属第一医院
IPC: G06F40/289 , G06F40/242 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于NLP的药品名片自动提取方法，方法具体包括如下步骤：步骤S1，对药品说明书进行预处理，构造训练集、验证集和测试集；步骤S2，加载训练集和验证集，进行数据封装和数据读取；步骤S3，加载BERT模型的配置数据和模型特征进行目标模型的参数初始化过程，构建BERT-BILSTM-CRF模型，训练BERT-BILSTM-CRF模型；步骤S4，利用训练好的BERT-BILSTM-CRF模型，加载测试集，对测试集数据预测输出药品名片字段内容。本发明提供的基于NLP的药品名片自动提取方法，有效提高提取效率和准确率，极大地减少人力成本。
-
公开(公告)号：CN111968715B
公开(公告)日：2022-11-01
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
公开(公告)号：CN111968715A
公开(公告)日：2020-11-20
申请号：CN202010623195.0
申请日：2020-06-30
Applicant: 厦门大学
Abstract: 本发明公开了一种基于病历数据和药物相互作用风险的药物推荐建模方法，方法具体包括如下步骤：S100：从病历数据、门诊病历数据以及TWOSIDES药物相互作用数据中进行异构特征提取操作；S200：根据提取的多源异构特征构建药物推荐序列生成模型；S300：在药物推荐序列生成模型中输入患者病历，模型计算输出推荐用药信息。本发明提供的基于病历数据和药物相互作用风险的药物推荐建模方法，通过自动从海量历史病例数据和药物相互作用信息中学习和建模，给出药物推荐信息，对临床药物合理联用提供准确有效的决策依据，同时降低药物不良反应的发生率，为用户的用药安全提供有效保障。
-
公开(公告)号：CN209827349U
公开(公告)日：2019-12-24
申请号：CN201920081781.X
申请日：2019-01-18
Applicant: 厦门大学附属第一医院
IPC: A61G7/075
Abstract: 本实用新型公开了一种可调节舒适度肢体垫枕，包括底座、托盘体、防护盖，所述托盘体安装于底座上方，所述防护盖通过转轴安装在托盘体边缘，通过转轴翻转盖于托盘体上方；所述托盘体底面固定安装有两根齿条，所述底座内安装有传动杆，传动杆的两端固定连接有传动齿轮，传动齿轮与齿条啮合，所述传动杆中部固定设有动力齿轮，动力齿轮与通过齿轮连接有电动机，所述底座内部还设有蓄电池，底座侧壁安装有按钮开关和充电插口，该实用新型可通过电动机使托盘体升高，从而调节患者手部的高度，使患者感觉比较舒适的高度，通过调节开关使热能灯发光发热，可以使患者手部感觉温暖，患者手部放置于托盘体和防护盖的密闭空间中，可以使保暖效果更好。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
