-
公开(公告)号：CN113468867B
公开(公告)日：2024-06-11
申请号：CN202110628241.0
申请日：2021-06-04
Applicant: 淮阴工学院
IPC: G06F40/216 , G06F40/284 , G06F40/126
Abstract: 本发明公开了一种基于Attention机制的参考文献引用合法性预测方法,将目标文章的单词序列[w1,w2,w3,…,wn]通过时间编码和位置编码后传入到Attention机制中，计算得到查询矩阵Query和键矩阵Key；使用pytorch.Embedding方法对需要检查引用合法性的文献全文的单词序列[s1,s2,s3,…,sn]进行编码得到编码后的键矩阵Value；利用查询矩阵Query、键矩阵Key和值矩阵计算Attention值；将计算过的Attention值通过一个全连接层进行线性变换；最后将线性变换后的结果输入到sigmoid层中计算出最后的合法性概率。本发明适用于普遍地检查在目标文章中参考文献引用合法性的预测问题。
-
公开(公告)号：CN111914613B
公开(公告)日：2024-03-01
申请号：CN202010437613.7
申请日：2020-05-21
Applicant: 淮阴工学院
IPC: G06V40/16 , G06V10/62 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/36 , G06T7/246 , G06T7/277 , G06T7/73 , G06T5/73 , G06T5/40 , G06N3/048
Abstract: 发明公开了一种多目标跟踪及面部特征信息识别方法，首先输入面部视频并转换成人脸关键帧集SF；然后通过分类、数据增强SF得到数据集SFD；使用改进的mini‑Xception模型对SFD特征提取，得到自适应寻优面部特征识别模型FFs_model；提取人脸数据流FEV中的关键帧序列，自适应聚合人脸跟踪特征，得到多目标人脸关键帧位置集合FEC；加载FFs_model模型并输入FEC，生成多目标面部特征分类结果集FECR；最后开放自适应识别接口处理终端请求，得到的多目标场景下签到及目标特征跟踪状态识别的处理结果集存于Web服务器。本发明方法结合改进的多目标跟踪及自适应面部特征识别技术，可有效获取一种准确度最高的图片特征结果标签，增加了多目(56)对比文件CN 111126333 A,2020.05.08US 2015117703 A1,2015.04.30US 2019156124 A1,2019.05.23US 2019370648 A1,2019.12.05陈浩霖 等.FIRE-DET: 一种高效的火焰检测模型《.南京信息工程大学学报(自然科学版)》.2021,第15卷(第01期),76-84.
-
公开(公告)号：CN117333465A
公开(公告)日：2024-01-02
申请号：CN202311335545.3
申请日：2023-10-16
Applicant: 淮阴工学院
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本专利公开了一种基于D‑C3和全注意力的结直肠癌息肉检测方法，具体步骤为：首先收集医疗影像中的结肠癌息肉图像，使用Labelme对图像进行标注；然后对图像数据集进行预处理；使用YOLOv5作为基准模型，并设计一种新的D‑C3模块，将其引入到模型的backbone网络以及neck结构中；设计一种新颖的基于胶囊的全注意力模块，并将其插入到主干网络的顶部；D‑C3模块包括D‑BottleNeck结构，将其引入至C3模块中；基于胶囊的全注意力模块在息肉特征提取时同时关注通道和空间的语义特征信息。使用NGWD损失作为目标框回归损失函数；使用标注好的息肉数据集对改进后的模型进行训练，并用测试集进行测试。与现有技术相比，本发明能够较好的识别影像中的息肉并进行精准定位，从而降低息肉检测的漏检率。
-
公开(公告)号：CN117315584A
公开(公告)日：2023-12-29
申请号：CN202311303447.1
申请日：2023-10-09
Applicant: 淮阴工学院
IPC: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv7‑tiny的危化品车辆目标检测方法,包括以下步骤：首先将危化品车辆数据集中的原始图像进行一次处理，生成统一大小的图像，然后对统一大小的图像进行二次处理；在模型的Backbone部分引入轻量的C2fGhostv2网络和部分卷积；在模型的Neck部分也引入轻量的C2fGhostv2网络，使模型在保证轻量化的同时获得更加丰富的梯度流信息，更高效的进行特征融合。再者，为了解决解决盲目强调高质量样本导致的目标性能下降的问题，使用WIoU损失函数，很好的平衡了高质量和低质量样本的训练效果，提高了模型的鲁棒性和泛化性能；最后通过卷积和解码操作来生成目标框的位置和类别信息。与现有技术相比，本发明为危化品车辆目标检测领域的理论研究和应用提供了有力支持。
-
公开(公告)号：CN116226920A
公开(公告)日：2023-06-06
申请号：CN202310231375.8
申请日：2023-03-10
Applicant: 淮阴工学院
IPC: G06F21/62 , G06F21/60 , G06F16/215 , G06F21/64 , G06F16/23
Abstract: 本申请实施例提供一种支持远程更新的云数据去重方法，通过上下文进行文件分区，判定分区敏感度是否达到阈值，未达到阈值的非敏感分区采用单层加密，达到阈值的敏感分区增加外层加密；远程更新粒度为分区级，首先用户与CSS交互得到每个分区的密钥，并加密每个分区；若用户为初始上传者，无需交互获得密钥；然后将这些分区密钥的连接视为新的明文消息，对其进行加密；重复该过程，直到一个单独的分区最终包含先前步骤中生成的分区密钥，最后一个分区的密钥成为文件密钥；更新敏感分区时，直接从更新的密文块重新计算，解密部分分区密文，然后重新加密受影响的分区。本发明无需可信第三方参与即可实现云存储中加密数据的高效去重及远程更新。
-
Patent Agency Ranking
公开(公告)号：CN114971006A
公开(公告)日：2022-08-30
申请号：CN202210559826.6
申请日：2022-05-21
Applicant: 淮阴工学院
Abstract: 本发明属于大气污染指数分析技术领域，公开了一种基于信息熵和反向传播神经网络的大气污染物指数预测方法，将每一个气象数据和所有的大气污染物建立相关度联系，并以时间梯度计算每一个大气污染物浓度和所有的气象因素的相似度，接着把时间序列相似度看作是该气象数据影响大气污染物浓度的程度大小，计算每一个气象数据的信息熵，最后选择信息熵最大的气象数据与大气污染物使用反向传播神经网络训练模型，并预测未来大气污染物浓度值。与现有技术相比，本发明将物理学中的信息熵运用于大气污染物预测，极大的减少了不同参数对预测结果的影响，降低了预测算法的复杂度，且预测准确度有所提高。
-
公开(公告)号：CN113688971A
公开(公告)日：2021-11-23
申请号：CN202110902970.0
申请日：2021-08-06
Applicant: 淮阴工学院
IPC: G06N3/00
Abstract: 本发明涉及计算机网络优化技术领域，公开了一种基于群体智能的关键节点集合确定方法，包括步骤1：对目标网络进行预处理转换为矩阵，得到一个目标网络的邻接矩阵；步骤2：用蚁群算法模仿影响力的扩散，选择固定节点进行蚁群算法下的影响力扩散，求得在该网络中蚁群算法最适合的传播参数；步骤3：通过蚁群算法对目标网络上的随机节点进行溯源遍历，求得关键路径；步骤4：对求得的关键路径动态路径规划求出序列相似度得到关键节点。与现有技术相比，本发明将蚂蚁的群体智能与复杂网络相结合，模仿蚂蚁觅食的路径进行影响力扩散，通过蚁群在加权网络中游走的路径来找到关键路径，再结合动态路径规划得到关键节点。
-
公开(公告)号：CN110738592A
公开(公告)日：2020-01-31
申请号：CN201910843582.2
申请日：2019-09-06
Applicant: 淮阴工学院
IPC: G06T1/00
Abstract: 本发明涉及图像处理技术领域，公开了一种基于多尺度分解与插值算法的大容量可逆图像水印算法，包括水印嵌入与水印提取两个部分，水印嵌入之前通过多尺度分解与插值扩展进一步增大水印嵌入的容量；通过广义差值扩展方法嵌入水印信息，并通过灰度溢出处理使溢出的对应图像像素点不产生像素值溢出，再进一步地的增大嵌入的容量，水印提取为水印嵌入的逆过程。与现有技术相比，本发明在嵌入等量水印信息时本发明保持良好的含水印图像视觉质量，具有更好的不可见性和有效载荷能力。
-
公开(公告)号：CN110633368A
公开(公告)日：2019-12-31
申请号：CN201910862508.5
申请日：2019-09-12
Applicant: 淮阴工学院 , 淮安市第二人民医院(淮安仁慈医院)
Abstract: 本发明公开了一种早期结直肠癌非结构化数据的深度学习分类方法，包括：(1)提取样本的属性数据集X；(2)标准化处理得样本数据矩阵X’；(3)X’降维得矩阵X1；(4)对矩阵X1进行数据集的划分；(5)深度置信网络DBN；(6)支持向量机(SVM)算法；(7)评价分类结果。本发明的分类方法利用矩阵分解技术中非负矩阵分解(NMF)的方法来对样本数据集进行降维，通过分解后的基矩阵和权重矩阵来近似代替原始矩阵，以降低算法的时空复杂度。利用深度置信网络(DBN)通过采用逐层训练的方式，解决了深层次神经网络的优化问题，通过逐层训练为整个网络赋予了较好的初始权值，使得网络只要经过微调就可以达到最优解。
-
公开(公告)号：CN108960979A
公开(公告)日：2018-12-07
申请号：CN201810637291.3
申请日：2018-06-20
Applicant: 淮阴工学院
IPC: G06Q30/06
CPC classification number: G06Q30/0631
Abstract: 本发明公开了一种线上产品推销选取初始用户的方法。首先对线上产品的数据集进行处理，得到真实的拓扑结构图G(V,E)，接着计算G中所有节点的t阶邻居，把每个节点当成初始用户对其邻居进行独立级联模型传播，计算节点的影响力，然后为节点选取最佳的t’阶邻居，从节点的t’阶邻居中选取影响力最大的作为初始用户。本发明在节点的t阶邻居中选择初始用户降低了时间复杂度。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.029 seconds)
