-
公开(公告)号：CN119538873A
公开(公告)日：2025-02-28
申请号：CN202510092303.9
申请日：2025-01-21
Applicant: 江南大学 , 江苏磐智数云科技有限公司
IPC: G06F40/16 , G06F40/194 , G06F40/205 , G06F40/30 , G06V10/82 , G06V30/19
Abstract: 本发明涉及辅助阅卷技术领域，具体提供了一种基于大语言模型和光学字符识别的智能阅卷方法。该方法包括：通过大语言模型对试卷和答案进行处理，得到试题解析文本，其中，试题解析文本包括对答案的解析文本；通过光学字符识别技术对需要阅卷的试卷图像进行处理，得到对应的答题文本；通过试题解析文本与答题文本的对比，确定各个题目的评分数据，其中，评分数据包括评分和评语。本发明提供的上述智能阅卷方法，能够解决相关技术中的智能阅卷方法阅卷准确率较低的问题。
-
公开(公告)号：CN116934618A
公开(公告)日：2023-10-24
申请号：CN202310857834.3
申请日：2023-07-13
Applicant: 江南大学
Abstract: 本发明公开了一种基于改进残差网络的图像半色调方法、系统及介质，包括以下步骤：步骤S1：获取图像数据集，划分为训练集和测试集；步骤S2：将所述训练集输入到HalfResNet网络模型进行训练，其中所述HalfResNet网络模型是基于ResNet网络模型进行改进的；步骤S3：训练完成后得到权重参数，将所述权重参数加载至所述HalfResNet网络模型中，针对待处理的图像，运行HalfResNet网络模型可以得到与其对应的伪半色调图像，所述伪半色调图像经过筛选处理输出高质量半色调图像。本发明将深度学习模型与半色调图像相结合，生成的半色调图像能够保持较好的结构细节的同时，极大地提高了处理效率。
-
公开(公告)号：CN116259358A
公开(公告)日：2023-06-13
申请号：CN202211678119.5
申请日：2022-12-26
Applicant: 江南大学
IPC: G16B15/30 , G16B40/30 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/088
Abstract: 本发明涉及生物学技术领域，尤其是指一种蛋白质相互作用预测方法、装置、设备及存储介质。本发明所述的蛋白质相互作用预测方法，通过调整Doc2vec非监督段落向量学习模型，将不定长的蛋白质序列特征信息嵌入至低维向量空间，能够处理任意长度的蛋白质序列，解决了蛋白质初步特征选取问题，利用图同构卷积网络的优势，充分结合蛋白质相互作用PPI网络结构的信息，聚合每个蛋白质的相邻蛋白质的信息，优化了蛋白质节点的编码表征，根据PPI网络结构信息，找到蛋白质相互作用边，结合两个蛋白质节点信息，并不断从中学习更高效且准确的分类预测，提高了模型预测的准确度。
-
公开(公告)号：CN116110492A
公开(公告)日：2023-05-12
申请号：CN202211717423.6
申请日：2022-12-29
Applicant: 江南大学
Abstract: 本发明涉及一种蛋白质相互作用网络比对方法和系统，方法包括：获取两个蛋白质相互作用网络的结构信息；提取每个网络中所有节点的分层结构特征，并基于分层结构特征计算节点间的结构得分；基于结构得分构造多层的加权图，使每个节点在加权图上进行随机游走生成上下文序列；将两个网络中每个节点对应的上下文序输入词向量模型，得到每个节点对应的低维向量，并计算每个节点对应的低维向量之间的距离作为节点间的拓扑相似性；将节点间序列相似性和节点间的拓扑相似性结合,来计算节点间的相似性得分，并基于相似性得分构建节点间的相似性矩阵；根据节点间的相似性矩阵生成两个网络的节点比对结果。本发明有效提高蛋白质相互作用网络比对效率。
-
公开(公告)号：CN114140502B
公开(公告)日：2023-03-24
申请号：CN202111510467.7
申请日：2021-12-10
Applicant: 江南大学
Abstract: 本发明公开了一种基于嵌入式GPU的图像光流计算方法、装置、设备以及计算机可读存储介质。本发明通过对车载过程中采集的待测图像建立高斯金字塔模型，并根据嵌入式GPU的特性和所述高斯金字塔模型的层数动态调整计算检测窗口的大小，通过所述GPU对单精度浮点计算指令和半精度浮点计算指令进行转换，计算所述待测图像中特征点的光流。本发明所提供的方法通过建立金字塔层的动态窗口，解决了计算LK光流法时出现GPU线程负载不均的问题，通过GPU对单精度浮点计算指令和半精度浮点计算指令进行转换，将LK光流法的计算进行优化，从而提升了光流计算的效率。
-
Patent Agency Ranking
公开(公告)号：CN114090261A
公开(公告)日：2022-02-25
申请号：CN202111425332.0
申请日：2021-11-26
Applicant: 江南大学
Abstract: 本发明公开了一种SNN工作负载预测方法及系统，该方法包括以下步骤：S1、基于NEST仿真器构建SNN工作负载模型，所述SNN工作负载模型包括：内存负载模型、计算负载模型和通信负载模型；S2、获取SNN工作负载模型的参数，所述参数包括：内存参数、时间参数和网络参数；S3、根据SNN工作负载模型构建负载计算函数，对获取的参数进行处理，并预测出SNN目标网络在若干节点下的工作负载。本发明SNN工作负载预测方法及系统可以解决SNN工作负载与计算平台的合理匹配问题，准确预测SNN网络在计算平台上的映射结果，在此基础上为计算平台提供映射指导，通过合理分配计算节点的方式，保证平台高性能运行。
-
公开(公告)号：CN112926582A
公开(公告)日：2021-06-08
申请号：CN202110341740.1
申请日：2021-03-30
Applicant: 江南大学
Abstract: 本发明公开了一种基于自适应特征选择和尺度损失函数的文本检测方法包括：利用主干网络获取图像中的文本特征，并通过特征金字塔网络进行基础特征的提取；利用自适应特征选择，从所述基础特征中提取更具有代表性的特征信息；利用渐进式扩张算法将所述具有代表性的特征信息进行分割、扩展，并获得最终检测结果。本发明将可形变卷积应用到具有一定几何变形的文本上，使得网络可以适应任意的文本形状，能检测不同大小的文本；还能提取更加丰富、准确的特征，解决了图像中文本尺度变化较大的问题，有效减少误检。
-
公开(公告)号：CN110602647B
公开(公告)日：2020-11-24
申请号：CN201910856194.8
申请日：2019-09-11
Applicant: 江南大学
Abstract: 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。
-
公开(公告)号：CN111599405A
公开(公告)日：2020-08-28
申请号：CN202010449458.0
申请日：2020-05-25
Applicant: 江南大学
Abstract: 本发明公开了一种融合多种拓扑信息的生物网络比对方法。本发明一种融合多种拓扑信息的生物网络比对方法，包括：步骤1读取网络及其序列相似性得分，分别计算两个网络的相关值矩阵，并对网络进行模块划分，同一模块内的结点具有较高的相似性；步骤2计算模块内结点的相似性得分，并对模块进行两两结点比对；步骤3计算模块间的相似性得分，并对模块进行比对；步骤4将步骤2，3中得到的结点映射关系进行整合，筛选，得到1对1的结点映射关系。本发明的有益效果：(1)从网络结构、度、结点邻居、特征向量中心性、局部边保守等方面充分挖掘了结点的拓扑相似性，提高了比对的拓扑质量。
-
公开(公告)号：CN111536989A
公开(公告)日：2020-08-14
申请号：CN202010456973.1
申请日：2020-05-26
Applicant: 江南大学
IPC: G01C22/00
Abstract: 本发明公开了一种基于峰值检测的自适应时间窗口计步方法。本发明一种基于峰值检测的自适应时间窗口计步方法，包括：步骤1.使用低通滤波与分段平滑滤波对加速度数据进行滤波与平滑处理；步骤2.经过步骤1处理后的数据变得平滑，仍然存在一些伪波峰；因此在每一步的周期内均至少含有一个峰值和一个谷值，利用这一特点，使用计算最大值与最小值的方式检测出这一步内所有候选的峰值和谷值；步骤3.对步骤2检测后的候选峰值、谷值经过自适应时间窗口对伪峰值、伪谷值进行过滤。本发明的有益效果：本发明所提出的算法的平均准确率为98.2％，针对不同行走状态、不同姿势具有准确的计步效果，针对不同的用户具有较好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.045 seconds)
