-
公开(公告)号：CN111553392B
公开(公告)日：2024-03-01
申请号：CN202010307109.5
申请日：2020-04-17
Applicant: 东南大学
IPC: G06V10/764 , G06V10/77 , G06V10/44 , G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于卷积神经网络的细粒度犬类图像识别方法，所述方法包括以下步骤：步骤1：构建卷积神经网络FG‑LANet；步骤2：构建大型预训练图像样本数据库并使用该数据库对网络进行预训练；步骤3：构建犬类图像样本数据库并使用该数据库对网络进行微调训练；步骤4：获得犬类品种识别器，使用训练好的卷积神经网络作为犬类品种识别器对犬类图像进行识别。该技术方案通过训练一种适用于犬类图像识别的卷积神经网络模型作为犬类品种识别器，将其集成入电子设备可后提高电子设备对犬类品种进行识别的正确率。
-
-
公开(公告)号：CN114903442A
公开(公告)日：2022-08-16
申请号：CN202210623580.4
申请日：2022-06-02
Applicant: 东南大学
Abstract: 本发明公开了一种基于门控循环网络的脑电信号间效应连通性检测方法，包括以下步骤：(1)对获取的患者iEEG信号进行相应预处理；(2)将步骤(1)预处理好的信号使用GRU‑GC算法估计效应连通性；(3)使用步骤(2)中得到的连通性矩阵，进行二值化，从而建立有向大脑网络连接，并提取相应特征；(4)使用Gauss核函数的支持向量机将步骤(3)中提取的特征建立分类模型，通过大量实验来获得iEEG通道的分类概率统计结果；(5)利用分类准确率、特异性和敏感性对算法分类结果进行评估。本发明通过对大量实验结果进行统计分析得到每个通道的分类概率，可以判断该通道为问题通道，为癫痫外科手术的术前评估打下基础。
-
公开(公告)号：CN109116338B
公开(公告)日：2022-06-14
申请号：CN201810957532.2
申请日：2018-08-22
Applicant: 东南大学
IPC: G01S7/539
Abstract: 一种基于四阶累积量的宽带DOA估计算法，本发明使用宽带信号源作DOA估计，结合压缩感知原理，将宽带信源分解为若干子频带，并逐个估计得各子频带的空间谱，然后求解其算术平均值来获得更精确的DOA估计。其中对于各子频带分量，采用其四阶累积量来构造信号子空间，从而达到抑制噪声项的目的。其中压缩感知原理在本发明中的体现在于将DOA估计问题转化为一个优化问题，对信号各快拍分量施加QUOTE范数构造一个与原信号稀疏度相同的向量，并通过施加正则化参数QUOTE将其嵌入目标函数来达到稀疏性条件和数据解的平衡。最后可以通过对目标函数的优化来完成最终的DOA估计。相比现有技术，本发明在保证算法复杂度的前提下，抑制了噪声项，提高了DOA估计精度。
-
公开(公告)号：CN110633663B
公开(公告)日：2022-04-08
申请号：CN201910835953.2
申请日：2019-09-05
Applicant: 东南大学
Abstract: 本发明公开了一种手语视频中自动裁剪多模态数据的方法，该方法：把手语视频裁剪为图像、视频、语音以及手语四个模态的数据集合，基于感知哈希算法把视频关键帧与自定义人脸特征库进行比对，实现视频裁剪过程全自动。本发明通过利用自定义的人脸库裁剪视频中的多模态数据，提高构建多模态数据集的效率。
-
Patent Agency Ranking
公开(公告)号：CN109086802B
公开(公告)日：2022-04-08
申请号：CN201810748292.5
申请日：2018-07-10
Applicant: 东南大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于八元数卷积神经网络的图像分类方法，首先，输入训练图像，并且将训练图像表示成八元数矩阵的形式；其次，建立八元数卷积神经网络并且训练八元数卷积神经网络，学习得到每一层的网络参数，即训练模型；然后，用校验图像集进行校验，调整到最佳网络参数；最后，对测试图像进行测试，统计分类结果，计算识别率。本发明构造的八元数卷积神经网络，应用八元数矩阵表达方式保留图像内部的内在结构，使得在各种分类任务中，构造的网络与传统方法相比能够获得更高的图像的分类准确率。
-
公开(公告)号：CN109472263B
公开(公告)日：2021-06-15
申请号：CN201811186880.0
申请日：2018-10-12
Applicant: 东南大学
Abstract: 本发明公开了一种结合全局和局部信息的大脑磁共振图像分割方法，包括：利用构建的端到端卷积神经网络对大脑磁共振图像进行分割，得到各类别的预测概率分布；对于大脑磁共振图像利用线性迭代聚类超体素算法生成超体素；将分割所得预测概率分布和所生成超体素融合得到分割结果的大脑磁共振图像，包括：找出超体素在各类别预测概率分布中的对应区域；统计找出各对应区域中背景、脑脊液、灰质和白质出现次数，并计算各个类别出现的比重；利用超体素类别比例方法对各类别预测概率分布重新赋值；求出其类别概率最大的一类，及将类别作为该像素点的类别标签，得到分割结果的大脑磁共振图像。本发明可提高分割精度，得到较好的大脑磁共振图像分割结果。
-
公开(公告)号：CN109124623B
公开(公告)日：2021-03-19
申请号：CN201810554759.2
申请日：2018-06-01
Applicant: 东南大学
IPC: A61B5/369
Abstract: 本发明公开了一种基于三维非线性偏直接相干函数的脑电信号间效应连通性检测方法，包括如下步骤：(1)构造单输入多输出的非线性自回归模型；(2)应用FROLS算法对步骤(1)构造的模型进行系数估计；(3)对三维PDS进行形式变换，得到用频率响应函数描述的信号yi对yj的PDC的定义式；(4)应用Volterra级数核函数的多维傅里叶变换对SIMO NARX模型进行频域分析，计算出模型的非线性频率响应函数；(5)将步骤(4)计算出的非线性频率响应函数代入步骤(3)中的PDC定义式，得到三维NPDC，得出在同时考虑三维信号的情况下某一信号对另一信号的因果影响。该方法可以检测三维脑电信号之间的因果关系。
-
公开(公告)号：CN111553392A
公开(公告)日：2020-08-18
申请号：CN202010307109.5
申请日：2020-04-17
Applicant: 东南大学
Abstract: 本发明涉及一种基于卷积神经网络的细粒度犬类图像识别方法，所述方法包括以下步骤：步骤1：构建卷积神经网络FG-LANet；步骤2：构建大型预训练图像样本数据库并使用该数据库对网络进行预训练；步骤3：构建犬类图像样本数据库并使用该数据库对网络进行微调训练；步骤4：获得犬类品种识别器，使用训练好的卷积神经网络作为犬类品种识别器对犬类图像进行识别。该技术方案通过训练一种适用于犬类图像识别的卷积神经网络模型作为犬类品种识别器，将其集成入电子设备可后提高电子设备对犬类品种进行识别的正确率。
-
公开(公告)号：CN110292377A
公开(公告)日：2019-10-01
申请号：CN201910495542.3
申请日：2019-06-10
Applicant: 东南大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于瞬时频率和功率谱熵融合特征的脑电信号分析方法，包括以下步骤：(1)提取慢波睡眠期的正常脑电信号和早期帕金森病的脑电信号，分别计算其瞬时频率和功率谱熵，从而构成一个二维的时序特征；(2)将二维时序特征作为LSTM神经网络的输入并进行训练学习；(4)利用训练学习号的神经网络对待评估脑电信号进行分析。该方法效果良好，能区分帕金森病病人与正常人的脑电信号。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.022 seconds)
