-
公开(公告)号：CN119339184A
公开(公告)日：2025-01-21
申请号：CN202411340629.0
申请日：2024-09-25
Applicant: 中国矿业大学
IPC: G06V10/776 , G06V10/764 , G06V10/77 , G06V20/00 , G06V10/30 , G06V10/24 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及一种基于深度学习的端到端双流印章自动核验方法。其包括将所获取待核验的印章图像加载到预先构建的印章核验模型中，其中，所述印章核验模型至少包括印章图像增强网络以及双流图像分类网络；对待核验的印章图像核验时，先利用印章图像增强网络进行图像增强处理，以在图像增强处理后生成待检印章图像；将待检印章图像与上述提取的参考印章图像进行叠加，以生成叠加印章图像，并利用双流图像分类网络对叠加印章图像进行特征提取分类处理，以在特征提取分类处理后生成印章核验信息；基于所述印章核验信息，确定所述待核验印章图像的真伪。本发明能够高效准确鉴别印章真伪，适用于各种复杂背景的印章图像真伪核验任务。
-
公开(公告)号：CN118236070B
公开(公告)日：2024-10-18
申请号：CN202410348554.4
申请日：2024-03-26
Applicant: 中国矿业大学
IPC: A61B5/318 , G06F18/24 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06F18/213 , G06F18/15 , A61B5/346 , A61B5/00 , A61B5/352
Abstract: 本发明涉及一种基于短时峰‑峰间期信号及深度学习的识别分类方法。其包括：提供待识别分类的心电信号，并利用预构建的心电信号识别分类模型进行识别分类，其中，对所提供心电信号进行短时峰‑峰间期信号提取，并将所提取的短时峰‑峰间期信号加载到心电信号识别分类模型；所述心电信号识别分类模型包括基于残差UNet3+的特征提取网络以及深度监督结构；通过特征提取网络对加载的短时峰‑峰间期信号进行特征提取，并利用深度监督结构对提取的特征进行分类与加权处理，以在分类加权处理后输出心电信号的分类信息；所述心电信号的分类信息为充血性心力衰竭类或非充血性心力衰竭类。本发明能有效对心电信号进行检测识别，检测识别精度高。
-
公开(公告)号：CN118430508A
公开(公告)日：2024-08-02
申请号：CN202410677482.8
申请日：2024-05-29
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于神经音频编解码器的语音合成方法。其包括：将参考语音、待合成文本加载到预先构建的语音合成模型Zero‑TTS，语音预测编码器接收待合成文本，并对待合成文本进行语音预测，以在语音预测后生成文本‑语音预测编码，神经音频编解码器接收参考语音，在神经音频编解码器内，将文本‑语音预测编码以及目标说话人的说话人特征编码进行重构，以在重构后生成与目标说话人适配的目标语音。本发明能提高对目标说话人的语音合成质量，大大降低对目标说话人的数据以及模型微调的需求，实现了高效率、高质量、高保真地生成目标语音。
-
公开(公告)号：CN117975448A
公开(公告)日：2024-05-03
申请号：CN202410015925.7
申请日：2024-01-05
Applicant: 中国矿业大学
IPC: G06V20/69 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于跨模态融合和注意力机制的有机质显微组分鉴定方法，属于人工智能及地质领域。传统的有机质显微组分鉴定方法存在劳动强度大、主观性高、效率低等问题，限制了其在工业领域中的应用。本申请提出的自动化鉴定方法，将有机质显微图像中的组分识别任务转化为像素级分类问题。其核心技术包括：提出了CFA‑Unet模型，融合油浸反射光和荧光图像，实现了有机质显微组分像素级分类。引入跨模态融合方法，加强模态间特征信息交互，并采用加权注意力机制，减少组分误识别。实验证明，本申请中的CFA‑Unet模型取得了卓越性能，具有更强的分割性能、抗干扰能力和泛化性能。此技术的应用能够有效提高有机质资源质量评估的效率和精度。
-
Patent Agency Ranking
公开(公告)号：CN117789205A
公开(公告)日：2024-03-29
申请号：CN202410015923.8
申请日：2024-01-05
Applicant: 中国矿业大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80
Abstract: 本发明公开了一种基于目标检测和语义分割的流体包裹体分析方法及系统，旨在满足地球科学、资源勘探、实验地质学等多领域需求。传统的流体包裹体分析方法劳动强度大、主观性高、效率低，限制了其在科研和工业领域的应用。本发明分析包含流体包裹体的显微图像的过程为：采用OCR与图像处理方法分析标度尺信息；针对包含流体包裹体显微图像的特点，改进YOLOX‑m目标检测算法，使其适用于识别流体包裹体的位置和类别；针对单个流体包裹体的特点，改进UNet2+语义分割算法，结合图像处理方法实现对单双相流体包裹体长宽比和双相流体包裹体气液比的估算。本发明可简单高效地实现对流体包裹体参数的快速分析和识别。
-
公开(公告)号：CN117975448B
公开(公告)日：2025-01-28
申请号：CN202410015925.7
申请日：2024-01-05
Applicant: 中国矿业大学
IPC: G06V20/69 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0455
Abstract: 本发明公开了一种基于跨模态融合和注意力机制的有机质显微组分鉴定方法，属于人工智能及地质领域。传统的有机质显微组分鉴定方法存在劳动强度大、主观性高、效率低等问题，限制了其在工业领域中的应用。本申请提出的自动化鉴定方法，将有机质显微图像中的组分识别任务转化为像素级分类问题。其核心技术包括：提出了CFA‑Unet模型，融合油浸反射光和荧光图像，实现了有机质显微组分像素级分类。引入跨模态融合方法，加强模态间特征信息交互，并采用加权注意力机制，减少组分误识别。实验证明，本申请中的CFA‑Unet模型取得了卓越性能，具有更强的分割性能、抗干扰能力和泛化性能。此技术的应用能够有效提高有机质资源质量评估的效率和精度。
-
公开(公告)号：CN117789205B
公开(公告)日：2024-10-29
申请号：CN202410015923.8
申请日：2024-01-05
Applicant: 中国矿业大学
IPC: G06V20/69 , G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/42 , G06V10/80
Abstract: 本发明公开了一种基于目标检测和语义分割的流体包裹体分析方法及系统，旨在满足地球科学、资源勘探、实验地质学等多领域需求。传统的流体包裹体分析方法劳动强度大、主观性高、效率低，限制了其在科研和工业领域的应用。本发明分析包含流体包裹体的显微图像的过程为：采用OCR与图像处理方法分析标度尺信息；针对包含流体包裹体显微图像的特点，改进YOLOX‑m目标检测算法，使其适用于识别流体包裹体的位置和类别；针对单个流体包裹体的特点，改进UNet2+语义分割算法，结合图像处理方法实现对单双相流体包裹体长宽比和双相流体包裹体气液比的估算。本发明可简单高效地实现对流体包裹体参数的快速分析和识别。
-
公开(公告)号：CN118430508B
公开(公告)日：2024-09-17
申请号：CN202410677482.8
申请日：2024-05-29
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于神经音频编解码器的语音合成方法。其包括：将参考语音、待合成文本加载到预先构建的语音合成模型Zero‑TTS，语音预测编码器接收待合成文本，并对待合成文本进行语音预测，以在语音预测后生成文本‑语音预测编码，神经音频编解码器接收参考语音，在神经音频编解码器内，将文本‑语音预测编码以及目标说话人的说话人特征编码进行重构，以在重构后生成与目标说话人适配的目标语音。本发明能提高对目标说话人的语音合成质量，大大降低对目标说话人的数据以及模型微调的需求，实现了高效率、高质量、高保真地生成目标语音。
-
公开(公告)号：CN118236070A
公开(公告)日：2024-06-25
申请号：CN202410348554.4
申请日：2024-03-26
Applicant: 中国矿业大学
IPC: A61B5/318 , G06F18/24 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06F18/213 , G06F18/15 , A61B5/346 , A61B5/00 , A61B5/352
Abstract: 本发明涉及一种基于短时峰‑峰间期信号及深度学习的识别分类方法。其包括：提供待识别分类的心电信号，并利用预构建的心电信号识别分类模型进行识别分类，其中，对所提供心电信号进行短时峰‑峰间期信号提取，并将所提取的短时峰‑峰间期信号加载到心电信号识别分类模型；所述心电信号识别分类模型包括基于残差UNet3+的特征提取网络以及深度监督结构；通过特征提取网络对加载的短时峰‑峰间期信号进行特征提取，并利用深度监督结构对提取的特征进行分类与加权处理，以在分类加权处理后输出心电信号的分类信息；所述心电信号的分类信息为充血性心力衰竭类或非充血性心力衰竭类。本发明能有效对心电信号进行检测识别，检测识别精度高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
