-
公开(公告)号：CN113361437A
公开(公告)日：2021-09-07
申请号：CN202110667703.X
申请日：2021-06-16
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种微创手术器械类别及位置检测方法和系统，涉及深度学习与计算机视觉技术领域，所述方法包括：采集微创手术过程图像数据集并进行人工标注；构建Soft‑ANL‑RCNN网络模型，所述Soft‑ANL‑RCNN网络模型以resnet101网络为骨干网络提取图像特征，采用非对称Non‑local结构对提取的特征图进行融合并挖掘特征图中的长距离信息，采用Soft‑NMS网络进行非极大值抑制处理；通过标注后的数据集对上述网络模型进行优化以获取最佳模型参数；将待检测图像输入模型中，对图像中的手术器械位置进行检测。本发明的方法能够准确检测微创手术器械的类别及位置，便于医护人员学习并使用。
-
公开(公告)号：CN108399714A
公开(公告)日：2018-08-14
申请号：CN201810444164.1
申请日：2018-05-10
Applicant: 吉林建筑大学
IPC: G08B21/04
Abstract: 本发明公开了一种智能家居跌倒监测报警系统，包括通过互联网相连的数据采集终端、服务器和客户端，数据采集终端包括身体姿态数据采集模块，通过姿态传感器进行用户身体姿态数据的采集，并将所采集到的数据发送到中央处理器；UWB定位模块，用于用户所在位置的定位数据的获取；中央处理器，用于根据接收到的身体姿态数据采集模块所采集到的数据完成用户身体姿态情况的评估，并根据评估结果进行图像采集模块的启闭；图像采集模块，用于根据中央处理器发送的控制命令进行启闭，通过布置在家居环境中的摄像头进行待监测人员视频数据的采集。本发明提高了系统的精确度，减少了系统误判的几率。
-
公开(公告)号：CN115311230A
公开(公告)日：2022-11-08
申请号：CN202210941767.9
申请日：2022-08-08
Applicant: 吉林建筑大学
Abstract: 本发明提供了一种基于深度学习和特征融合的皮肤病变图像分割方法，建立使用了编码器‑解码器结构的用于皮肤病变图像分割的模型，在模型的特征编码路径上使用EfficientNet进行了特征的学习，在特征解码路径上使用密集特征融合方法增强解码器的解码能力，并且采用了门控完全特征融合模块来提升特征融合的质量，产生解码后的特征图，解码器在最后产生输入图像的分割结果，完成皮肤病变图像的分割处理。本发明使用了更为先进的EfficientNet作为模型的编码器，使得本申请模型编码器的参数数量减少而且特征学习能力增强。通过门控机制增强了有用的编码信息向解码路径的传递，抑制了无用的特征信息所带来的干扰，提升了模型的特征融合能力。
-
公开(公告)号：CN118200004A
公开(公告)日：2024-06-14
申请号：CN202410406424.1
申请日：2024-04-07
Applicant: 吉林建筑大学
Abstract: 本发明涉及数据处理领域，具体涉及一种计算机网络安全动态预警方法，用于解决现有的网络安全预警方法无法对异常的网络流量和异常的网络行为进行识别判断，并综合分析判断网络入侵，并及时触发预警机制，导致网络入侵检测准确性不高，网络安全问题仍然得不到有效的改善的问题；该计算机网络安全动态预警方法包括以下模块：网络安全平台、流量监控模块、行为监控模块、数据分析模块以及安全报警模块；该计算机网络安全动态预警方法能够实时监测网络流量，识别异常行为，提高检测的准确性和预警的效果，判断网络入侵，并及时触发预警机制，使用户能够提前采取防范措施，有效保障网络系统的安全稳定运行。
-
公开(公告)号：CN115392438B
公开(公告)日：2023-07-07
申请号：CN202211114004.3
申请日：2022-09-14
Applicant: 吉林建筑大学
Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。
-
Patent Agency Ranking
公开(公告)号：CN115222942B
公开(公告)日：2023-06-02
申请号：CN202210881646.X
申请日：2022-07-26
Applicant: 吉林建筑大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06T7/00 , G16H50/20 , G16H50/80
Abstract: 本发明提供了一种基于弱监督学习的新冠肺炎CT图像分割的方法，包括以下步骤：先建立分割网络模型，模型整体上是编码器‑解码器结构，在分割网络模型的基础上，引入了一个分类模块，分类模块与分割模块共享一部分隐藏层，使得整个网络学习到更多的有用特征，同时改善了分割结果假阳性的问题；基于弱监督学习的思想，在像素级图像标签的基础上，通过分类网络从额外的图像级标签获取优化后的类激活图作为监督信息，增强了模型的分割性能表现。本发明通过利用分类网络注意力转移的特性，提出了类激活图积累模块，使得可以通过分类网络获得更加完整的类激活图，从而获得像素级标注结果。
-
公开(公告)号：CN113902087A
公开(公告)日：2022-01-07
申请号：CN202111240522.5
申请日：2021-10-25
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种多Agent深度强化学习算法，包括：S1：学习的策略在执行时只使用本地信息，即它们自己的观察结果；S2：智能体之间的通信方法不做任何结构上的假设，即不假设一个可区分的通信渠道；S3：leader层网络只输入全局智能体的状态信息，只作用于每个智能体的输出动作值，并不参与每个智能体的策略执行，既保持每个智能体的独立性，又保证所有智能体群体之间的通信。本发明通过在分布式执行之前加入集中式预判分配权重，增强了智能体群体之间的决策通信，提高了Leader_MADDPG在多变的环境关系中智能体训练过程中的稳定性和训练后的鲁棒性。
-
公开(公告)号：CN111721443A
公开(公告)日：2020-09-29
申请号：CN202010613866.5
申请日：2020-06-30
Applicant: 吉林建筑大学
Abstract: 本发明公开了一种可实现温度检测报警的分离式阵列计算机，包括阵列计算机、温度检测系统和风冷机组，温度检测系统安装在阵列计算机的分离式磁盘组柜上，温度检测系统中的主控模块与阵列计算机连接，实现信息交互，风冷机组安装在阵列计算机的分离式磁盘组柜上，风冷机组中的控制模块与阵列计算机连接，实现信息交互，风冷机组上的扇叶从阵列计算机的分离式磁盘组柜内部上方向下吹风。本发明具有通过温度检测系统检测磁盘组柜内的温度，根据检测温度控制风冷机组的开启，间歇性的开启能够节约电力资源的优点。
-
公开(公告)号：CN115392438A
公开(公告)日：2022-11-25
申请号：CN202211114004.3
申请日：2022-09-14
Applicant: 吉林建筑大学
Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。
-
公开(公告)号：CN115222942A
公开(公告)日：2022-10-21
申请号：CN202210881646.X
申请日：2022-07-26
Applicant: 吉林建筑大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G06V10/44 , G06T7/00 , G16H50/20 , G16H50/80
Abstract: 本发明提供了一种基于弱监督学习的新冠肺炎CT图像分割的方法，包括以下步骤：先建立分割网络模型，模型整体上是编码器‑解码器结构，在分割网络模型的基础上，引入了一个分类模块，分类模块与分割模块共享一部分隐藏层，使得整个网络学习到更多的有用特征，同时改善了分割结果假阳性的问题；基于弱监督学习的思想，在像素级图像标签的基础上，通过分类网络从额外的图像级标签获取优化后的类激活图作为监督信息，增强了模型的分割性能表现。本发明通过利用分类网络注意力转移的特性，提出了类激活图积累模块，使得可以通过分类网络获得更加完整的类激活图，从而获得像素级标注结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
