公开(公告)号：CN113871011B

公开(公告)日：2025-02-14

申请号：CN202111209397.1

申请日：2021-10-18

Applicant: 太原理工大学

Inventor： 张娅楠 ,  蔡美龄 ,  王河喜 ,  赵林 ,  强彦 ,  赵涓涓

IPC: G16H50/30 ,  G16H50/20 ,  G06T7/11 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了一种基于注意力机制的新型冠状病毒感染病程分期预测系统，包括数据预处理模块、基于注意力机制的系统网络模块和分类器模块；系统网络模块包括、卷积操作单元、瓶颈单元、注意力机制学习单元、超分辨子像素上采样单元、超分辨子像素下采样单元、求和单元、分类器模块；双线性卷积神经网络(Bilinear Convolutional Neural Networks，B‑CNN)是一种高精度分类算法，实现了端到端的分类，可以很好应对目前新型冠状病毒感染数据量不足的局面，B‑CNN模型利用了图像二阶统计信息，以平移不变的特性对局部特征间的组合交互关系进行建模，在只有图像类别标签的情况下实现了弱监督分类。同时，B‑CNN简化了梯度计算，使得其端到端的模型更加容易被训练。

公开(公告)号：CN113871011A

公开(公告)日：2021-12-31

申请号：CN202111209397.1

申请日：2021-10-18

Applicant: 太原理工大学

Inventor： 张娅楠 ,  蔡美龄 ,  王河喜 ,  赵林 ,  强彦 ,  赵涓涓

IPC: G16H50/30 ,  G16H50/20 ,  G06T7/11 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的新冠肺炎病程分期预测系统，包括数据预处理模块、基于注意力机制的系统网络模块和分类器模块；系统网络模块包括、卷积操作单元、瓶颈单元、注意力机制学习单元、超分辨子像素上采样单元、超分辨子像素下采样单元、求和单元、分类器模块；双线性卷积神经网络(Bilinear Convolutional Neural Networks，B‑CNN)是一种高精度分类算法，实现了端到端的分类，可以很好应对目前新冠肺炎数据量不足的局面，B‑CNN模型利用了图像二阶统计信息，以平移不变的特性对局部特征间的组合交互关系进行建模，在只有图像类别标签的情况下实现了弱监督分类。同时，B‑CNN简化了梯度计算，使得其端到端的模型更加容易被训练。

公开(公告)号：CN118710602A

公开(公告)日：2024-09-27

申请号：CN202410753569.9

申请日：2024-06-12

Applicant: 太原理工大学

Inventor： 赵俊 ,  李阳 ,  蔡美龄 ,  强彦 ,  赵涓涓

IPC: G06T7/00 ,  G01N21/88 ,  G01B11/30 ,  G01B11/24 ,  G06V10/32 ,  G06V10/774 ,  G06V10/52 ,  G06V20/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于视觉语言提示学习的工业材料表面形貌测量分析方法，包括以下步骤：对于工业材料表面图像，进行裁剪处理，统一图像大小，根据工业需求的测量指标要求整理出带有不同标签的图像文本对；将带有标签的图像文本对处理成含有正例与负例的数据集，并将数据集划分为训练集、验证集和测试集；材料表面图像被输入到双路并行对抗网络中，进行特征提取；形貌特征文本模板和材料表面图像被输入到视觉语言多模态信息融合网络进行工业材料表面形貌测量及分析，得到多模态多粒度融合特征F；得到多模态多粒度融合特征F后，经过特征判别器进行判别，实现对工业材料表面形貌的测量及分析。

公开(公告)号：CN116934706A

公开(公告)日：2023-10-24

申请号：CN202310889846.4

申请日：2023-07-19

Applicant: 太原理工大学

Inventor： 强彦 ,  荀昶杰 ,  蔡美龄 ,  赵涓涓 ,  赵俊

IPC: G06T7/00 ,  G06V10/764 ,  G06T7/10 ,  G06T5/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了基于多域对抗视觉Transformer的工业图像缺陷智能检测系统，包括数据预处理模块，基于注意力的空间转换模块，对抗性扰动模块，VIT模块和分类器模块。基于注意力的坐标空间转换模块包括：多频谱通道注意力单元和协调注意力单元。MAViT一种是适用于计算机视觉领域的基于注意力的网络模型，它可以很好的执行图像分类任务，在工业有缺陷的图像数量不足的条件下，快速稳定的评估复合纤维等工业材料表面形貌特征；该模型利用了注意力机制，注意力机制是一种在深度学习模型中用于增强对重要信息的关注及利用的技术，它可以被看作是模拟人类注意力机制的一种方式，使模型能够在处理输入数据时集中关注特定的部分或特征。