-
公开(公告)号：CN118608437A
公开(公告)日：2024-09-06
申请号：CN202410657609.X
申请日：2024-05-26
Applicant: 江苏海洋大学 , 连云港鲸鸣信息科技有限公司
IPC: G06T5/90 , G06T5/70 , G06T7/90 , G06T5/50 , G06T5/60 , G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/094 , G06N7/01
Abstract: 随着对海洋探索的不断深入，水下图像增强与恢复技术备受关注。针对水下图像对比度低，噪声大和色彩偏差等问题，本发明提出一种基于改进Swin Transformer的生成对抗网络水下图像增强模型(SwinGAN)。在输入生成器前对水下图像进行双三次插值预处理，在瓶颈层将输入的特征图分割成多个不重叠的局部窗口，再使用双路窗口多头自注意力机制，在加强捕获全局信息和距离依赖关系的同时，增强局部注意力。最后，在解码器经过多个窗口重新组合成原始尺寸的特征图，对抗网络中的判别网络采用改进马尔科夫判别器。使用Charbonnier损失函数，边缘损失函数，对抗损失函数和MS‑SSIM+L1损失函数提升图像结构和视觉质量。本发明在改善水下图像的色彩偏差和模糊问题取得显著效果。
-
公开(公告)号：CN118365857A
公开(公告)日：2024-07-19
申请号：CN202410516138.0
申请日：2024-04-27
Applicant: 江苏海洋大学 , 连云港鲸鸣信息科技有限公司
IPC: G06V10/25 , G06N3/0464 , G06V10/82 , G06N5/04 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/77
Abstract: 本发明提出了一种基于BC‑YOLOv5的违禁品目标检测方法，以往的研究主要是行李包裹安全检查主要依靠安检人员观察、分析X光安检机扫描得到的图像，判断行李中是否夹带易燃易爆物、管制刀具等违禁品，会存在漏判的现象。为了解决这个问题，提出一种基于改进型YOLOv5的违禁品检测模型。通过使用Bottleneck CSP模块用于提高多尺度目标的精度，交叉卷积模块用于减少参数数量并提高模型的推理速度。图像通过自动定向和调整大小进行预处理。然后，将处理后的图像输入BC‑YOLOv5以提取其深层特征。
-
公开(公告)号：CN118885675A
公开(公告)日：2024-11-01
申请号：CN202410941008.1
申请日：2024-07-15
Applicant: 江苏海洋大学 , 梦西游文化科技(连云港)有限公司
IPC: G06F16/9536 , G06F16/9535 , G06F18/213 , G06F18/2415 , G06F18/243 , G06F17/16 , G06N3/045 , G06N3/08
Abstract: 本发明提出了一种基于深度学习的改进NCF推荐方法，传统的推荐系统在面对大量动态、复杂的数据时,仅仅通过用户的已知数据和历史行为进行分析,得到评分准则继而进行推荐,存在推荐精度不高等问题，难以满足用户对信息的需求。针对这一情况提出深度学习框架下基于神经网络的协同过滤算法，旨在隐式反馈的基础上解决推荐中的关键问题，采用矩阵分解，对用户和资源的潜在特征应用内积，在嵌入层将用户和资源ID映射到低维嵌入向量空间，将嵌入向量分别映射到多头注意力(Multi‑headAttentionMechanism,MHA)的Q,K,V空间中，通过计算每个注意力头的对应分数，进行加权和值向量求和，最后将输出向量和多层感知器(Multi‑Layer Perceptron,MLP)的处理结果进行权重比结合，输出最终的评分预测，本发明在改善传统的推荐算法问题上取得显著效果。
-
公开(公告)号：CN114167859A
公开(公告)日：2022-03-11
申请号：CN202111357024.9
申请日：2021-11-16
Applicant: 江苏海洋大学
IPC: G05D1/02
Abstract: 本发明公开了基于改进弗洛伊德算法的救护车应急救援路径规划方法，其实现的具体步骤为：将所有救护车应急救援信息进行初始化；对医院与患者之间路径权值进行动态规划；采用弗洛伊德最短路径算法，计算从节点i到节点j途中不经过比索引点k大的最短路径。本发明充分考虑道路拥挤情况、医院的救援物资情况、患者的地理位置和医院的地理位置情况、车辆的空闲情况等情况，相比传统弗洛伊德算法下的救护车应急救援轨迹规划节省了更多的调度时间，极大提高了调度效率。
-
公开(公告)号：CN119513278A
公开(公告)日：2025-02-25
申请号：CN202411468198.6
申请日：2024-10-21
Applicant: 江苏海洋大学
IPC: G06F16/334 , G06F16/35 , G06F40/30 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 一种残差式融合语言特征的多模态中文反讽识别方法，该方法步骤如下：（1）利用卡方统计方法对自构建的图文多模态中文反讽识别数据集提取具有反讽与非反讽含义的词语，构建出语言特征体系；（2）使用TextCNN模型提取语言特征体系中词语的语言特征；（3）使用ResNet34模型提取图像特征；（4）引入交叉注意力机制，建立图文特征之间的关联；（5）特征融合，得到分类结果。本发明能够改善现有方法的局限性，提高反讽识别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119167775A
公开(公告)日：2024-12-20
申请号：CN202411286511.4
申请日：2024-09-13
Applicant: 江苏海洋大学 , 梦西游文化科技(连云港)有限公司
IPC: G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , G06N3/049
Abstract: 随着海洋生态环境保护和水产养殖规划的发展，针对其中重要因素海洋表面温度(SST)的变化及其预测问题，本发明提出了一种基于TCN神经网络的海温预测方法。该方法结合了TCN神经网络、改进注意力模块和卷积双向门控循环单元网络(CNN‑Bi‑GRU)。首先，通过TCN提取SST的局部特征；接着，根据SST的时序特性，利用自注意力机制在网络中为不同区域的温度变化分配权重；然后，借助Bi‑GRU从前向和后向两个方向对输入序列进行建模。该方法通过利用历史数据的多维度信息来预测未来的SST值，从而提高了预测的准确性。
-
公开(公告)号：CN111949843A
公开(公告)日：2020-11-17
申请号：CN202010707482.X
申请日：2020-07-21
Applicant: 江苏海洋大学
IPC: G06F16/904 , G06F16/901 , G06F16/906 , G06Q50/20
Abstract: 本发明公开了一种基于概念图构建的智能学习诊断方法，主要包括以下包括：对学习者进行聚类算法划分；对于测试Q学习者S的学习成绩累计；DHP测试关联规则制定；概念图关联规则的推导；学习概念图的构建；最优学习路径推理。本发明所提供的概念图构建的智能学习诊断方法，十分有利于发现学习者在课程学习中薄弱概念，实现学习问题的自动诊断，从而定向制定有效的学习计划。
-
公开(公告)号：CN114972105B
公开(公告)日：2024-03-29
申请号：CN202210656357.X
申请日：2022-06-10
Applicant: 江苏海洋大学
IPC: G06T5/73 , G06T5/60 , G06V10/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于多尺度融合残差网络的单幅图像去雨方法，本方法以卷积神经网络为基础，巧妙结合多尺度、残差、多分支思想、层级连接思想，设计出层级相连多尺度多分支残差去雨网络；该网络使用不同尺度的卷积核实现多维度特征提取，通过层级相连的方式实现递进多层次学习，可学习更加复杂的特征，从而可以解决背景和雨水相似的情况，在去雨效果上，从定性和定量上都远远超过GMM算法，这大大的提高了图像的质量，同时网络不是过深，训练成本不是太高，本方法具有一定的优越性。采用了融合残差、多尺度、多分支思想，实现了一个新的基于深度学习的去雨网络框架，通过端到端无监督的技术，节省了数据处理的时间，提高了实验效率。
-
公开(公告)号：CN112084312B
公开(公告)日：2023-11-14
申请号：CN202010718229.4
申请日：2020-07-23
Applicant: 江苏海洋大学
IPC: G06F16/332 , G06F16/36 , G06Q30/01
Abstract: 本发明涉及网络数据搜索技术领域，具体提出了一种基于知识图构建的智能客服系统，通过利用问题‑答案对的特征来确定问题‑答案对的更精确位置，为问题和答案档案构建了一个知识图谱，该方法不仅构建了知识图谱，而且还提供了有效使用知识图谱的新方法，问答文档的特征由问题和答案组成，用于使地图的两个维度有意义，知识图谱在横向和垂直方向都被扩展，特别是在垂直膨胀期间，后续层的结构保持稳定，并提出了一种合并机制以避免稀疏性，LabelSOM选择每个神经元的特征词进行导航，并提取典型的Q&A文档以使用户快速了解全部内容。
-
公开(公告)号：CN114972105A
公开(公告)日：2022-08-30
申请号：CN202210656357.X
申请日：2022-06-10
Applicant: 江苏海洋大学
Abstract: 本发明公开了一种基于多尺度融合残差网络的单幅图像去雨方法，本方法以卷积神经网络为基础，巧妙结合多尺度、残差、多分支思想、层级连接思想，设计出层级相连多尺度多分支残差去雨网络；该网络使用不同尺度的卷积核实现多维度特征提取，通过层级相连的方式实现递进多层次学习，可学习更加复杂的特征，从而可以解决背景和雨水相似的情况，在去雨效果上，从定性和定量上都远远超过GMM算法，这大大的提高了图像的质量，同时网络不是过深，训练成本不是太高，本方法具有一定的优越性。采用了融合残差、多尺度、多分支思想，实现了一个新的基于深度学习的去雨网络框架，通过端到端无监督的技术，节省了数据处理的时间，提高了实验效率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.047 seconds)
