公开(公告)号：CN118941833A

公开(公告)日：2024-11-12

申请号：CN202411423796.1

申请日：2024-10-12

Applicant: 西南交通大学

Inventor： 赵小乐 ,  阳文佳 ,  杜圣东 ,  朱宗海 ,  张晓博

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像处理技术领域，公开了一种基于层次特征记忆学习的皮肤病识别方法，包括以下步骤：步骤1：获取皮肤病图像数据，对数据进行预处理得到数据集；步骤2：构建基于层次特征记忆学习的识别模型；识别模型包括特征学习模块、特征存储模块、时间‑层次特征处理模块；步骤3：对识别模型进行训练，得到训练后的模型；将图像数据输入训练后的模型得到所需的识别结果；本发明方法对于图像特征能够精准的捕捉，在多个性能指标上均优于现有的分类方法。

公开(公告)号：CN118116502A

公开(公告)日：2024-05-31

申请号：CN202410063589.3

申请日：2024-01-16

Applicant: 应急管理部信息研究院(煤炭信息研究院) ,  西南交通大学 ,  华北科技学院(中国煤矿安全技术培训中心)

Inventor： 王鹏 ,  疏礼春 ,  张晓博 ,  魏立科 ,  孙宜敏 ,  殷大发 ,  陈佳林 ,  汪鹏 ,  徐志奇 ,  宋国栋 ,  高洪波 ,  付恩三 ,  王新会 ,  田乐逍 ,  崔朋志 ,  张倩

IPC: G16C20/30 ,  G06Q50/26 ,  G06N3/0442 ,  G06N3/086

Abstract: 本申请涉及矿山安全生产与灾害预警技术领域，尤其涉及一种基于改进LSTM的煤矿瓦斯浓度预测方法及系统，包括：获取煤矿瓦斯监测数据，并且对获取的煤矿瓦斯监测数据进行预处理；使用差分进化算法对LSTM模型进行改进；将预处理后的煤矿瓦斯监测数据输入至改进后的LSTM模型中进行训练；利用训练好的LSTM模型对瓦斯浓度进行预测。本申请提供的基于改进LSTM的煤矿瓦斯浓度预测方法及系统，通过加入差分进化(DE)算法改进LSTM模型，并将获取的数据输入至训练好的LSTM模型中进行瓦斯浓度预测，使其在预测浓度时具有更快地训练速度，并且使得寻找最优参数较为简单。

公开(公告)号：CN113012045B

公开(公告)日：2022-07-15

申请号：CN202110203141.3

申请日：2021-02-23

Applicant: 西南交通大学

Inventor： 张晓博 ,  张哲浩

IPC: G06T3/40 ,  G06T5/50 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明公开了一种用于合成医学图像的生成对抗网络。生成器的拓扑结构为：具有8个层级，层级的等级为该层级学习的图像的分辨率的以2为底的对数；低等级层级学习的图像的分辨率加倍平滑过渡到高等级层级学习的图像的分辨率；卷积块的特征图为带有自注意力的特征图。判别器的拓扑结构与生成器相反，高等级层级学习的图像的分辨率折半平滑过渡到低等级层级学习的图像的分辨率；判别器的最低等级层级还包括批标准差；生成器和判别器使用WGAN‑GP的损失函数；使用标准正态分布初始化权重，在运行阶段放缩权重。相对于LapGAN和StackGAN等生成大分辨率的GAN网络，本发明训练过程中的大部分迭代都在低分辨率下完成，在保证合成图片质量的前提下大大加快了生成速度。

公开(公告)号：CN114398961A

公开(公告)日：2022-04-26

申请号：CN202111624056.0

申请日：2021-12-28

Applicant: 西南交通大学

Inventor： 杜圣东 ,  邹芸竹 ,  李天瑞 ,  张凡 ,  张晓博 ,  赵小乐

IPC: G06K9/62 ,  G06N3/04 ,  G06F40/284 ,  G06V10/80 ,  G06V10/774

Abstract: 本发明公开了一种基于多模态深度特征融合的视觉问答方法，包括以下步骤：(1)使用卷积神经网络和长短时记忆网络分别获取图像和文本两种模态数据特征，然后利用获取的图像和文本两种模态数据特征进行模态内部和模态间的注意力建模；(2)构建注意力网络并将注意力层串联堆叠，其中两种模态特征相互作为注意力权重学习的参考进行更深度的特征交互；(3)通过多模态融合函数融合注意力加权后的图像信息和文本语义，并将融合特征传入分类器结合答案文本数据预测结果。除此之外本发明还公开了一种基于多模态深度特征融合的视觉问答模型。本发明相较于现有方法具有稳定性好、预测准确率更高、实验硬件环境要求更低等优点。

公开(公告)号：CN119646272B

公开(公告)日：2025-05-13

申请号：CN202510186603.3

申请日：2025-02-20

Applicant: 西南交通大学

Inventor： 张晓博 ,  盛逸凯 ,  孙波 ,  王富淞 ,  杨芸菲

IPC: G06F16/903 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于信息增强和多模态全局局部特征对齐的图文检索方法，涉及图文检索技术领域，步骤如下：1、获取图片信息和对应文本描述数据；2、分别对图片数据和文本数据进行特征提取，得到图片全局特征、局部特征和文本词特征和句子特征；3、将图片局部特征和图片全局特征进行融合，获得拥有全局信息的局部特征，实现信息增强；4、将图片特征和文本特征放入交叉注意力机制模型中进行粗细粒度特征融合，得到图文全局融合特征和图文局部融合特征，实现图文的粗细粒度对齐；5、将图文局部融合特征与图文局部特征进行相似度计算，以实现图文检索。本发明通过信息增强和特征融合，保证了粗粒度和细粒度的对齐，提高了图像和文本的对齐。

公开(公告)号：CN115100041B

公开(公告)日：2025-03-14

申请号：CN202210793571.X

申请日：2022-07-05

Applicant: 西南交通大学

Inventor： 赵小乐 ,  张笑铭 ,  李天瑞 ,  张晓博

IPC: G06F30/20 ,  G06T3/40 ,  G06V10/80 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种非残差结构的极深图像超分辨率重建网络模型及方法，其网络的整体结构包括网络头部、网络主干、网络尾部三部分；网络头部用于提取输入低分辨率图像的浅层特征；网络主干由16个特征通道并联组通过自适应权重再相互通道并联的方式串联组成，经过16个特征通道并联组推理的图像特征张量将经过全局自适应特征融合的集成，集成后的信息会依次通过两个不同核的普通卷积层；网络尾部用于聚合网络提取的浅层特征和深层特征，并集成回RGB三个通道得到最后放大的超分辨图像。本发明的网络模型使用了不含残差学习的恒等映射的通道并联，实现层与层之间的跳跃连接，解决了深度学习算法中网络模型设计过大过深后难以训练等问题。

公开(公告)号：CN119446543A

公开(公告)日：2025-02-14

申请号：CN202510042586.6

申请日：2025-01-10

Applicant: 西南交通大学

Inventor： 张晓博 ,  杨芸菲 ,  赵小乐 ,  龚雪 ,  杨阳

IPC: G16H50/30 ,  G06V10/776 ,  G06V10/77 ,  G06V10/764 ,  G06N3/0499 ,  G06N20/20 ,  G06N20/10

Abstract: 本发明公开了一种基于BCL模型的帕金森进展预测方法，涉及医疗影像数据技术领域，包括：S1、获取包含H&Y评分和患者基本信息的临床数据，以及包含MRI图像的图像数据；S2、对MRI图像进行格式转换，结合H&Y评分进行数据标注；S3、对数据标注后的图像进行预处理；S4、使用主成分分析对预处理后的图像进行降维，提取图像的低维特征；S5、构造基于平衡权重调度器的课程学习框架以及分类模型，对降维后的特征进行训练；S6、预测患者的帕金森病进展，并对各个分类模型的预测性能进行评估。本发明能够提供更精确的患者疾病阶段评估，降低数据维度的同时提高了模型的计算效率和泛化能力，增强了模型对难样本的学习能力。

公开(公告)号：CN117808084A

公开(公告)日：2024-04-02

申请号：CN202311490926.9

申请日：2023-11-09

Applicant: 西南交通大学

Inventor： 何星星 ,  兰咏琪 ,  李志辉 ,  杨晗 ,  周正春 ,  李天瑞 ,  杨洋 ,  张晓博

IPC: G06N5/01 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/241

Abstract: 本发明涉及人工智能技术领域，涉及一种基于图约简表示与图神经网络的前提选择方法，包括以下步骤：步骤一：通过判断并删除连续重复的量词得到简化的一阶逻辑公式图；步骤二：基于简化的逻辑公式图，提出一种具有注意力机制的项游走图神经网络模型，模型按照项游走模式聚合位于项游走三元组上部、中部和下部的节点信息，引入注意力机制计算节点的项游走特征权重，并将权重与节点信息结合生成新的节点嵌入向量，再通过全局平均池化得到最终的公式图特征向量；步骤三，将候选前提和给定猜想的图特征向量输入到二元分类器，进而实现对候选前提的分类。本发明能较佳地进行前提选择。

公开(公告)号：CN113269774B

公开(公告)日：2022-04-26

申请号：CN202110643153.8

申请日：2021-06-09

Applicant: 西南交通大学

Inventor： 张晓博 ,  张哲浩 ,  李伟

IPC: G06T7/00 ,  G06T7/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种MRI图像的帕金森病分类及标注病灶区域的方法，包括步骤：构造MRI图像的帕金森病分类模型；构造帕金森病病灶标注模型；使用MRI图像的帕金森病分类模型，对待测MRI图像进行分类；对分类确定为帕金森病MRI图像或者帕金森病潜伏期MRI图像，使用帕金森病病灶标注模型标注出病灶区域。其中，构造MRI图像的帕金森病分类模型，包括构造分类模块和将训练集输入分类模块，并通过反向传播更新网络参数，得到MRI图像分类模型的步骤。本发明的有益效果在于：使用先分类后标注的方法，在提高分类模型准确率的基础上使得对病灶区域的定位更加准确和有效，同时避免了不必要的训练，大大提高了训练效率，使得模型鲁棒性更强。

公开(公告)号：CN109034953B

公开(公告)日：2021-11-23

申请号：CN201810705430.1

申请日：2018-07-02

Applicant: 西南交通大学

Inventor： 杨燕 ,  曾旭禹 ,  张晓博

IPC: G06F16/9535 ,  G06Q30/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种电影推荐方法，属于推荐系统技术领域。首先认为相同类型的电影，在海报设计风格上具有相似的特点；因此需要获取电影相关的海报信息，在用变分自编码对这些电影海报进行特征提取，同时把提取的海报特征作为电影的潜在特征向量，根据电影的潜在特征向量使用余弦相似度计算电影之间的相似度，然后按照相似度进行排名，最后选取最相似的几部电影作为推荐结果推荐给用户。该方法具有复杂度低，且无传统协同过滤推荐法中的稀疏与冷启动等缺点。主要用于电影推荐。