-
公开(公告)号：CN118798331A
公开(公告)日：2024-10-18
申请号：CN202410756898.9
申请日：2024-06-12
Applicant: 郑州轻工业大学
Inventor： 马江涛 , 周辰宇 , 王艳军 , 李祖贺 , 张秋闻 , 庾骏 , 李璞 , 李玉华 , 张勋才 , 马宇科 , 李霆 , 晋文朵 , 程佳 , 刘博 , 李坤霖 , 孙一帆 , 卫梦屹 , 付一龙
IPC: G06N5/02 , G06N3/0442 , G06N3/08 , G06N5/04
Abstract: 本发明提出了一种基于交替归纳子图序列和共同偏好的知识图谱关系预测方法，其步骤如下：初始化知识图谱中每个实体的子图；使用子图序列化模型将子图转化为序列，学习序列化特征得到状态序列；使用偏好强化模型学习子图之间的共同偏好的权重，利用权重表示实体和尾实体的潜在子图；使用交替聚合模型处理潜在子图归纳不同的归纳子图，通过归纳子图之间的得分预测实体之间的关系并输出。本发明通过在知识图谱中学习候选实体周围的子图来预测关系，避免学习嵌入任何特定实体，可以在推理阶段处理新的看不见的实体；通过学习单个子图中层级之间的潜在关联和不同子图之间的共性来预测推测未知实体之间的关系，提高了知识图谱关系预测的效果和效率，提高了知识图谱质量。
-
公开(公告)号：CN116310299A
公开(公告)日：2023-06-23
申请号：CN202310294383.7
申请日：2023-03-23
Applicant: 郑州轻工业大学
IPC: G06V10/25 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明提出了一种基于语义分割和实例再检测的弱监督视觉目标检测方法，步骤为：将图像送入主干网络中得到特征图；使用选择性搜索算法得到初始目标候选框，将初始目标候选框映射到特征图上，感兴趣区域池化得到目标候选框的特征向量；对基础多实例学习网络训练，将目标候选框与分割实例进行交并比运算得到目标覆盖得分和目标置信得分；根据目标置信得分挖掘实例分类优化分支的伪真值实例；利用伪真值实例监督实例分类优化分支的训练；通过增强伪真值生成策略生成增强伪真值实例；依据增强伪真值实例分别对实例再检测模块的再分类分支和再定位分支的训练进行监督。本发明能够有效提升伪标签挖掘的鲁棒性，可以有效提升图像弱监督目标检测的准确性。
-
公开(公告)号：CN111627031B
公开(公告)日：2023-02-28
申请号：CN202010478994.3
申请日：2020-05-29
Abstract: 本发明提出了一种基于瓦屋状多边形的作物根系表型分析装置及方法，其步骤如下：搭建作物根系表型分析装置，及时获取完整根系的彩色图像；对彩色图像进行裁剪，利用图像二值化将根系图像进行分割，采用连通区域标记法保留面积最大的连通区域，得到根系连通区域的二值化图像；通过表示根系像素点的最左端、最右端和最顶部的像素点确定矩形区域，在矩形区域内进行二均值聚类，进一步确定瓦屋状多边形；根据瓦屋状多边形进行根系形态及生长发育规律的动态表型分析。本发明引入瓦屋状多边形来定义根系的覆盖几何形状、密度分布、性状模式等全局特征，实现根系形态及生长发育规律等的动态表型分析；且自动化程度高，对尺度变化不敏感。
-
公开(公告)号：CN112601087B
公开(公告)日：2022-10-18
申请号：CN202011320958.0
申请日：2020-11-23
Applicant: 郑州轻工业大学
IPC: H04N19/14 , H04N19/96 , H04N19/176 , H04N19/147
Abstract: 本发明提出了一种针对H.266/VVC的快速CU分裂模式决策方法，用于解决H.266/VVC编码的计算复杂度高的技术问题。其步骤为：首先，采用原始VTM算法对待编码的当前帧的第一个CTU进行编码，并统计编码过程中该CTU所有CU的ASM，进而得到第一个CTU的最小阈值和最大阈值；其次，在对后续的视频序列编码时，将当前CU的ASM值与最小阈值和最大阈值进行对比，从而判断当前CU是否继续分裂。最后通过纹理方向算法计算需要进行分裂的CU的纹理方向，根据纹理方向选择出最佳CU分裂模式。本发明通过GLCM和SAD的结合，能够在节省大量计算量的前提下，提前预测最佳CU分裂模式，降低了计算复杂度，节省了编码时间。
-
公开(公告)号：CN113411465B
公开(公告)日：2022-09-27
申请号：CN202110661914.2
申请日：2021-06-15
Applicant: 郑州轻大产业技术研究院有限公司 , 郑州轻工业大学
Abstract: 本发明公开了一种基于深度学习的高光谱图像联合设备稳定装置，包括箱体和固定连接在箱体底部的固定圆环，所述固定圆环的底部固定连接有内杆，所述内杆滑动连接有支柱，所述支柱的底部固定连接有调节槽，所述调节槽内部转动连接有调块，所述支柱的内壁开设有卡接凹口，所述内杆的侧面内嵌有三角槽，所述三角槽的内底部固定连接有第一弹簧。本发明，通过调块、内杆、支柱的共同协作，成功实现了对于本装置高度的灵活性调节，同时，在面临凹凸不平的地面环境时，可以通过调节调块从而使本装置达到稳定，有利于创造和维持高光谱图像联合设备高效工作的环境，提高了工作人员的工作效率，节约了工作时间，节省了完成此项工作的工作成本。
-
Patent Agency Ranking
公开(公告)号：CN114743027A
公开(公告)日：2022-07-12
申请号：CN202210375572.2
申请日：2022-04-11
Applicant: 郑州轻工业大学
IPC: G06V10/46 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/94 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种弱监督学习引导的协同显著性检测方法，用以解决现有协同显著性检测方法易受到不相关的显著目标的干扰的技术问题。本发明的步骤为：搭建GCAM网络的架构；搭建主干网络的架构，通过GCAM网络和主干网络构建GWSCoSal模型；利用训练数据对GCAM网络以图像组的公共类别标签作为真值进行弱监督训练；利用训练数据对主干网络进行像素级训练；GCAM网络的弱监督训练和主干网络的像素级训练联合执行，得到训练后的优化GWSCoSal模型。利用优化GWSCoSal模型对协同显著性数据集进行预测，生成预测的协同显著图。本发明在受到相似非公共显著目标干扰的情况下，能够更准确地检测出协同显著目标，操作简单，检测精度较高。
-
公开(公告)号：CN113806609B
公开(公告)日：2022-07-12
申请号：CN202111128257.1
申请日：2021-09-26
Applicant: 郑州轻工业大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/33 , G06F16/35 , G06F16/65 , G06F16/68 , G06F16/75 , G06F16/783
Abstract: 本发明提出了一种基于MIT和FSM的多模态情感分析方法，用以解决现有多模态情感分析方法在融合多模态信息时的技术性问题；其步骤为：首先，分别对文本模态数据、语音模态数据和视频模态数据进行预处理，提取文本特征向量、语音特征向量和视频特征向量；其次，将三个特征向量依次进行组合后分别输入Multimodal Interactive Transformer中进行辅助学习，分别得到三个学习后的特征矩阵；最后，将三个学习后的特征矩阵输入Feature Soft Mapping中映射到统一的语义空间中进行融合，得到融合特征；并将融合特征输入分类层，获取情感预测结果。本发明所提出的多模态情感分析模型能够充分考虑多种模态信息之间的关联，有助于在数据融合后进行情感分类。
-
公开(公告)号：CN111654698B
公开(公告)日：2022-03-22
申请号：CN202010534562.X
申请日：2020-06-12
Applicant: 郑州轻工业大学
IPC: H04N19/119 , H04N19/70 , H04N19/96 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明提出了一种针对H.266/VVC的快速CU分区决策方法，其步骤为：首先，利用传统编码方法对视频序列进行编码，并在编码过程中记录与CU划分的类别相关的特征，并利用改进的F‑score特征选择方法计算特征的得分值，将得分值较高的特征作为特征子集；其次，根据CU划分的类别和特征子集构建改进的有向无环图DAG‑SVM分类器模型；最后，将待划分的CU的纹理复杂度、方向复杂度和量化步长输入改进的有向无环图DAG‑SVM分类器模型中，预测CU最佳划分类别。本发明通过改进的F‑score特征选择方法和改进的有向无环图支持向量机DAG‑SVM模型的结合，能够提前预测最佳CU分区，降低了计算复杂度，节省了编码时间。
-
公开(公告)号：CN113932939A
公开(公告)日：2022-01-14
申请号：CN202111134064.7
申请日：2021-09-26
Applicant: 郑州轻工业大学
IPC: G01K7/36
Abstract: 本发明涉及一种基于扫场法的铁磁共振测温方法，包括：对包含铁磁纳米粒子的被测对象施加静磁场使铁磁纳米粒子饱和磁化；沿所述静磁场的垂直方向施加交变脉冲激励磁场；通过扫场法确定所述铁磁纳米粒子发生铁磁共振时的所述静磁场的磁场强度；根据所确定的所述静磁场的磁场强度计算出被测对象的温度，计算公式如下：本发明提供的上述方法，通过所构建的外加静磁场的磁场强度与温度的关系模型进行测温，该模型形式简单，测量方法简便，能够实现对被测对象内部温度的快速简便测量，并且具有很高的测量精确度。
-
公开(公告)号：CN113660559A
公开(公告)日：2021-11-16
申请号：CN202110942330.2
申请日：2021-08-17
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种空分复用弹性光网络中串扰感知的频谱分配方法，在空分复用弹性光网络中串扰感知下，给出最大可被占用邻居个数与最大可达距离之间的关系，使用占用该频片的连接所在路径的最大可被占用邻居数来表示频片的状态；根据连接所在路径的长度确定最大可被占用邻居个数，然后基于频片本身的被占用邻居数不超过路径的最大可被占用邻居数、频片的每一个被占用邻居的被占用邻居数加一不超过其状态值判断路径上频片的可用性，从而判断路径上频片的可用性，并从路径上为连接请求选择符合要求的可用频块。本发明给出一种简便的串扰感知和串扰计算方法，以实现在保证串扰不超过阈值条件下快速为连接请求分配可用频块，提高了频谱分配的效率。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.035 seconds)
