“李希垚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度神经网络的开集目标检测与识别方法-CN202111527240.3有效
发明人：朱敏;明章强;杨勇;程俊龙;高承睿;李龙兴;李希垚 -专利权人：四川大学
申请日： 2021-12-14 - 公布日： 2023-04-07 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于深度神经网络的开集目标检测与识别方法，首先构造常见已知类别的图像作为训练集，然后设计一种UOD，利用改进的RPN保留对未知类别的检测能力，对未知类别赋予unknown标签；再增加对比聚类损失减少类内距离增大不同类别间的距离，引入韦布尔分布对不同类别的概率密度函数进行建模，区分已知和未知类别对象；并利用特征聚类的方式对未知类别对象进行初步分类和生成伪标签，最后提出改进的zero‑shot方案，对未知类别进行超类划分，利用CLIP方法先识别出未知类别的粗糙标签，再在粗糙标签对应的精细标签中识别出对应未知对象的类别。本发明能够用于对开放世界未经训练的对象进行检测，并实现了对未知类别的zero‑shot预测，减少了人工标注和网络更新的成本。
一种基于深度神经网络目标检测识别方法

[发明专利]基于多模态融合的染色质拓扑关联结构域边界预测方法-CN202211477002.0在审
发明人：朱敏;李希垚;龙春林;周怡;王心翌 -专利权人：四川大学
申请日： 2022-11-23 - 公布日： 2023-03-21 - 主分类号： G16B15/10 文献下载
摘要：本发明公开了基于多模态融合的染色质拓扑关联结构域边界预测方法，结合词嵌入思想，对DNA序列数据采用k‑mer嵌入编码，并融合表观遗传修饰数据、Hi‑C交互频次数据以构建多组学数据集，通过对多组学数据集进行预处理，然后构建深度神经网络模型进行多模态特征提取，将提取结果进行展平、融合，并进行边界结果预测，在训练集上基于反向传播算法进行模型训练，得到用于TAD边界预测的模型。本发明方法可达到提高TAD边界预测精度的目的，预测结果具有生物学意义，且减少了时间与财力消耗。
基于多模态融合染色质拓扑关联结构边界预测方法