“石立达”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19个，建议您升级VIP下载更多相关专利

[发明专利]一种基于区域表示和视觉表示的视觉问答方法及系统-CN202310768905.2有效
发明人：徐昊;高玲;盛楠;石立达;张洪达 -专利权人：吉林大学
申请日： 2023-06-28 - 公布日： 2023-09-22 - 主分类号： G06T7/11 文献下载
摘要：本申请公开了一种基于区域表示和视觉表示的视觉问答方法及系统，其中方法步骤包括：基于Faster R‑CNN模型学得的图像区域特征，为每张待问答图像构建图像区域特征图；基于图像区域特征图，生成邻居增强的区域表示；基于GRU模型学得的问题特征对邻居增强的区域表示进行指导，得到最终的视觉特征；基于区域表示、视觉特征和问题特征，得到预测答案，完成视觉问答。本申请为每张图像构建区域特征图，以表示该图像中所有区域之间的关联和特征。同时，基于带重启的随机行走方法，在区域特征图中学习邻域增强区域表示。此外，还提出一个问题指导的纵横双重注意力机制。机制以问题特征表示作为指导，从区域层面和特征层面增强区域表示。
一种基于区域表示视觉问答方法系统

[发明专利]基于深层信息传递网络的眼底图像分割方法-CN201911082827.0有效
发明人：刘萍萍;赵宏伟;金白鑫;王鹏;石立达;周求湛 -专利权人：吉林大学
申请日： 2019-11-07 - 公布日： 2023-08-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深层信息传递网络的眼底图像分割方法，所述方法通过构建深层信息提取网络，以预处理的眼底图片训练构建的深层信息传递网络，为眼底图像分割提供更好的网络模型，拟合出眼底图像的视盘区域，提升图像分割的精度。本发明使用预训练网络对编码层进行初始化，训练得到与图像分割任务需求相关的网络，在网络中采用解码层网络模块，提升了分割精度；深层信息传递网络模块与特征图上下文提取模块相结合，将特征图的高维特征传递到最终输出的预测图，使解码路径信息丢失更少；对编码层的深层网络采用了空洞卷积，保持参数不变的情况下扩大了卷积核的感受野，提取了更全面的特征图信息。
基于深层信息传递网络眼底图像分割方法

[发明专利]一种简单的情感知识增强提示调优的方面级情感分类方法-CN202310564657.X有效
发明人：徐昊;赵玉杰;谷雪;玄昶;宋瑞;石立达 -专利权人：吉林大学
申请日： 2023-05-19 - 公布日： 2023-07-21 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种简单的情感知识增强提示调优的方面级情感分类方法，属于人工智能的自然语言处理领域，包括以下步骤：构建提示模板，将所述提示模板和待分类文本输入到预训练语言模型中进行预测，获得待分类文本对应的若干个词的预测概率；构建情感知识映射表达器，并对所述情感知识映射表达器中的若干个情感标签词进行优化，获得优化后的情感标签词；基于所述若干个词的预测概率，获得优化后的情感标签词的预测概率；通过所述情感知识映射表达器将所述优化后的情感标签词的预测概率映射到类别标签，获得类别标签的最终预测概率。本发明通过引入外部情感词库来提高情感标签词的语义表达能力，同时减少了由单个情感标签词引起的偏差。
一种简单情感知识增强提示方面分类方法

[发明专利]一种大规模极弱监督多标签政策分类方法及系统-CN202310416484.7有效
发明人：徐昊;赵久峰;宋瑞;邹桐;石立达;赵强 -专利权人：吉林大学
申请日： 2023-04-19 - 公布日： 2023-07-21 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种大规模极弱监督多标签政策分类方法及系统，包括以下步骤：基于未标记政策语料库对WoBERT进行连续的预训练，获得政策领域专用的语言模型；利用所述政策领域专用的语言模型，从所述未标记政策语料库中学习与标签名称语义相关的种子词，并为每个类别种子词构建种子词汇表；利用所述种子词汇表中的类别种子词信息，为未标记的政策生成伪标签，并将带有伪标签的政策添加到伪训练集中；利用所述伪训练集对所述政策领域专用的语言模型进行训练，利用训练好的所述政策领域专用的语言模型为政策进行编码操作，完成多标签政策分类。本发明利用用户提供标签名称，而不是使用任何的标记文档，来对海量的政策数据进行分类。
一种大规模监督标签政策分类方法系统

[发明专利]一种基于图增强的互学习文本分类方法及系统-CN202211360252.6有效
发明人：徐昊;宋瑞;申强;石立达 -专利权人：吉林大学
申请日： 2022-11-02 - 公布日： 2023-06-23 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种基于图增强的互学习文本分类方法及系统，包括预处理待分类文本，得到文本图结构和文本序列；基于所述文本图结构，构建图文本分类模型；将所述文本序列输入预训练语言模型中；基于所述图文本分类模型和所述预训练语言模型，构建互学习框架；对所述互学习框架进行学习和更新，得到互学习文本分类结果。一种利用互学习方式的图文本分类模型与预训练语言模型有效结合的框架，基于图文本分类模型与预训练语言模型相结合，在一个框架下同时对两个基本模型进行优化；通过使用不同的学习率、学习次数克服两种不同模型收敛速度不匹配的问题。
一种基于增强学习文本分类方法系统

[发明专利]一种基于生成对抗网络的历史文档图像降噪方法及系统-CN202211141204.8有效
发明人：徐昊;岳明哲;刁晓蕾;史大千;石立达 -专利权人：吉林大学
申请日： 2022-09-20 - 公布日： 2023-06-16 - 主分类号： G06V30/164 文献下载
摘要：本申请公开了一种基于生成对抗网络的历史文档图像降噪方法及系统，获取历史文档图像，构建文字骨骼提取网络训练集和生成对抗网络训练集；基于文字骨骼提取网络训练集，构建文字骨骼提取网络，获得文字骨骼图像；基于生成对抗网络训练集和文字骨骼图像，构建生成对抗网络，获得图像降噪模型；训练图像降噪模型，基于训练好的图像降噪模型，获得历史文档噪声图像的降噪结果。解决了历史文档图像中对于复杂噪声的处理问题，使图像降噪质量得到显著提高，具有很强的利用价值。
一种基于生成对抗网络历史文档图像方法系统

[发明专利]基于对比相似性损失函数的细粒度图像检索方法-CN201910844956.2有效
发明人：刘萍萍;勾贵霞;金白鑫;石立达;王振;王慧;朱俊杰;单雪 -专利权人：吉林大学
申请日： 2019-09-07 - 公布日： 2023-02-10 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于对比相似性损失函数的细粒度图像检索，所述为了挑选出更有价值的样本对，提出了一种新的样本对采样方法，该样本对采样方法利用类间相似性并通过不对称距离选择更多有效样本对用于训练。同时设计了一种新的加权方案对挑选出的有效样本对分配不同的权重实现对样本对的充分利用，不同样本对的权值是由它们违反正负边界的程度决定的。结合样本对采样和加权过程设计出一个新的对比相似性损失函数用以优化网络，通过该网络为每个类学习一个超球面，利用一个固定边界保持类内分布，并以一定的边距分离不同类别以保证它们的稀疏性。本发明的基于对比相似性损失函数的细粒度图像检索方法具有广泛的应用前景。
基于对比相似性损失函数细粒度图像检索方法

[发明专利]基于相似性保持度量学习方法的青光眼患病概率预测方法-CN201911083921.8有效
发明人：刘萍萍;赵宏伟;王鹏;金白鑫;石立达;周求湛 -专利权人：吉林大学
申请日： 2019-11-07 - 公布日： 2022-10-25 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于相似性保持度量学习方法的青光眼患病概率预测方法，所述方法使用预训练网络进行初始化，根据特定图像分类任务的需求训练网络，在训练网络中间层时采用单目度量学习损失函数，提升了图像中间层特征特定方向优化能力；在特征归纳预测阶段不对其进行优化，而是仅仅通过交叉熵损失函数优化归纳预测神经网络分类器，减少了待优化网络参数数量；使用单目对比损失函数训练相似性保持特征提取网络，通过调整网络参数得到更适用于青光眼患病概率预测任务的网络模型，训练后的相似性保持特征提取网络在青光眼患病概率预测实验中取得了更优的特征归纳预测效果。
基于相似性保持度量学习方法青光眼患病概率预测方法

[发明专利]基于人工智能的智慧中医舌诊方法及计算机存储介质-CN202210659677.0在审
发明人：徐昊;石立达;张荣华;陈少涌;王攀攀;邓正源;陈永琪 -专利权人：吉林大学;暨南大学
申请日： 2022-06-13 - 公布日： 2022-09-16 - 主分类号： G06T7/00 文献下载
摘要：一种基于人工智能的智慧中医舌诊方法及计算机存储介质，属于智慧医学技术领域，该方法分为三个阶段：基于TransFuse网络的舌体分割；基于OPENCV的舌体分割后处理；基于集成学习的智能分析方法。所述计算机存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行所述的基于人工智能的智慧中医舌诊方法对应的操作。本发明在基于Transfuse的基础上，充分利用了CNN网络和Transformer网络，集两种网络之所长，可以捕获低层次空间和高级语义特征，大幅度提升了模型的训练和推理效率，提升了模型部署在云端或智能终端的效率。本发明具有显著的优势，算法准确率、健壮性和鲁棒性有了明显的提升。
基于人工智能智慧中医方法计算机存储介质

[发明专利]基于分布熵增益损失函数的图像检索算法-CN201910340096.9有效
发明人：刘萍萍;苗壮;勾贵霞;郭慧俐;石立达;金百鑫;王振;王慧;龚柯 -专利权人：吉林大学
申请日： 2019-04-25 - 公布日： 2022-08-05 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种基于分布熵增益损失函数的图像检索算法，所述算法使用预训练网络进行初始化，根据图像检索任务的需求训练网络，在训练网络时使用自行设计的分布熵增益损失函数，提升了图像检索的准确率；分布熵增益损失函数结合了对比损失函数和相对熵，增强了训练网络时图像相似性度量的准确性；对比损失函数通过欧氏距离计算特征之间的相似度，相对熵可以用于衡量特征向量之间的分布差异，将相对熵补充到对比损失函数中改善了特征向量相似性度量；使用分布熵增益损失函数训练网络模型，通过调整网络参数得到更适用于图像检索任务的网络模型，训练后的网络模型在图像检索实验中取得了更优的检索效果。
基于分布增益损失函数图像检索算法

[发明专利]一种基于CNN和NLSTM神经网络应用于CT影像的颅内出血检测方法-CN202010785690.1有效
发明人：刘萍萍;石立达;朱俊杰;陈儇;刘鹏程;周求湛;金百鑫 -专利权人：吉林大学
申请日： 2020-08-06 - 公布日： 2022-08-05 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于CNN和NLSTM神经网络应用于CT影像的颅内出血检测方法，属于智能医学影像处理领域。本发明使用CNN神经网络提取CT影像的图片特征，在提取CNN特征之前，CNN神经网络也是经过训练的，我们这里使用的预训练CNN网络为ResNeXt。提取的图像的embedding和病人的序列信息相结合作为NLSTM神经网络的输入，通过交叉熵损失函数计算损失反向传播网络，最后得到的网络结构去进行测试。这种CNN与RNN神经网络相结合的模式很适合处理CT序列影像，CNN与NLSM是一种新颖的颅内出血检测分类方法。本发明公开了基于CNN和NLSTM相结合的颅内出血检测方法，是一种准确高效的自动出血检测和分类方法，对临床有着极其重要的价值，具有广阔的应用场景。
一种基于 cnn nlstm 神经网络应用于 ct 影像内出血检测方法

[发明专利]融合特征分布熵的深度图像检索方法-CN201910340084.6有效
发明人：刘萍萍;郭慧俐;勾贵霞;苗壮;石立达;金百鑫;王振;王慧 -专利权人：吉林大学
申请日： 2019-04-25 - 公布日： 2022-04-05 - 主分类号： G06F16/53 文献下载
摘要：本发明公开了一种融合特征分布熵的深度图像检索方法，所述深度图像检索方法在图像检索中，从图像中提取的特征向量所携带的信息丰富程度会影响图像的检索效果，本发明提出了融合特征分布熵的深度图像检索方法。该算法的核心思想是在R‑MAC特征向量中加入特征分布熵将其作为R‑MAC特征的补充，将特征分布熵与R‑MAC特征通过加权求和的方式融合在一起，得到的特征向量具有区域分布信息和更强的描述能力，从而提升图像检索性能。
融合特征分布深度图像检索方法

[发明专利]基于MU-Net应用于CT影像的颅内出血病灶分割算法-CN202110336555.3有效
发明人：刘萍萍;宁港军;石立达;周求湛 -专利权人：吉林大学
申请日： 2021-03-29 - 公布日： 2022-01-28 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于MU‑Net应用于CT影像的颅内出血病灶分割算法，所述颅内出血病灶分割算法在基于U‑Net的基础上提出了一个新的分割结构MU‑Net，并将其应用到颅内出血分割任务中。在编码器模块，引入了Res2Net的网络模块。这样的设计可以提取更精细的多尺度特征，并增加特征图的感受野。为了减少编码层和解码层对应层次之间存在的语义鸿沟，提出了多编码信息融合模块(MIF)，通过对特征进行信息融合有效地弥补解码器丢失的全局信息。除此之外，为了进一步减小编码器解码器之间的语义鸿沟并且聚集多尺度信息，本发明提出了新的解码器模块(MDB)。
基于 mu net 应用于 ct 影像内出血病灶分割算法

[发明专利]基于双线性池化应用于CT影像的颅内出血亚类型分类算法-CN202110336566.1有效
发明人：刘萍萍;石立达;宁港军;周求湛 -专利权人：吉林大学
申请日： 2021-03-29 - 公布日： 2022-01-14 - 主分类号： G16H30/20 文献下载
摘要：本发明公开了一种基于双线性池化应用于CT影像的颅内出血亚类型分类算法，所述算法创新性地以细粒度分类的角度去解决颅内出血亚类型分类这个问题，在CNN部分使用了紧凑双线性池化的网络架构，提高了神经网络的特征表达能力，提升了分类性能。双线性池化已经被证明是解决细粒度分类问题的有效方法。它通过对高阶统计信息进行建模，将来自两个不同源的CNN或者同源的CNN的特征看作是两种不同的特征。并对两个特征进行外积计算，然后通过池化操作进行特征融合以捕获不同特征之间的关系，进而得到更强的全局特征表示。该方法用图像平移不变的方法，对局部的成对特征进行交互式建模。
基于双线性池化应用于 ct 影像内出血类型分类算法

[实用新型]一种基于机器视觉的涂装生产线在线检测识别装置-CN202022314989.7有效
发明人：彭大旭;张伟;郭友春;刘萍萍;董明宇;周求湛;裴士辉;石立达;朱俊杰;王鹏;臧道恒;王兰民;卞建燕;倪学勤 -专利权人：江苏苏力机械股份有限公司
申请日： 2020-10-17 - 公布日： 2021-09-24 - 主分类号： B05B12/12 文献下载
摘要：本实用新型提供了一种基于机器视觉的涂装生产线在线检测识别装置，包括主输送辊床以及图像识别机构；图像识别机构包括控制箱体、上料侧位置传感器、识别安装支架以及图像识别相机；在主输送辊床的上料侧左右两边均设置有一个中心推送机构，用于将主输送辊床的上料侧左右两边运输的涂装工件向中部推送。该基于机器视觉的涂装生产线在线检测识别装置利用图像识别机构对主输送辊床上运输的涂装工件进行图像识别，确定各个涂装工件需要处理的下一道工序，从而便于后续将涂装工件转运至相应的工艺处理设备处，实现了涂装过程的自动化工序识别，提高了涂装效率。
一种基于机器视觉生产线在线检测识别装置

1
2
下一页»
尾页
共 19 条