“曹桂涛”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25个，建议您升级VIP下载更多相关专利

[发明专利]用于高分遥感图像目标检测的核判别性损失函数确定方法-CN202310703868.7在审
发明人：李丽月;陈曦;刘敏;曹桂涛;齐洪钢;王晟;王超杰 -专利权人：华东师范大学
申请日： 2023-06-14 - 公布日： 2023-09-05 - 主分类号： G06V20/10 文献下载
摘要：一种用于高分遥感图像目标检测的核判别性损失函数确定方法，属于深度学习中遥感图像检测技术领域。本发明针对现有目标检测中损失函数在原来维度的特征空间中分离各类别特征，难以增强特征的非线性判别性的问题。包括对每一批次样本，基于初始化特征中心依次计算每个类别的特征中心相对于前一类别特征中心的增量，得到每个类别的特征中心；将每个类别的特征中心映射到希尔伯特空间，基于核函数计算希尔伯特空间中两两特征中心的距离平方；计算得到增强类间特征分离学习的权重项和增强类内特征聚合学习的权重项；再基于softmax交叉熵损失函数得到基于核技巧的判别损失函数。本发明用于高分遥感图像的目标检测中。
用于高分遥感图像目标检测判别损失函数确定方法

[发明专利]一种跨模态哈希检索方法、终端设备及存储介质-CN202011289807.3有效
发明人：曹文明;冯文铄;曹桂涛 -专利权人：深圳大学
申请日： 2020-11-17 - 公布日： 2023-06-30 - 主分类号： G06F16/583 文献下载
摘要：本发明适用于跨模态哈希检索技术领域，提供了一种跨模态哈希检索方法、终端设备及存储介质，通过将由两个对称的生成式对抗网络组成的双向对抗网络模型引入到深度跨模态哈希检索过程中，用于优化跨模态检索任务中同义异构数据的信息丰富度不对称问题，并将模态间损失优化、模态内损失优化以及双向对抗网络优化过程整合到一个端到端算法模型框架中，同时还运用了在线哈希码热更新机制来实时更新真实图像哈希码和真实文本哈希码，能够实现特征学习过程和哈希学习过程的有机衔接与高效复用。
一种跨模态哈希检索方法终端设备存储介质

[发明专利]一种基于局部流形判别分析投影网络的分类方法-CN201910139396.0有效
发明人： 曹桂涛;李岩;曹文明;陈伟婷 -专利权人：华东师范大学
申请日： 2019-02-25 - 公布日： 2023-04-25 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于局部流形判别分析投影网络的分类方法，它对卷积核进行改造，经过改造之后的卷积核能够发现图像流形潜在的局部结构，同时具有高敏感的判别能力。在小样本的情况下，该方法也能表现出较好的判别性和适应性。输入图像与改造之后的卷积核进行卷积并学习到具有代表性的特征，经过多尺度特征分析层输出特征，完成特征提取之后，特征表达被送入分类模型完成分类。本发明具有较小的训练时间、较高的识别准确度，同时具有自适应性和良好的扩展性。
一种基于局部流形判别分析投影网络分类方法

[发明专利]基于3D-Vnet和3D-resNet的CT图像肺结节检测方法及系统-CN202110942761.9在审
发明人：潘清泉;曹桂涛 -专利权人：华东师范大学
申请日： 2021-08-17 - 公布日： 2023-03-31 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于视觉Transformer的3D‑VnetCT图像肺结节检测方法。所述方法将视觉Transformer与3D‑Vnet结合起来，解决了3D‑Vnet网络无法建模远程上下文交互和空间依赖性的问题；使用遗传规划算法对基于Transformer的分割网络及分类网络进行超参数优化，包括如下步骤：构建基于视觉Transformer的3D‑Vnet分割网络和3D‑resNet分类网络；输入原始肺部CT图像；对获得的肺部CT影像进行预处理；利用基于视觉Transformer的3D‑Vnet分割网络对候选结节进行分割；利用3D‑resNet分类网络对中分割出的候选结节进行结节精检测；确定最终的肺结节区域，对结节区域进行可视化，获得最终的肺部CT影像。本发明还公开了实现上述方法的系统。采用本发明技术方案可以提高结节的检出率，大幅降低假阳性病灶，获得疑似肺结节病灶区域的具体定位和定性结果。
基于 vnet resnet ct 图像结节检测方法系统

[发明专利]一种基于持续学习的雷达辐射源分级识别方法-CN202110918156.8在审
发明人：席熙东;曹桂涛 -专利权人：华东师范大学
申请日： 2021-08-11 - 公布日： 2023-02-17 - 主分类号： G06F18/00 文献下载
摘要：本发明公开了一种基于持续学习的雷达辐射源的分级识别方法，具体包括：首先对雷达信号进行包络分析和双谱分析，按照型号标签和个体标签训练一个型号识别网络和若干各型号下的个体识别网络，通过“型号‑个体”分级识别方法先识别数据所属的雷达型号，再在对应型号内识别数据所属的雷达个体。这种方法在雷达个体数量级较大时，可以得到远高于使用单个个体识别网络方法的准确率。网络的训练过程以持续学习的方式进行，具体来说是使用新模型和旧模型对数据进行特征向量提取和已知类别的类嵌入向量计算，以余弦相似性为度量，通过缩小这些新旧向量之间的差异，使模型在对新类别数据进行学习的同时，还最大程度的保证其对旧类别个体的识别能力不下降。
一种基于持续学习雷达辐射源分级识别方法

[发明专利]形式化验证方法-CN202010113863.5有效
发明人：黄滟鸿;杨秀丽;史建琦;曹桂涛;郭欣 -专利权人：华东师范大学
申请日： 2020-02-24 - 公布日： 2022-04-05 - 主分类号： G06F8/35 文献下载
摘要：本发明公开了一种形式化验证方法，包括SEDS建模步骤，用于依据电子数据表单规范文件建立SEDS模型；模型转换步骤用于将SEDS模型转换为适合模型检查的形式化模型；性质规约步骤用于对SEDS模型的功能逻辑的性质进行形式化描述；形式化验证步骤用于对形式化模型和所描述的功能逻辑性质进行形式化验证，得到验证结果。本发明通过将SEDS模型转换为形式化模型，对SEDS模型的功能逻辑的性质进行形式化描述，对形式化模型和性质描述进行形式化验证，以从数学推理角度对SEDS的功能逻辑实现检查，进而保障软件的正确性和可靠性，同时用户还可以根据验证结果发现功能逻辑中存在的冲突或缺陷，并对SEDS模型中的错误进行修正。
形式化验证方法

[发明专利]形式化验证系统-CN202010113873.9有效
发明人：黄滟鸿;杨秀丽;史建琦;曹桂涛;郭欣 -专利权人：华东师范大学
申请日： 2020-02-24 - 公布日： 2022-04-05 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种形式化验证系统，包括SEDS建模模块，用于依据电子数据表单规范文件建立SEDS模型；模型转换模块用于将SEDS模型转换为适合模型检查的形式化模型；性质规约模块用于对SEDS模型的功能逻辑的性质进行形式化描述；形式化验证模块用于对形式化模型和所描述的功能逻辑性质进行形式化验证，得到验证结果。本发明通过将SEDS模型转换为形式化模型，对SEDS模型的功能逻辑的性质进行形式化描述，对形式化模型和性质描述进行形式化验证，以从数学推理角度对SEDS的功能逻辑实现检查，进而保障软件的正确性和可靠性，同时用户还可以根据验证结果发现功能逻辑中存在的冲突或缺陷，并对SEDS模型中的错误进行修正。
形式化验证系统

[发明专利]人体动作表征的处理方法、系统、电子装置及存储介质-CN201910072379.X有效
发明人：曹文明;鲁义涛;曹桂涛 -专利权人：深圳大学
申请日： 2019-01-25 - 公布日： 2021-10-22 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种人体动作表征的处理方法、系统、电子装置及存储介质，涉及人体动作捕捉技术领域，用于对人体的动作表征进行处理；包括：采集正在采集的动作数据中当前帧的下一帧人体姿态数据；将当前帧的下一帧动作数据进行空间转换，得到在几何代数空间内的人体姿态数据；根据人体姿态数据对人体姿态表征进行提取，得到人体姿态特征；对全部人体姿态特征进行分类及集成，得到动作数据的分类结果；在人体动作结束后结束采集人体姿态数据，并输出分类结果，在人体动作结束前继续采集人体姿态数据；从而不需要在得到一个动作的所有动作数据后才能够对整个动作进行处理，因此降低了人体动作表征处理流程的复杂度及人体动作表征的处理难度。
人体动作表征处理方法系统电子装置存储介质

[发明专利]基于注意力的深度跨模态哈希检索方法、装置及相关设备-CN202110080906.9在审
发明人：曹文明;柳兴华;曹桂涛 -专利权人：深圳大学
申请日： 2021-01-21 - 公布日： 2021-05-18 - 主分类号： G06F16/13 文献下载
摘要：本发明实施例公开了基于注意力的深度跨模态哈希检索方法、装置及相关设备。该方法包括：获取图像模态样本、文本模态样本以及预置有注意力机制的哈希检索模型；通过所述哈希检索模型分别进行图像特征提取和文本特征提取，得到图像特征矩阵以及文本特征矩阵；根据图像特征矩阵以及文本特征矩阵计算图像哈希码和文本哈希码；基于所有图像哈希码以及所有文本哈希码，根据预设的哈希码损失函数分别计算图像哈希码损失和文本哈希码损失，优化所述哈希检索模型的模型参数，得到最优的哈希检索模型；通过最优的哈希检索模型进行哈希检索。该方法提高了检索速度及准确度。
基于注意力深度跨模态哈希检索方法装置相关设备

[发明专利]一种aEEG信号图像特征重构表示和提取方法-CN201611106785.6有效
发明人：陈伟婷;杨滔;曹桂涛 -专利权人：华东师范大学
申请日： 2016-12-06 - 公布日： 2020-08-25 - 主分类号： A61B5/0476 文献下载
摘要：本发明公开了一种aEEG信号图像特征重构表示和提取方法，包括如下步骤：信号分段步骤：获取aEEG信号并分成多段信号段；等高线图绘制步骤：统计各所述信号段中不同幅值出现的频率，连接频率相同的点，绘制等高线图；图像特征提取步骤：提取所述等高线图中的图像特征。通过本发明方法绘制等高线图后，aEEG信号的幅值频率等高图中，色泽区分明显，可以直观地显示不同幅值的分布情况，从而帮助医生更好地界定幅值上下边界，在重构的幅值频率等高图基础上，可以进一步提取其图像特征。
一种 aeeg 信号图像特征表示提取方法

[发明专利]硬件系统可靠性验证方法-CN202010010995.5在审
发明人：黄滟鸿;丁骅;史建琦;刘静;曹桂涛 -专利权人：华东师范大学;上海丰蕾信息科技有限公司
申请日： 2020-01-06 - 公布日： 2020-05-29 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种硬件系统可靠性验证方法，包括：建立AADL可靠性模型；将所述AADL可靠性模型转换为动态故障树模型；通过顺序二元决策图方法对所述动态故障树模型进行分析验证。通过上述方法，可以在更高的抽象层次上进行系统级别的设计，有助于缓解系统复杂性，提高软件质量，而且对整个硬件内部和外部交互的可靠性有较大的提高。
硬件系统可靠性验证方法

[发明专利]硬件系统可靠性验证系统-CN202010011028.0在审
发明人：黄滟鸿;丁骅;史建琦;刘静;曹桂涛 -专利权人：华东师范大学;上海丰蕾信息科技有限公司
申请日： 2020-01-06 - 公布日： 2020-05-29 - 主分类号： G06F11/34 文献下载
摘要：本发明公开了一种硬件系统可靠性验证系统，包括：构建模块，用于建立AADL可靠性模型；转换模块，用于将所述AADL可靠性模型转换为动态故障树模型；验证模块，用于通过顺序二元决策图系统对所述动态故障树模型进行分析验证。通过上述系统，可以在更高的抽象层次上进行系统级别的设计，有助于缓解系统复杂性，提高软件质量，而且对整个硬件内部和外部交互的可靠性有较大的提高。
硬件系统可靠性验证

[发明专利]一种基于高约束高分散主成分分析网络的图像分类方法-CN201510530534.X有效
发明人：孟丹;曹桂涛;陈伟婷 -专利权人：华东师范大学
申请日： 2015-08-26 - 公布日： 2019-11-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于高约束高分散主成分分析网络的图像分类方法，包括如下步骤：卷积及非线性变化步骤：在卷积层中，获取用于每个阶段特征提取的多个卷积核；在非线性变换层中，利用卷积核对于输入图像进行非线性变换，得到特征图；特征池化步骤：在特征池化层中，引入多尺度特征分析公式，推导出满足高分散性分布公式及其尺度缩放因子σ最优的取值后，输出特征；整合步骤：将特征展开为向量，并利用向量组成特征矩阵；图像分类步骤：特征输入线性支持向量机中以完成图像分类任务。本发明简单高效，具有自适应和扩展性，只需要输入网络的结构参数即可。
一种基于约束分散成分分析网络图像分类方法

[发明专利]生理机能评估系统和方法-CN201910383330.6在审
发明人：曹文明;钟建奇;曹桂涛 -专利权人：深圳大学
申请日： 2019-05-09 - 公布日： 2019-07-30 - 主分类号： G16H50/30 文献下载
摘要：本发明公开了一种生理机能评估系统和方法，系统包括终端设备、雾服务器和医疗中心，该系统利用终端设备采集被评估者的生理机能数据，然后由雾服务器对该生理机能数据进行分析，得到生理机能评估结果，然后再由医疗中心对该生理机能评估结果进行分析，得到生理健康报告，并发送给与被评估者相关联的客户端，完成对人体生理机能的评估。相较于现有技术而言，因雾服务器位于网络边缘，分布广泛且移动性强，可以部署在家庭中，使用户足不出户就能够在家中完成人体生理机能的评估；另外，由于雾服务器延迟低，还能够加快身体机能评估的响应时间，从而可以高效、准确地进行生理机能评估。
生理机能评估服务器人体生理机能评估结果评估系统终端设备身体机能生理健康网络边缘系统利用客户端移动性延迟医疗并发分析采集关联响应部署

[发明专利]一种基于雾计算模型的生理机能检测方法-CN201711345925.X在审
发明人： 曹桂涛;宋新宇;曹文明 -专利权人：华东师范大学
申请日： 2017-12-15 - 公布日： 2018-09-28 - 主分类号： A61B5/11 文献下载
摘要：本发明公开了一种基于雾计算模型的生理机能检测方法，该方法在雾计算模型中利用深度学习方法检测人体主要关节的位置，利用关节位置检测生理机能活动；具体包括：摄像头采集人体生理机能活动图像，将图像上传至雾服务器；在雾服务器中利用深度学习方法进行人体关节检测；利用关节位置信息进行关节活动度检测和步态检测；最后将结果数据存储至雾服务器，可用于后期的数据分析。所述生理机能检测包括：关节活动度检测和步态检测。本发明将深度学习和雾计算结合，提高了数据的处理能力和效率，克服了传统生理机能检测方法在时间、地点和医护人员方面的不足。
检测生理机能计算模型服务器关节活动度步态检测关节位置人体生理机能摄像头采集活动图像结果数据人体关节数据分析图像上传可用学习关节存储医护

1
2
下一页»
尾页
共 25 条