“张小洪”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186个，建议您升级VIP下载更多相关专利

[发明专利]基于检索和编辑结合的软件单元测试代码自动生成方法-CN202310860338.3在审
发明人：鄢萌;李红燕;孙伟峰;吴佳欣;刘超;张小洪;周安通 -专利权人：重庆大学
申请日： 2023-07-13 - 公布日： 2023-09-29 - 主分类号： G06F8/41 文献下载
摘要：本发明涉及一种基于检索和编辑结合的软件单元测试代码自动生成方法，基于给定的输入焦点测试和语料库，使用检索组件基于杰卡德相似度算法计算输入焦点测试和语料库中的每一条焦点测试的相似度，得到语料库中相似度值最高的相似焦点测试以及其相对应的相似测试断言；使用基于编辑的组件学习输入焦点测试及其相似的焦点测试实例的编辑模式，并将其应用于对相似测试断言的编辑，从而生成目标测试断言。本发明方法大大优于最先进的基线，同时本发明方法可以运用至实际的工作场景。
基于检索编辑结合软件单元测试代码自动生成方法

[发明专利]一种肺结节辅助检测方法-CN202010611045.8有效
发明人： 张小洪;张祥博;陈伟;刘晨;周宏;杨露;李雨聪;温浩 -专利权人：重庆大学
申请日： 2020-06-30 - 公布日： 2023-09-29 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种肺结节辅助检测方法，主要步骤包括S100获取数据集，该数据集包括N个患者的胸部扫描CT图像，每个患者有一系列胸部扫描CT图像；S200建立多尺度辅助检测模型，该模型由三个空洞率不同的U‑net网络和一个VGG神经网络组成，采用S100的数据，利用相关多任务联合损失函数对多尺度辅助检测模型的参数进行训练和优化；S300将待预测患者的一系列CT图像输入优化后的多尺度辅助检测模型，输出待预测患者的检测结果、分割结果和分类结果。本方法在肺结节多尺度统一表征的基础上，分析肺结节辅助检测多任务之间的“强相关”作用关系，实现多任务联合训练与优化，对肺结节辅助检测的敏感度和准确率的整体优化。
一种结节辅助检测方法

[实用新型]一种输液防脱装置-CN202320198141.3有效
发明人：邹琴;张小洪;杨欢;汤玲一;赵静;汪浩 -专利权人：中国人民解放军陆军军医大学第二附属医院
申请日： 2023-02-13 - 公布日： 2023-09-22 - 主分类号： A61M5/162 文献下载
摘要：本实用新型提供了一种输液防脱装置，包括壳体，壳体上设置有盖体；绕线轮可转动的设置在壳体内，绕线轮上设置有两组连接绳；第一夹持组件设置在其中一组连接绳的一端，用于夹持输液袋；第二夹持组件设置在另一组连接绳的一端，用于对输液器管道进行夹持；锁定机构设置在壳体内，锁定机构包括有锁定组件和弹性组件，用于防止在使用时绕线轮轴向转动；弹性组件设置在壳体内，使绕线轮与壳体弹性连接；锁定组件设置在盖体底部并与绕线轮连接，绕线轮在弹性组件的作用下与锁定组件连接，并使得锁定组件在锁定状态下对绕线轮进行轴向固定。该装置可有效的防止输液管道脱离输液袋，避免输液钢针掉落而对伤患者造成感染。
一种输液装置

[发明专利]一种基于标签嵌入的多标签少样本图像分类方法-CN202310539501.6在审
发明人：黄晟;徐嘉志;严杰轩;朱翔;葛永新;徐玲;张小洪;杨梦宁;杨丹 -专利权人：重庆大学
申请日： 2023-05-15 - 公布日： 2023-09-08 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于标签嵌入的多标签少样本图像分类方法，该方法通过类似化学过程中的精馏操作，针对多标签少样本类视觉特征到标签的映射问题进行处理。该方法使用原型生成模块来根据词嵌入生成类语义原型，并将其投影到视觉‑语义联合特征空间中。在联合特征空间中，通过特征精馏模块中的自注意力机制和梯度回流机制，完成视觉‑语义聚合特征精馏，并对词嵌入提供的标签关系进行建模，优化生成的语义原型的判别性和对视觉特征的引导能力，从而有效利用标签嵌入作为多标签少样本图像分类任务中的信息补充。通过试验表明，该方法具有良好的分类性能和对于不可见类的泛化能力，能够处理多标签少样本图像分类任务中的类特征与标签之间的映射和多标签关系建模两大难题。
一种基于标签嵌入样本图像分类方法

[发明专利]一种基于知识蒸馏的弱监督视频时序行为定位方法-CN202110887042.1有效
发明人：葛永新;陈忠明;李自强;俞佳若;徐玲;黄晟;洪明坚;王洪星;杨梦宁;张小洪;杨丹 -专利权人：重庆大学
申请日： 2021-08-03 - 公布日： 2023-09-05 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于知识蒸馏的弱监督视频时序行为定位方法。包括具体步骤如下：构建分类器模型，选定一个行为类别的已剪切视频，对该视频进行视频特征提取和嵌入特征计算；利用嵌入特征计算Pcls和W0，之后计算出Pscore；通过Pscore计算交叉熵损失来更新分类器模型中各个模块的相关参数。构建教师学生网络模型，选择一个该行为类别的未剪切视频，通过特征提取模块提取特征，通过嵌入特征模块计算该未剪切视频的嵌入特征，然后将该嵌入特征通过背景干扰抑制模块和特征对齐模块处理后得到其增强特征；将增强特征通过非极大值抑制法计算出最终的定位结果。通过本方法可以降低背景信息带来的干扰和提高行为信息表达的完整性,使最终的定位结果更加准确。
一种基于知识蒸馏监督视频时序行为定位方法

[发明专利]一种融合图像分割的混合高斯模型前景检测方法-CN202110152658.4有效
发明人：黄晟;王磊;谭会辛;徐嘉志;张小先;张译;洪明坚;葛永新;徐玲;张小洪 -专利权人：重庆大学
申请日： 2021-02-04 - 公布日： 2023-09-01 - 主分类号： G06T7/215 文献下载
摘要：本发明涉及一种从序列图像或视频流中将运动物体从背景中分离出来的前景检测方法和系统，具体是涉及一种融合图像分割的混合高斯模型前景检测方法。首先，接受一个待检测视频作为数据输入；将此待检测视频作为一个视频图像帧序列，针对视频图像帧序列上的每个视频图像帧进行超像素分割，每个视频图像帧的构成元素由原来的像素转变为超像素；对超像素构成的视频图像帧序列进行混合高斯模型处理，使得前景图像和背景图像进行分离；最后对前景图像进行形态学后处理，输出需要的前景图像序列。
一种融合图像分割混合模型前景检测方法

[发明专利]基于跨模态融合和模态去相关的跨模态行人再识别方法-CN202310569837.7在审
发明人：葛永新;华博誉;苟一峰;徐玲;黄晟;洪明坚;王洪星;杨梦宁;张小洪 -专利权人：重庆大学
申请日： 2023-05-19 - 公布日： 2023-08-22 - 主分类号： G06V20/52 文献下载
摘要：本发明涉及一种基于跨模态融合和模态去相关的跨模态行人再识别方法，该方法利用两个部分充分挖掘两个模态样本图像和特征间的关联：跨模态通道融合和模态去相关五元组损失。跨模态通道融合作为数据增强，相当于在数据集中补充了同时具有RGB和红外图像信息的新样本，使得模型的输入空间更加连续。CCM不会引入额外的参数或模型，可以很容易地与其他方法结合。该方法同时考虑了两个模态的图像信息，促使模型学习模态间的关联。模态去相关五元组损失约束了正样本对和负样本对内部的距离关系，从而减小特征与其所属模态的相关性，消除特征中冗余的模态特定信息。该方法从图像和特征层面同时解决模态差异问题，能更好地提升跨模态检索的性能。
基于跨模态融合模态去相关行人识别方法

[发明专利]一种行人再识别的方法-CN202010163685.7有效
发明人：葛永新;谢佳宏;徐玲;洪明坚;杨梦宁;黄晟;王洪星;陈飞宇;张小洪;杨丹 -专利权人：重庆大学
申请日： 2020-03-10 - 公布日： 2023-08-22 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种行人再识别的方法，首先获取原始图像集，并给每张原始图像标上类别标签；将每张原始图像处理成灰度图像和低分辨率图像；将每个训练样本的原始RGB图像，灰度图像和低分辨率图像作为LRAN模型的输入，对LRAN模型的参数进行优化得到最终LRAN模型；最后行人再识别，将两张行人图像经过处理后输入最终LRAN模型得到两张图像的特征ff1和特征ff2，计算特征ff1和特征ff2的距离两张原始图像之间的相似度。本方法考虑到了行人图像质量的变化，从原始RGB图像、灰度图像和低分辨率图像中提取并融合三种深度行人特征融合为一个更鲁棒的特征，在一定程度上就消除了图像质量差异在行人再识别过程中带来的影响。
一种行人识别方法

[发明专利]基于深度特征嵌入的跨移动应用程序即时缺陷预测方法-CN202011234649.1有效
发明人：徐洲;鄢萌;张炜晗;赵焜松;张小洪;雷晏;徐玲 -专利权人：重庆大学
申请日： 2020-11-07 - 公布日： 2023-08-22 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及基于深度特征嵌入的跨移动应用程序即时缺陷预测方法，包括如下步骤：S101构建源移动应用程序和目标移动应用程序的即时缺陷数据集；S102对两个移动应用程序的数据进行预处理；S103利用跨三元组的深度特征嵌入方法学习高层次的特征表示；S104使用逻辑回归分类器构建预测模型；S105预测目标移动应用程序中的代码提交实例是否会引入缺陷。本发明方法从特征学习的角度出发，利用一个基于三元组损失的深度特征嵌入方法将两个移动应用程序的缺陷数据映射到一个高层次的空间，在这个空间中具有相同标签的实例尽可能靠近，而标签不同的实例尽可能远离，从而提高目标移动应用程序的即时缺陷预测效果。
基于深度特征嵌入移动应用程序即时缺陷预测方法

[发明专利]一种基于肺结节生长形态的交互式分割方法-CN202010608494.7有效
发明人： 张小洪;陈伟;张祥博;刘晨;周宏;杨露;李雨聪;温浩 -专利权人：重庆大学
申请日： 2020-06-30 - 公布日： 2023-08-15 - 主分类号： G06T7/12 文献下载
摘要：本发明涉及一种基于肺结节生长形态的交互式分割方法，包括S100获取包括N个患者的M个胸部扫描CT图像的数据集；S200将数据集中的所有胸部扫描CT图像输入现有的U‑Net模型进行粗分割得到对应粗分割图像；S300:构建各向异性生长交互式分割网络，将S100数据集中的胸部扫描CT图像和对应的粗分割图像融合后输入该各向异性生长交互式分割网络中，对网络的参数进行训练和参数优化；S400:将待预测患者的CT图像输入U‑Net模型进行粗分割，再将待测患者的粗分割图像、生成的热力图与胸部扫描CT图像一并输入优化后的各向异性生长交互式分割网络，最后输出分割结果。该方法使用深度学习的方法得到的结节粗分割基础上，通过少量交互让模型自动调优，以提高结节分割的准确率。
一种基于结节生长形态交互式分割方法

[发明专利]一种基于最优多尺度感知的肺结节辅助检测方法-CN202010608483.9有效
发明人： 张小洪;张祥博;陈伟;刘晨;周宏;杨露;李雨聪;温浩 -专利权人：重庆大学
申请日： 2020-06-30 - 公布日： 2023-08-11 - 主分类号： G16H30/40 文献下载
摘要：本发明公开了一种基于最优多尺度感知的肺结节辅助检测方法。包括如下步骤，获取同一病人的多张连续肺部CT图像，将CT图像进行拼接并输入到视觉感受野滤波器进行肺结节尺度特征提取，肺结节区域生成网络根据肺结节尺度特征对不同尺度的肺结节进行框选，最后使用基于定位的soft非极大值抑制方法将置信度最优的肺结节的候选框保留，从而得到一张框选出不同尺度下置信度最优的肺结节的图像。在本发明中，通过设计基于Gabor‑Unet的视觉感受野滤波器，以及设计肺结节区域生成网络，将多个不同尺度的肺结节中置信度最优的肺结节框选出，便于肺结节的检测诊断，补充现有肺结节辅助诊断系统中存在的不足，使得本发明提出的基于多尺度最优化感知肺结节辅助检测方法更加的精准。
一种基于最优尺度感知结节辅助检测方法

[发明专利]一种基于聚类和高斯LDA的服务发现方法-CN202010668037.7有效
发明人：徐玲;聂彤羽;鄢萌;王子梁;张文燕;付春雷;张小洪 -专利权人：重庆大学
申请日： 2020-07-13 - 公布日： 2023-08-11 - 主分类号： H04L67/51 文献下载
摘要：本发明公开了一种基于聚类和高斯LDA的服务发现方法，包括如下步骤：对服务数据集进行数据解析，使用Doc2Vec和Word2Vec训练段落嵌入和词嵌入；使用修改的K‑Means算法将Doc2Vec向量集合聚类；基于词嵌入向量集扩展查询得到扩展的查询语句Qe和扩展的查询向量Vqe；基于扩展的查询语句计算其与聚类所得的每一个聚类簇的Doc2Vec矩阵的平均余弦相似度，将相似度最高的簇作为目标簇；基于所选目标簇和训练所得的词嵌入向量，构建高斯LDA模型，得到“文档‑主题分布”和“主题的高斯分布”；使用两个分布计算目标簇中的各个服务与扩展后的用户查询匹配的概率并降序排列。本方法服务匹配准确性高。
一种基于 lda 服务发现方法

[发明专利]一种基于组件感知的日志异常检测方法-CN202010795863.8有效
发明人：鄢萌;尹昆;徐玲;付春雷;张小洪;徐洲;雷晏 -专利权人：重庆大学
申请日： 2020-08-10 - 公布日： 2023-08-11 - 主分类号： G06F11/30 文献下载
摘要：本发明涉及基于组件感知的日志异常检测方法，该方法将目标软件的日志消息转换为日志模板序列和组件序列，然后进行模型训练，将两个LSTM模型组合使用，两个LSTM模型训练使用相同的损失函数，采用梯度下降优化算法更行参数值，训练完成得到由日志检测模型和组件检测模型构成的组合模型；将t‑h到t‑1时刻的所有日志数据的参考日志模板序列和参考组件序列输入组合模型得到可能日志模板集和可能组件模板集；当t时刻日志消息mt的待测日志模板序列在可能日志模板集中，且t时刻日志消息mt的待测组件序列在可能组件模板集Cg中，则认为日志消息mt为正常日志，否则产生系统告。试验结果表明，本发明方法的召回率和F值更高，表现更好。
一种基于组件感知日志异常检测方法

[发明专利]一种基于掩码的数字病理图像分类方法-CN202310457562.8在审
发明人：黄晟;张小先;唐文浩;朱翔;徐玲;葛永新;杨梦宁;张小洪 -专利权人：重庆大学
申请日： 2023-04-26 - 公布日： 2023-07-25 - 主分类号： G06V10/764 文献下载
摘要：本发明提出一种基于掩码的数字病理图像分类方法，MHIM‑MIL框架在训练阶段采用Siamese结构即孪生结构。该框架的主要组成部分是一个基于通用注意力的MIL模型，称为学生模型S(·)。学生模型被用于聚合实例特征。为了增加学生模型的判别能力并强制其关注难分类的实例，本框架引入了一个动量教师模型T(·)。教师模型主要用于挖掘困难实例，利用基于掩码操作的困难实例挖掘策略遮盖简单的实例，同时保留困难实例作为学生模型的输入。Siamese结构能够使得模型训练更加稳定和高效，并且具有较少的训练参数。在挖掘出困难实例后，所有被挖掘的实例特征都被输入到学生模型中，用于推断出包标签。
一种基于掩码数字病理图像分类方法

[发明专利]一种弱监督多标签分布外样本分类检测方法-CN202310421865.4在审
发明人：黄晟;王磊;严杰轩;朱翔;徐玲;葛永新;洪明坚;杨梦宁;张小洪 -专利权人：重庆大学
申请日： 2023-04-19 - 公布日： 2023-07-18 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种弱监督多标签分布外样本分类检测方法，在训练阶段，首先假设所有未知标签为负标签，引入噪声标签，然后对图像进行混合数据增强预处理，再基于噪声标签损失效应去识别噪声标签引起大损失值，并对其进行调整以进行模型训练，同时与标签稀疏性相结合，使得方法能够自适应识别不同训练阶段的噪声标签损失值；在检测阶段，赋予分布内样本与分布外样本全负标签，通过结合噪声标签效应与标签稀疏性，识别出具有噪声标签的分布内样本，从而实现分布外样本的检测。
一种监督标签分布样本分类检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
下一页»
尾页
共 186 条