“蔡林沁”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33个，建议您升级VIP下载更多相关专利

[发明专利]基于多尺度时空主题图卷积网络的动作识别方法与系统-CN202310369403.2在审
发明人： 蔡林沁;钱啸峰;樊肖林;李俊熙 -专利权人：重庆邮电大学
申请日： 2023-04-07 - 公布日： 2023-07-18 - 主分类号： G06V40/20 文献下载
摘要：本发明请求保护一种基于多尺度时空主题图卷积网络的人体动作识别方法与系统，属于姿态领域。该方法具体包括：S1利用关键点置信度和亲和度预测网络对输入的图像数据进行骨骼特征关键点提取，生成待识别的特征图；S2构建基于主题的人体骨骼的邻接矩阵，并增加四肢区域节点的划分策略，对每对关节点之间存在的联系建立主题图卷积网络；S3对人体骨骼邻接节点的骨骼特征，利用多尺度特征提取方法，建立多尺度主题图卷积网络；S4建立多尺度时空主题图卷积网络模型；S5日常环境下实现常见动作的检测，当视频图像内的人发生危险动作时，及时通知工作人员。本发明能够在不提高模型的复杂度的情况下提高模型的准确率，同时结合现实生活需要实现人体动作识别。
基于尺度时空主题图卷网络动作识别方法系统

[发明专利]基于云智能的医学影像分析移动增强现实系统和方法-CN202310255768.2在审
发明人： 蔡林沁;李芷晴;甘雨;胡葭;杨枭;李奕 -专利权人：重庆邮电大学
申请日： 2023-03-16 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本发明请求保护一种基于云智能的医学影像分析移动增强现实系统和方法，属于深度学习、三维可视化、医学图像处理、移动增强现实技术领域，该系统包括如下功能：用户管理、影像管理、AR定位追踪、手势交互控制、单体模型剥离。本发明采用深度学习算法、云渲染算法、模型压缩算法、跟踪配准算法、手势检测算法、影像加密算法、负载均衡算法、安全验证机制等技术，实现了上述功能模块。本发明采用云技术、深度学习技术、三维可视化技术和增强现实技术处理医学影像,在移动终端、手机、平板电脑客户端中实现影像解析、显示的智能化、数字化。
基于智能医学影像分析移动增强现实系统方法

[发明专利]多网络特征融合的属性级文本情感联合抽取方法及系统-CN202310394923.9在审
发明人： 蔡林沁;周亚楠;唐晓铭;刘昱辰 -专利权人：重庆邮电大学
申请日： 2023-04-13 - 公布日： 2023-07-07 - 主分类号： G06F40/35 文献下载
摘要：本发明涉及一种多网络特征融合的属性级文本情感联合抽取方法及系统，属于自然语言处理领域。该方法包括：S1：获取属性级情感分析的训练样本：根据属性词和情感词的联合抽取任务生成序列标签，对带有序列标签的训练样本进行预处理，获得经过初始特征提取的文本词向量；S2：编码处理和深层次特征提取：构建深度堆叠了DiGCN和BiGRU的DB‑GRCN，并配置有注意机制矩阵，然后将预处理后的文本词向量输入到DB‑GRCN进行编码处理和深层次特征提取；S3：特征网络融合：在DB‑GRCN中引入MHA网络，对提取的特征进行融合。本发明能解决语序信息依赖问题和将文本特征进行全局表示，提升属性情感分析系统的领域应用范围。
网络特征融合属性文本情感联合抽取方法系统

[发明专利]基于事实场景的可解释性视觉问答模型构建方法与系统-CN202211623149.6在审
发明人： 蔡林沁;方豪度;许诺影;钱坤阳 -专利权人：重庆邮电大学
申请日： 2022-12-16 - 公布日： 2023-06-23 - 主分类号： G06F40/35 文献下载
摘要：本发明公开了基于事实场景的可解释性视觉问答模型构建方法与系统，获取第一数据集与第二数据集；对视觉问答模型进行预训练，获得图像特征提取网络与文本特征提取网络；权重反向传播方法对图像特征提取网络进行处理，获得图像反事实样本；开源机器学习库对文本特征提取网络进行处理，获得文本反事实样本；引入对抗性半事实样本对视觉问答模型进行迭代更新，获得视觉问答预测模型；提取特征数据，通过特征数据对视觉问答预测模型进行验证，获得可解释性视觉问答模型；本发明的有益效果为解决了当前视觉问答研究中存在的模型可解释性不强的问题，使得模型保存关键的因果信息去增强模型的推理能力，更为细粒度地去捕获图像特征和文本特征。
基于事实场景解释性视觉问答模型构建方法系统

[发明专利]基于动态元学习的少样本知识图谱补全方法和系统-CN202211556154.X在审
发明人： 蔡林沁;汪铃均;王灏澜;许诺影;熊余;袁荣棣 -专利权人：重庆邮电大学
申请日： 2022-12-06 - 公布日： 2023-03-28 - 主分类号： G06N5/025 文献下载
摘要：本发明公开了基于动态元学习的少样本知识图谱补全方法和系统，涉及知识图谱图补全技术领域，其技术方案要点是：基于动态元学习的少样本知识图谱补全方法和系统，在传统的基于优化的元学习补全方法的基础上引入了动态邻居编码器，在执行链接预测任务的时候，根据任务关系动态地调节实体邻居信息的权重，并将动态邻居信息融合到实体嵌入中，从而提高实体嵌入的语义表示。同时，对同一关系的不同属性建立了基于一维卷积的融合策略，使得关系嵌入能够表示各方面属性信息，进一步增强了关系表示的鲁棒性，并利用该关系嵌入对模型进行训练，显著提高了链接预测的准确性，进而达到提升知识图谱补全效果的目的。
基于动态学习样本知识图谱方法系统

[发明专利]一种基于Mask-RCNN深度学习的虚拟医疗中肺结节检测与分割方法-CN201910621976.3有效
发明人： 蔡林沁;隆涛;卢俊夫;陈思维;代宇涵 -专利权人：重庆邮电大学
申请日： 2019-07-10 - 公布日： 2023-03-03 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于Mask‑RCNN深度学习的虚拟医疗中肺结节检测与分割方法，属于图像处理领域。该方法具体包括：S1建立训练样本：首先对三维肺部CT图像样本进行预处理，然后将肺结节的横截面、矢状面和冠状面合成一张三通道图片，获得训练样本集，最后采用数据增强的方法扩展样本集；S2建立肺结节分割网络；包括建立骨干网络、特征金字塔网络、区域生成网络、ROI生成与对齐网络，以及三个功能分支；S3训练肺结节分割网络：利用训练样本对肺结节分割网络进行训练，获得肺结节分割装置；S4虚拟医疗环境中重建肺结节和肺部三维图，实现肺结节的检测。本发明能够在不花费更多资源的情况下提高模型的准确率，实现实时交互。
一种基于 mask rcnn 深度学习虚拟医疗结节检测分割方法

[发明专利]一种基于深度学习的新冠肺炎智能诊断系统-CN202110008504.8有效
发明人： 蔡林沁;代宇涵;黄宇婷 -专利权人：重庆邮电大学
申请日： 2021-01-05 - 公布日： 2022-07-01 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及一种基于深度学习的新冠肺炎智能诊断系统，属于医学图像处理领域，包括控制单元、智能检测与诊断单元、存储单元和三维显示单元，控制单元用于输入和修改系统数据；智能检测与诊断单元用于对新冠肺炎病例进行预测；智能检测与诊断单元包括数据预处理模块、病灶区检测模块、去假阳性模块、病例预测模块。本发明采用结合了检测+去假阳性+预测三部分相结合的深度学习网络诊断系统输出诊断结果，解决了病灶过小不易检测、单个局部病灶信息过少以及误诊率过高等问题，解决了医学样本数量过小的问题，大大提升了诊断效率，有助于提高患者的治疗效率以及积累临床资料。
一种基于深度学习肺炎智能诊断系统

[发明专利]一种基于李群特征和卷积神经网络的人体动作识别方法-CN201811446456.5有效
发明人： 蔡林沁;丁和恩;陆相羽;隆涛;陈思维 -专利权人：重庆邮电大学
申请日： 2018-11-29 - 公布日： 2022-07-01 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种基于李群特征和卷积神经网络的人体动作识别方法，属于计算机模式识别领域。该方法包括：S1：数据获取，利用微软体感设备Kinect提取人体骨骼信息，获取实验者的运动信息；S2：提取李群特征，采取一种利用刚性肢体变换来模拟人体各肢体间的相对三维几何关系的李群骨骼表示方法，将人体动作建模为李群上一系列曲线，进而结合李群和李代数间的对应关系，利用对数映射将基于李群空间的曲线映射为基于李代数空间的曲线；S3：特征分类，融合李群特征和卷积神经网络，利用李群特征训练卷积神经网络，让卷积神经网络对李群特征进行学习、分类，从而实现人体动作识别。本发明能够取得很好的识别效果。
一种基于李群特征卷积神经网络人体动作识别方法

[发明专利]一种基于可学习PL-GCN和ECLSTM的骨骼动作识别方法-CN202210050116.0在审
发明人： 蔡林沁;潘锐;方豪度;赖廷杰 -专利权人：重庆邮电大学
申请日： 2022-01-17 - 公布日： 2022-05-24 - 主分类号： G06V40/20 文献下载
摘要：本发明请求保护一种基于可学习PL‑GCN和ECLSTM的骨骼动作识别方法，涉及动作识别领域。可以解决骨骼动作识别过程中关键帧和显著运动关节的特征捕获能力有限和相似动作分类能力较弱等问题，该方法包括：针对相似动作识别易混淆的问题提出了一种可学习图卷积网络(PL‑GCN)用于改善模型的物理结构；针对关键帧捕获能力较弱的问题提出了特征增强的长短时记忆网络(ECLSTM)用于增强时序特征；利用骨骼序列数据的图拓扑结构完成骨骼图的构建；融合来自图卷积后的空间特征和由ECLSTM网络提取后的时序特征；对融合后的特征经过平均池化、卷积后进行最后的特征分类。本专利提出的方法在动作识别进度，算法复杂度以及特征提取能力均优于当前的一些方法。
一种基于学习 pl gcn eclstm 骨骼动作识别方法

[发明专利]基于多注意力与多任务特征融合的肺结节检测与分类方法-CN202210050130.0在审
发明人： 蔡林沁;黄宇婷;谭飞;谢昊天 -专利权人：重庆邮电大学
申请日： 2022-01-17 - 公布日： 2022-05-24 - 主分类号： G06T7/00 文献下载
摘要：本发明请求保护一种基于多注意力与多任务特征融合的肺结节检测与分类方法，其包括以下步骤：原始CT图像进行预处理；在特征提取网络中引入可以融合空间语义特征和通道特征的空间注意力和通道注意力，在尾部加入带有自注意力的SPCS构建具有双路径连结的残差网络用于提取多尺度下的特征，并以特征金字塔网络融合特征；构建检测与分割任务多个分支；分割分支输出多尺度掩码并聚合结果，检测分支以路径聚合网络再次融合特征并输出检测结果；最后统一两任务分支结果作为总的检测输出——具有较高精度和灵敏度；根据检测结果，基于结节位置进行裁剪，通过良恶性和癌性风险等级分类网络完成肺结节的良恶性区分和患癌风险等级的预测，从而辅助医生进行疾病诊断。
基于注意力任务特征融合结节检测分类方法

[发明专利]基于双流卷积神经网络的虚拟学习环境微表情识别与交互方法-CN201910481703.3有效
发明人： 蔡林沁;董伟;周思桐;王俪瑾 -专利权人：重庆邮电大学
申请日： 2019-06-04 - 公布日： 2022-04-22 - 主分类号： G06V40/20 文献下载
摘要：本发明涉及一种基于双流卷积神经网络的虚拟学习环境微表情识别与交互方法，包括以下步骤：S1：微表情数据的预处理：对微表情视频进行欧拉视频放大并抽取图像序列，对图像序列进行人脸定位并裁剪，得到微表情的RGB数据；将欧拉视频放大后的数据提取光流信息，得到微表情的光流图像；S2：将预处理后的数据分为训练集和测试集两部分并使用迁移学习的方法构建双流卷积神经网络，以学习到微表情的空间与时域信息；S3：将双流卷积神经网络的输出进行最大值融合，以增强识别准确率，得到最终的微表情识别模型；S4：使用微表情识别模型创建虚拟学习环境交互系统，并通过Kinect获取用户面部图像序列进行微表情识别任务。
基于双流卷积神经网络虚拟学习环境表情识别交互方法

[发明专利]面向医学图像诊断的视觉问答方法-CN202111461563.7在审
发明人： 蔡林沁;陈珂佳;方豪度;赖廷杰 -专利权人：重庆邮电大学
申请日： 2021-12-02 - 公布日： 2022-03-18 - 主分类号： G06F16/332 文献下载
摘要：本发明请求保护一种面向医学图像诊断的视觉问答方法，属于及医学图像处理、自然语言处理、多模态融合领域，其包括以下步骤：获取医学影像和对应相关医学问题；对图像病灶目标和医学问题文本分别进行特征提取，捕捉问题词之间的依赖关系进行文本表示学习，得到每个图像区域和问题的相关性；通过与影像特征和位置特征交互，对同一病灶目标进行处理，实现关系关联建模，获得不同目标的相对位置关系，用于多模态特征的匹配；引入交叉引导的多模态特征融合堆叠方式，捕捉多模态之间的复杂交互关系；设计选取融合方式和分类器，运用到医学问答中，实现面向医学图像诊断的视觉问答研究。
面向医学图像诊断视觉问答方法

[发明专利]一种基于协同注意力的虚拟学习环境智能问答方法-CN201910036927.3有效
发明人： 蔡林沁;周思桐;颜勋;廖忠溆 -专利权人：重庆邮电大学
申请日： 2019-01-15 - 公布日： 2021-04-06 - 主分类号： G06F16/332 文献下载
摘要：本发明涉及一种基于堆叠Bi‑LSTM网络和协同注意力的虚拟学习环境智能问答方法，属于自然语言处理和虚拟现实技术领域。该方法包括：S1：构建知识库及数据预处理；S2：特征提取及向量表示：在构建堆叠Bi‑LSTM网络的模型中配置co‑attention机制与attention机制；S3：同时考虑问答对空间向量的位置与方向，调和余弦相似度与欧几里德距离来计算问答对向量间的匹配度；S4：基于Unity3D平台搭建虚拟学习环境并引入网络模型，实现特定域虚拟课堂的智能问答。本发明将深度网络模型与多类注意力机制结合，实现了问答对更深层次的交互理解与表示，同时特定域虚拟课堂的引入拓宽了智能问答的应用范围。
一种基于协同注意力虚拟学习环境智能问答方法

[发明专利]一种基于多通道并行卷积神经网络的实时表情识别方法-CN201710537921.5有效
发明人： 蔡林沁;周锴;徐宏博;陈富丽;虞继敏 -专利权人：重庆邮电大学
申请日： 2017-07-04 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明请求保护一种基于多通道并行卷积神经网络的实时表情识别方法，包括以下步骤：从面部表情数据集中提取包含RGB与Depth图像的表情数据；对彩色图像进行局部二值化及提取面部关键点预处理，对深度图像进行梯度化预处理，将预处理后的图像分为训练集与测试集两部分并构建多通道并行卷积神经网络；将训练集中预处理后的图像送入网络中训练，获得学习了面部表情轮廓、立体分布及关键点特征的深度通道、lbp通道及关键点通道识别模型；将三种识别模型的分类结果采用最大置信融合，得到最终表情识别模型并构建实时表情识别系统。本发明增强了识别网络的鲁棒性，有效提升了实时表情识别系统的性能。
一种基于通道并行卷积神经网络实时表情识别方法

[发明专利]一种面向医学影像的移动增强现实系统构建方法-CN201910901432.2在审
发明人： 蔡林沁;陈思维;代宇涵;隆涛 -专利权人：重庆邮电大学
申请日： 2019-09-23 - 公布日： 2020-01-07 - 主分类号： G06T17/00 文献下载
摘要：本发明涉及一种面向医学影像的移动增强现实系统构建方法，属于电子技术领域。该方法包括：S1：通过3D Slicer软件进行医学图像三维重建，得到三维重建模型，并将该模型导入ARKit框架；S2：开启移动设备的摄像头识别当前场景，执行ARKit提供的SLAM算法接口识别出当前场景的平面并标识出来；S3：将虚拟的三维重建模型叠加到当前场景并放置到识别出的现实平面上；S4：识别出当前用户的交互手势，与真实场景中的虚拟对象进行交互。本发明在降低设备成本的同时采用了移动终端来实现了医护人员诊病的便捷性。
三维重建场景电子技术领域移动增强现实摄像头降低设备交互手势算法接口系统构建虚拟对象医学图像医学影像移动设备移动终端真实场景便捷性叠加虚拟医护

1
2
3
下一页»
尾页
共 33 条