“丁新涛”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28个，建议您升级VIP下载更多相关专利

[发明专利]一种生物显微标本的数字化展示方法及系统-CN202310667876.0在审
发明人： 丁新涛;李淼;李摇摇;李光宇 -专利权人：芜湖市皖南科教仪器厂
申请日： 2023-06-07 - 公布日： 2023-10-27 - 主分类号： G06T11/60 文献下载
摘要：本发明涉及生物实验教学产品信息化技术领域，尤其涉及一种生物显微标本的数字化展示方法及系统，通过图像配准，对图像中显微样本的生物特征进行指示，实现生物显微标本数字化，实现整体与局部相结合的微观生物结构理解，通过对访问用户的个人信息进行验证，获得访问用户的权限，并根据访问用户的权限，授权对应的服务，提供对应权限的数字化显微样本的列表，播放被选择的数字化显微样本，有利于相关生物微观结构和功能知识的传播，有利于课堂教学的演示讲解，有利于提升传统产业向信息化发展。
一种生物显微标本数字化展示方法系统

[发明专利]一种基于卷积神经网络和Transformer的脑网络特征提取方法-CN202310446585.9在审
发明人：接标;周杰;张志祥;李汪根;卞维新;杨杨;丁新涛;周文 -专利权人：安徽师范大学
申请日： 2023-04-24 - 公布日： 2023-07-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络和Transformer的脑网络特征提取方法，属于医学图像分析领域，该方法包括：S1、对于每个受试者，基于ALL模板，使用固定大小的滑动时间窗口将rs‑fMRI数据划分成多个重叠的时间序列片段；S2、对于每个时间序列片段，使用PCC衡量配对大脑区域之间的功能连接强度，构建动态功能连接网络；S3、定义三个阶段的特征提取层提取并耦合动态功能连接网络的局部脑网络序列特征和全局脑网络序列特征表示，每一阶段均包括一个卷积层和一个Temporal Transformer；其中卷积层提取局部脑网络序列特征，Temporal Transformer捕获全局脑网络序列特征表示；S4、使用一个多层感知机学习特征提取层输出的耦合特征。本发明增强了特征表示学习能力，最大程度地保留了局部特征和全局表示。
一种基于卷积神经网络 transformer 网络特征提取方法

[发明专利]换电站的控制方法及系统-CN202210482382.0在审
发明人： 丁新涛 -专利权人：奥动新能源汽车科技有限公司
申请日： 2018-12-29 - 公布日： 2022-07-29 - 主分类号： B60L53/80 文献下载
摘要：本发明公开了一种换电站的控制方法及系统，所述控制方法包括：获取换电站的站点画像数据；根据所述站点画像数据控制所述换电站中第一设定数量的充电仓停止或运行。本发明通过获取换电站的站点画像数据，判断换电站处于高峰换电状态或空闲状态；当处于高峰换电状态时，控制换电站中第一设定数量的充电仓停止运行，从而实现根据实际情况合理安排充电，节省了能源，且延长了电池的使用寿命。
电站控制方法系统

[发明专利]一种基于深度学习的考生异常行为检测方法-CN202210230352.0在审
发明人：接标;胡瑞豹;冯春香;王正东;张剑龙;张启政;卞维新;丁新涛;陈付龙;罗永龙 -专利权人：安徽师范大学
申请日： 2022-03-09 - 公布日： 2022-06-10 - 主分类号： G06V40/20 文献下载
摘要：本发明提供了一种基于深度学习的考生异常行为检测方法，主要包括步骤：首先读取检测区域监控视数据，采用YOLOv4目标检测方法进行人体检测，得到人体框位置坐标，在视频帧上面进行剪裁，得到考生的行为子图，进行人工标注，制作行为异常检测数据集，设计考生异常行为检测网络模型，进行网络训练，再采用训练好的行为异常检测模型对实时图像进行分析检测，以得到视频中人体的行为检测结果。本发明判断结果准确，可提高视频监控的效率，为电子监考系统增加了异常行为识别的功能，降低电子监考对于人力的依赖，让电子监考真正发挥作用，促进了考试的公平公正。
一种基于深度学习考生异常行为检测方法

[发明专利]一种基于几何属性的锚点生成方法-CN201910749521.X有效
发明人： 丁新涛;张琦;王万军;接标;杭后俊;李汪根;周文;卞维新 -专利权人：安徽师范大学
申请日： 2019-08-14 - 公布日： 2022-06-07 - 主分类号： G06V10/762 文献下载
摘要：本发明公开了一种基于几何属性的锚点生成方法，属于深度学习领域，方法步骤包括：步骤一、提取图像中所有标注边界框的坐标，将标注边界框的宽和高均进行归一化；步骤二、通过欧氏距离对标注边界框的宽高比进行聚类；步骤三、通过SIoU距离对标注边界框的尺寸进行聚类；步骤四、以尺寸和宽高比聚类中心为间断点，生成尺寸和宽高比向量的锚点。本发明通过对标注边界框归一化，对标注边界框的宽高比及尺寸进行聚类，所生成的锚点包含目标的几何属性，可提取区域建议，以提高目标检测的精度。
一种基于几何属性生成方法

[发明专利]换电站的控制方法及系统-CN201811640883.7有效
发明人： 丁新涛 -专利权人：奥动新能源汽车科技有限公司
申请日： 2018-12-29 - 公布日： 2022-03-22 - 主分类号： B60L53/80 文献下载
摘要：本发明公开了一种换电站的控制方法及系统，所述控制方法包括：获取换电站的站点画像数据；根据所述站点画像数据控制所述换电站中第一设定数量的充电仓停止或运行。本发明通过获取换电站的站点画像数据，判断换电站处于高峰换电状态或空闲状态；当处于高峰换电状态时，控制换电站中第一设定数量的充电仓停止运行，从而实现根据实际情况合理安排充电，节省了能源，且延长了电池的使用寿命。
电站控制方法系统

[发明专利]一种面向脑网络的结构化特征选择方法-CN201810818259.5有效
发明人：接标;王咪;卞维新;丁新涛;左开中;方群;罗永龙 -专利权人：安徽师范大学
申请日： 2018-07-23 - 公布日： 2022-03-01 - 主分类号： G06V10/771 文献下载
摘要：一种面向脑网络的结构化特征选择方法，考虑到对于脑网络这类的复杂数据通常使用网络局部测量作为特征向量用于随后的特征选择和分类，而忽略了网络自身固有的拓扑结构的信息，从而影响到网络分析的性能，提出了一种基于图核的结构化特征选择方法gk‑SFS方法，包含两个正则化项，其一是稀疏正则化项，该项包含了一个L1范式正则化项，保证只有少量的判别力的网络特征能被选择；其二是拉普拉斯正则化项，用于保留脑网络数据的整体分布信息，并使用图核来计算网络数据的相似性，保留了脑网络数据的拓扑结构信息。在两个真实脑疾病数据集上，实验结果表明，相比较已有的方法，提出的方法对脑疾病具有更好的性能。
一种面向网络结构特征选择方法

[实用新型]一种金属制品的切边装置-CN202120481094.4有效
发明人：王丽丽;张春华;丁新涛 -专利权人：威海泰源自动化科技有限公司
申请日： 2021-03-05 - 公布日： 2021-12-21 - 主分类号： B23D19/00 文献下载
摘要：本实用新型公开了一种金属制品的切边装置，包括工作台、安装架、切割结构、支撑板和定位板，所述转动丝杆外壁螺纹套接有螺母套，所述螺母套外壁的底部通过螺栓固定安装有切割结构，所述安装架内侧底部的一侧通过螺栓固定安装有支撑板，所述安装架内侧靠近所述支撑板的一侧通过螺栓固定安装有定位板，所述定位板表面的一侧均匀插接有连接杆；本实用新型伸缩弹簧回弹复位通过连接杆推动夹持板向下移动，从而缩小夹持板和支撑板之间的距离，通过夹持板将金属板材固定住，然后通过切割结构对金属板材进行切边处理，这样方便了金属板材切边宽度的调节，同时方便了待切边金属板材的固定，从而提高了金属板材的切边效率。
一种金属制品切边装置

[发明专利]一种基于卷积神经网络的静态脑网络特征提取方法和系统-CN202111097531.3在审
发明人：接标;董鹏;林凯;周文;丁新涛;卞维新;郑明;罗永龙 -专利权人：安徽师范大学
申请日： 2021-09-18 - 公布日： 2021-12-14 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种基于卷积神经网络的静态脑网络特征提取方法，包括：通过计算每个脑区之间的皮尔逊系数来构成静态脑网络；采用参数大小为[32,32,64,32]的卷积神经网络对静态脑网络进行处理以提取相应的脑区特征；在卷积神经网络后连接两层卷积层，两个卷积层的卷积核的大小分别是32和16，步长为116；将经过卷积层处理之后维度大小为1*1*32的脑区特征送入两层大小分别为64和32的全连接层继续提取特征，再采用SoftMax逻辑回归函数来进行脑疾病的诊断和分类。本发明能够学习出更具有判别力和解释性的特征，可以明显提高脑疾病分类的性能，对脑疾病诊断具有更好的分类性能。
一种基于卷积神经网络静态网络特征提取方法系统

[发明专利]基于卷积网络和长短期记忆网络的脑网络特征提取方法-CN202111077853.1在审
发明人：接标;林凯;董鹏;吴康乐;丁新涛;卞维新;郑明;罗永龙 -专利权人：安徽师范大学
申请日： 2021-09-15 - 公布日： 2021-12-10 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种基于卷积网络和长短期记忆网络的脑网络特征提取方法，包括：将静息状态功能磁共振成像的整个时间序列分割成若干个连续且重叠的时间窗口；计算每个时间窗口内成对脑区时间序列的Pearson相关系数作为脑区对的连接权重，构建动态功能连接网络；将每个时间窗口的功能连接网络按行展开成一维向量，依次排列构成动态特征矩阵；将动态特征矩阵沿时间维度和空间维度连续进行三层卷积操作，得到高层次脑网络特征；将学到的高层次脑网络特征转换为有序特征序列，利用长短期记忆网络挖掘序列间的相互作用，得到时序动态特征。本发明能够利用卷积网络和长短期记忆网络等深度学习框架，通过数据驱动的方式学习高层次特征和时序动态特征。
基于卷积网络短期记忆特征提取方法

[实用新型]一种旋转液压麻花机-CN202120481118.6有效
发明人：王丽丽;丁新涛;张春华 -专利权人：威海泰源自动化科技有限公司
申请日： 2021-03-05 - 公布日： 2021-10-29 - 主分类号： A21C3/04 文献下载
摘要：本实用新型公开了一种旋转液压麻花机，包括：支撑结构，所述支撑结构包括底座和支撑板，所述底座上方的一端固定设置有支撑板；输料结构，所述输料结构位于底座的上方，所述输料结构包括支架、传送带、转轴和第一电机，所述底座的上方固定设置有支架。本实用新型通过第一液压缸带动下压板进行移动，可以将面团从下料孔中挤出，能够形成三个条形面团，当三条面团落到固定框内时，通过第二液压缸带动挤压板移动可以将三条面团挤压在一起，然后通过第二电机带动固定框转动，从而可以带动三条面团交叉形成麻花，制作完成后只需用刀从储料罐底部将成型后的麻花切断，就能使成型的麻花落在传送带上，方便进行流水线作业。
一种旋转液压麻花

[实用新型]一种金属制品加工用检测平台-CN202120479505.6有效
发明人：王丽丽;丁新涛;荣鹏飞 -专利权人：威海泰源自动化科技有限公司
申请日： 2021-03-05 - 公布日： 2021-10-19 - 主分类号： H05K5/02 文献下载
摘要：本实用新型公开了一种金属制品加工用检测平台，包括装置主体，所述装置主体的底部开设有支脚，所述装置主体的上端通过螺栓固定安装有固定板，所述固定板的内侧开设有传送带，所述传送带的两侧均开设有挡板，所述装置主体上端的中部位置开设有扫描装置；本实用通过设置的外壳及其相匹配的辅助结构，提供了一种可拆卸式的扫描装置，其外侧的保护板体可进行拆卸，内侧开设有密封胶圈进行密封，同时设置在扫描仪表面的导热片以及铜管提供温度的传递，能够保证将热量传递至两侧以及上端的盖板上，进而保证温度能够在外部进行溢散。
一种金属制品工用检测平台

[实用新型]一种金属制品加工用夹具-CN202120479506.0有效
发明人：王丽丽;张春华;丁新涛 -专利权人：威海泰源自动化科技有限公司
申请日： 2021-03-05 - 公布日： 2021-10-19 - 主分类号： B23Q3/06 文献下载
摘要：本实用新型公开了一种金属制品加工用夹具，包括两个限位架，所述限位架的外侧开设有移动套，两个所述移动套的内侧均固定安装有第一连接轴，所述第一连接轴的内侧固定安装有固定套，所述固定套的一侧开设有压板，所述固定套的另一侧开设有第二连接轴；本实用通过设置的压板、垫板及其相匹配的辅助结构，能够在进行使用时，提供可形变的夹持结构，能够对不同形状的金属制品进行夹持，并且能够进行旋转和拉伸的调节操作，能够适应不同的加工方式以及不同规格的金属制品的夹持。
一种金属制品工用夹具

[发明专利]一种基于图形基元的双模深度学习描述子构造方法-CN201811317282.2有效
发明人： 丁新涛;左开中;汪金宝;接标;俞庆英 -专利权人：安徽师范大学
申请日： 2018-11-07 - 公布日： 2021-08-27 - 主分类号： G06K9/46 文献下载
摘要：本发明适用于图像配准技术领域，提供了一种基于图形基元的双模深度学习描述子构造方法，该方法别通过标注样本学习补丁图像的属性类别，利用图形基元学习补丁图像的几何特征，将属性类别与几何特征融合进而得到局部补丁图像的特征向量，也即：基于图形基元的描述子。通过描述子向量的相似完成补丁之间的配准，实现了基于机器学习描述子的分类刻画，本发明提出的基于图形基元的双模深度学习描述子构造方法，针对经典图像配准方法CPU计算量较大的弊端，探索GPU(图像处理器)计算的描述子分类方法。主要建立描述子训练集，构建多模卷积网络，在GPU上训练类别与几何模式，实现局部补丁图像的分类配准。解决描述子的分类描述方法，以及GPU上的实现问题。
一种基于图形双模深度学习描述构造方法

[发明专利]一种基于关键点的区域建议生成方法-CN201910717208.8有效
发明人： 丁新涛;汪金宝;卞维新;接标 -专利权人：安徽师范大学
申请日： 2019-08-05 - 公布日： 2021-08-27 - 主分类号： G06K9/32 文献下载
摘要：本发明适用于深度学习技术领域，提供一种基于关键点的区域建议生成方法，包括如下步骤：S1、对关键点集D进行二样本抽样并生成矩形框；S2、建立各矩形框的正负标签及回归值数组；S3、基于面积大小对矩形框进行分组，基于组别数来构建表示正负标签的特征立方体，称为标签特征；S4、基于4倍组别数来构建表示回归变量的特征立方体，称为回归特征；S5、将矩形框的正负标签映射到标签特征上；S6、将矩形框的回归值数组映射到回归特征上；S7、将标签特征和回归特征代入已知的卷积网络训练，生成区域建议。提供了一种基于关键点的区域建议生成方法，将目标的局部属性应用于区域建议，提高了区域建议的智能性、针对性。
一种基于关键区域建议生成方法

1
2
下一页»
尾页
共 28 条