“巫义锐”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41个，建议您升级VIP下载更多相关专利

[发明专利]一种基于时空图卷积网络的人体行为识别方法-CN202310365065.5在审
发明人：黄倩;朱萧伟;胡鹤轩;李畅;巫义锐;袁驰 -专利权人：河海大学;南京荟英电子科技有限公司
申请日： 2023-04-07 - 公布日： 2023-10-27 - 主分类号： G06V40/20 文献下载
摘要：本发明公开一种基于时空图卷积网络的人体行为识别方法，该方法基于部位级时空图卷积网络模型，对人体行为进行了识别，其包括如下步骤：构建原始骨骼序列数据集并对原始骨骼序列数据集进行预处理；构建部位级时空图卷积网络模型，包括空间建模网络、时间建模网络和分类器；将预处理后的原始骨骼序列数据集划分为训练集和测试集，输入部位级时空图卷积网络模型中进行训练；将待识别的数据输入训练后的部位级时空图卷积网络模型中，得到识别结果。本发明能够推动建立更精确的关节拓扑，能够更充分学习人体各部分的动作频率和趋势，实现了一种高效的，准确率更高的人体行为识别方法。
一种基于时空图卷网络人体行为识别方法

[发明专利]一种基于多尺度特征融合增强的结肠息肉图像息肉分割方法及系统-CN202210289442.7在审
发明人： 巫义锐;王岩松 -专利权人：河海大学
申请日： 2022-03-23 - 公布日： 2023-10-10 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于多尺度特征融合增强的结肠息肉图像息肉分割方法，所述方法包括：将待分割图像输入编码器网络进行连续卷积池化生成多个不同尺度的特征图；将不同尺度的特征图输入多尺度特征融合增强模块中，得到多个不同尺度的富含了多尺度信息的特征图，并输入解码器；在解码器网络中，将不同尺度的富含了多尺度信息的特征图经过多次迭代后生成的特征图用于完成对结肠息肉图像的息肉分割，并输出分割结果图。
一种基于尺度特征融合增强结肠息肉图像分割方法系统

[发明专利]一种知识和数据融合驱动的洪水预报模型参数在线优化方法-CN202310696139.3在审
发明人：冯钧;张继茹;王文鹏;巫义锐;陆佳民;刘学毅;闫蓉昊;倪天宇;林俊 -专利权人：河海大学
申请日： 2023-06-13 - 公布日： 2023-09-19 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种知识和数据融合驱动的洪水预报模型参数在线优化方法，分析流域预热期数据样本，对时序数据进行洪水场次划分以及特征提取；基于空间贡献分析确定调整水利对象，根据流域特征确定调整洪水特征量，查询水利计算对象相应模型；基于知识图谱匹配模型在洪水调整特征量下的敏感参数和调整方向，匹配参数优化范围；在线提取特征并匹配相似模式，和所得参数方向和范围进行比对，若不一致修订参数取值范围；将所得参数范围更新至参数率定文件，并运行参数率定算法，记录参数寻优范围拟定的决策过程；优化效果后评估与反馈。本发明通过知识和数据融合驱动，实现洪水预报模型参数智能在线优化，提高业务处理的效率。
一种知识数据融合驱动洪水预报模型参数在线优化方法

[发明专利]一种基于骨骼序列的人体行为识别方法-CN202310365069.3在审
发明人：黄倩;崔静雯;胡鹤轩;李畅;巫义锐;袁驰 -专利权人：河海大学;南京河研创科技有限公司
申请日： 2023-04-07 - 公布日： 2023-09-05 - 主分类号： G06V40/20 文献下载
摘要：本发明公开一种基于骨骼序列的人体行为识别方法，包括如下步骤：获取待识别视频中人体骨骼数据，对人体骨骼数据进行预处理，构建无向时空图，得到人体骨骼时空图；构建基于自适应图卷积的时空特征提取模块，输入无向时空图，提取时空特征信息；构建基于自注意力的时空特征图切分编码模块，输入时空特征信息，进行编码处理，得到编码处理后的时空特征信息；将编码处理后的时空特征信息经过全局平均池化层和全连接层的处理，输出得到置信度最高的动作类别，完成人体行为识别。本发明的人体行为识别方法，提高了图卷积的灵活性；使得提取的特征更加关注有利信息，避免信息冗余；减弱了图卷积严格的邻域约束，使得模型更加轻量。
一种基于骨骼序列人体行为识别方法

[发明专利]一种基于分布自适应图注意力网络的洪水预报方法-CN202310576085.7在审
发明人：冯钧;茆元慧;陆佳民;巫义锐 -专利权人：河海大学
申请日： 2023-05-22 - 公布日： 2023-09-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于分布自适应图注意力网络的洪水预报方法，包括：对收集的目标流域数据进行预处理，构建流域数据集，生成水文站节点同质图；进行降雨时序数据分布相似性表征，得到降雨分布最不相似的K段多元时间序列；利用水文站节点同质图和多元时间序列，通过图注意力网络GAT和循环神经网络GRU进行洪水预报泛化模型的训练；通过洪水预报泛化模型进行洪水预报。本发明使用图神经网络结合循环神经网络联合学习空间特征信息和时间特征信息，并借鉴自注意力机制增强了水文特征要素中的关键信息，从而能够更高效地捕获时序信息，并且提高洪水预报的准确度。
一种基于分布自适应注意力网络洪水预报方法

[发明专利]一种自然场景火焰检测的方法-CN201811108891.7有效
发明人： 巫义锐;何粤超;郭红鑫;李子铭;贾柠晖 -专利权人：河海大学
申请日： 2018-09-21 - 公布日： 2023-09-05 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种自然场景火焰检测的方法，属于消防领域。本发明包括以下步骤：步骤1，提取输入图像的最大稳定极值区域；步骤2，通过最大稳定极值区域的色彩特征和面积来过滤多余的极值区域，得到火焰候选区域；步骤3，将火焰候选区域输入到卷积神经网络模型中提取卷积特征；步骤4，将提取出的卷积特征输入到训练好的支持向量机分类器中进行分类，判断是否真的为火焰；步骤5，将火焰区域合并，得到最终的火焰区域。本发明具有很强的鲁棒性，检测效果好，可以准确完成火焰检测任务。
一种自然场景火焰检测方法

[发明专利]一种基于光流引导的特征空间上下文视频压缩方法和系统-CN202310489789.0在审
发明人：黄倩;王一鸣;胡鹤轩;巫义锐;袁驰;孙华山 -专利权人：河海大学;南京荟英电子科技有限公司
申请日： 2023-05-04 - 公布日： 2023-09-01 - 主分类号： H04N19/172 文献下载
摘要：本发明公开一种基于光流引导的特征空间上下文视频压缩方法和系统，方法包括如下步骤：选取给定视频序列中的当前帧和参考帧并依次进行预处理、光流引导处理、上下文压缩处理和帧重建处理，得到当前帧的重建帧；再构建损失函数，并在PSNR度量标准和MS‑SSIM度量标准下，分别对评价指标模型进行训练，得到训练完毕的模型；对待压缩的当前帧和参考帧进行上述的操作处理，并输入训练完毕的模型进行P帧压缩，输出得到压缩重建后的当前帧。本发明的特征空间上下文视频压缩方法解决了特征空间中偏移图溢出的问题，提高了重建帧的图像质量；利用上下文压缩模块提取时间先验和分层先验，进一步提高了视频帧的压缩比。
一种基于引导特征空间上下文视频压缩方法系统

[发明专利]一种基于时空信息的暴力行为的识别报警方法-CN202310365076.3在审
发明人：黄倩;薛皓文;胡鹤轩;李畅;巫义锐;袁驰 -专利权人：河海大学;南京河研创科技有限公司
申请日： 2023-04-07 - 公布日： 2023-08-04 - 主分类号： G06V40/20 文献下载
摘要：本发明公开一种基于时空信息的暴力行为的识别报警方法，包括如下步骤：构建物理层：采集动作视频并进行数据传输；构建数据处理层：对物理层中所得数据进行划分处理并生成动作特征图；根据数据处理层所得动作特征图计算人体运动中的时空特征信息；构建行为识别层：首先使用复合神经网络构建识别模型；然后对识别模型进行训练；最后将待识别数据输入训练后的识别模型中，得到输出结果；构建控制层：建立动作行为与报警关联库的匹配关系，得到自动识别指令，根据行为识别层的输出结果触发自动识别指令。本发明的报警识别方法为行为识别提供上下文信息从而有效区分相似动作，解决暴力行为识别滞后性问题，提高智能报警系统的可靠性和实时性。
一种基于时空信息暴力行为识别报警方法

[发明专利]一种基于空间建模和改进LSTM的未测量流域径流预测方法-CN202310152699.2在审
发明人：胡鹤轩;关壮;张鹏程;陆佳民;胡强;张晔;胡震云;巫义锐 -专利权人：河海大学
申请日： 2023-02-22 - 公布日： 2023-07-14 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于空间建模和改进LSTM的未测量流域径流预测方法，包括：分析目标流域的静态特征数据并引入先验知识；对未测量流域进行空间化建模，在数据处理上将原本测量站的数据按分水岭划分为多个子流域；将这些网格化的气象强迫数据，作为自变量输入进预测方法的网络模型中；搭建带有静态输入门的LSTM网络模型，用于对目标流域径流预测；使用纳什效率函数和Adam策略优化网络模型训练；在目标流域上应用训练好的网络模型进行径流预测，并使用SAC‑SMA模型对预测结果进行校准。本发明方法精度高、物理解释性和参数可迁移性强。
一种基于空间建模改进 lstm 测量流域径流预测方法

[发明专利]一种基于笛卡尔积遗传规划的水文预报方法-CN202310170759.3在审
发明人：胡鹤轩;钱泽宇;张鹏程;胡强;张晔;胡震云;巫义锐 -专利权人：河海大学
申请日： 2023-02-27 - 公布日： 2023-07-07 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于笛卡尔积遗传规划的水文预报方法，包括：收集水文数据，构建流域水文数据集；生成初始种群即若干个可以解码成神经网络的个体；初始化种群的迭代次数，开始迭代；计算评估种群中每个个体的适应度，采取锦标赛法选取下一代种群的亲本个体；对亲本个体随机选择算子进行遗传操作，生成下一代种群；种群的迭代次数加一，判断种群迭代次数是否等于最大迭代次数，若是则迭代结束，输出最终种群中适应度最高个体，作为模型训练结果；评估训练得到模型的性能。本发明能够克服传统神经网络固定拓扑造成的灾难性遗忘和数据需求量庞大等问题，可有效提高计算效率与迁移能力，而且具有一定的物理可解释性。
一种基于笛卡尔遗传规划水文预报方法

[发明专利]一种基于改进残差卷积网络inception块结构的人脸情绪识别方法-CN202310149159.9在审
发明人：胡鹤轩;张鲁峰;黄倩;杨天金;巫义锐;胡强;张晔 -专利权人：河海大学
申请日： 2023-02-22 - 公布日： 2023-07-04 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于改进残差卷积网络inception块结构的人脸情绪识别方法，包括步骤：收集FER2013数据集并对FER2013数据集进行数据预处理，划分为80％训练集和20％测试集，得到用于模型训练与测试的图像集：搭建改进inception块结构的轻量级残差卷积网络，使用预处理后的训练集进行训练，使用恒等映射增强网络训练效果，拓展网络宽度与卷积深度；选取Softmax特征分类器作为模型特征分类器；使用改进inception块结构的轻量级残差卷积网络进行人脸情绪识别，输出人脸情绪识别结果。本发明可解决网络退化、网络参数量大和网络过拟合等问题，人脸情绪识别精度高。
一种基于改进卷积网络 inception 结构情绪识别方法

[发明专利]一种基于自适应融合模块和跨阶段AU-Net网络的病理细胞图像分割方法及其系统-CN202211711702.1在审
发明人：胡鹤轩;张建宇;黄倩;杨天金;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴 -专利权人：河海大学;玖壹叁陆零医学科技南京有限公司
申请日： 2022-12-29 - 公布日： 2023-05-16 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于自适应融合模块和跨阶段AU‑Net网络的病理细胞图像分割方法及其系统，其AU‑Net网络包含跨阶段模块、自适应融合模块和密集空洞卷积块。其谅包括：搭建基础的U‑Net网络结构，其编码、解码路径包括卷积操作和采样操作；将跨阶段模块分别应用到U‑Net模型的编码路径和解码路径当中，增强信息的表述能力；在添加跨阶段模块后的U‑Net的编码路径中引入自适应融合模块，以增加关键区域的权重，进而提高病理细胞图像的分割精度；使用密集空洞卷积块来替换加入了跨阶段模块和自适应融合模块后的U‑Net中连接编码路径和解码路径所用的卷积块。本发明可有效增强网络的学习能力，提升图像分割精度。
一种基于自适应融合模块阶段 au net 网络病理细胞图像分割方法及其系统

[发明专利]一种基于改进的YOLOv7和Swin-Unet的异常细胞检测方法-CN202211726362.X在审
发明人：胡鹤轩;方晓杰;黄倩;杨天金;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴 -专利权人：河海大学;玖壹叁陆零医学科技南京有限公司
申请日： 2022-12-29 - 公布日： 2023-04-14 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进的YOLOv7和Swin‑Unet的异常细胞检测方法，包括：收集病理细胞涂片图像，制作异常细胞检测数据集和分割数据集；搭建改进的YOLOv7模型并进行训练；搭建检测结果筛选模块，对检测网络输出图像中的细胞进行分类；搭建Swin‑Unet模型并进行训练，用于重叠细胞团图像的分割：以Unet模型为基础，针对多尺度下的细胞图像的局部关系与全局关系，引用Swin‑Transformer模块进行采样；使用改进的YOLOv7和Swin‑Unet模型进行异常细胞检测。本发明充分利用细胞检测时的上下文信息，有效处理难检的细胞团，可在保证检测速率的前提下大大提高准确率和召回率。
一种基于改进 yolov7 swin unet 异常细胞检测方法

[发明专利]一种基于虚拟对抗训练网络的半监督宫颈癌图像分类方法-CN202211711731.8在审
发明人：胡鹤轩;杨天金;黄倩;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴 -专利权人：河海大学;玖壹叁陆零医学科技南京有限公司
申请日： 2022-12-29 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于虚拟对抗训练网络的半监督宫颈癌图像分类方法，包括：收集宫颈癌图像数据集，得到用于半监督网络的训练数据集和测试数据集；对训练数据集中标注和未标注的宫颈癌图像进行数据增强，包括对宫颈癌图像进行平移变换、旋转变换、缩放变换；搭建主干网络，包括AlexNet和混合注意力机制；搭建虚拟对抗训练网络，采用给定的输入并且增加扰动，模型给出不同的输出；模型因扰动对灵敏度进行处罚；宫颈癌图像通过虚拟对抗训练网络得到相关的特征并送入分类器进行分类，最终对测试的宫颈癌图像输出所属类别。本发明可充分利用已标注数据以及未标注数据，通过模型进行分类，从而辅助医生更好的诊断和治疗。
一种基于虚拟对抗训练网络监督宫颈癌图像分类方法

[发明专利]一种基于改进的YOLOv5和EfficientNet的细胞病理图像异常检测方法-CN202211710730.1在审
发明人：胡鹤轩;卜永玺;黄倩;杨天金;胡强;巫义锐;张晔;狄峰;胡震云;周晓军;沈勤;吕京澴 -专利权人：河海大学;玖壹叁陆零医学科技南京有限公司
申请日： 2022-12-29 - 公布日： 2023-04-07 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于改进的YOLOv5和EfficientNet的细胞病理图像异常检测方法，包括：获取细胞涂片的数字扫描图像作为原始输入图像；带有重叠的裁剪原始输入图像作为裁剪后图像；使用改进的YOLOv5模型检测裁剪后图像中所有异常细胞和异常细胞簇并得到其位置与大小信息；使用此位置与大小信息，从裁剪后图像中裁剪出异常细胞和异常细胞簇目标图像，并对目标图像进行裁剪和填充；使用改进的EfficientNet模型对目标图像分类，得到其分类结果；汇总目标图像分类结果和其位置与大小信息作为异常检测最终结果显示在原始输入图像上。本发明将检测划分为定位与分类任务，可有效提高异常查全率和检测精度。
一种基于改进 yolov5 efficientnet 细胞病理图像异常检测方法

1
2
3
下一页»
尾页
共 41 条