李丽
- 作品数：37 被引量：10H指数：3
- 供职机构：武汉纺织大学更多>>
- 发文基金：湖北省教育厅科学技术研究项目湖北省高等学校优秀中青年科技创新团队计划项目湖北省教育厅青年基金更多>>
- 相关领域：自动化与计算机技术轻工技术与工程文化科学一般工业技术更多>>
- 经编压纱织物线圈的三维建模与动态仿真被引量：3
- 2012年
- 通过对编链、六角网、经平和压纱等线圈三维模型的分析,根据各组织线圈结构特点,确定用同样曲线模拟织物结构,确定控制点的数目和位置,建立此类织物结构的理论模型,运用VC++程序进行编程,实现了压纱经编织物较好的仿真效果。
- 秦敏陈少凤王响李丽邓中民
- 关键词：经编三维仿真线圈模型控制点
- 一种基于网络融合与图嵌入的病毒-宿主关联预测方法
- 本发明公开了一种基于网络融合与图嵌入的病毒‑宿主关联预测方法，通过使用相似网络融合方法和图嵌入方法分别构造了两种病毒‑病毒相似网络和宿主‑宿主相似网络，并提出一种图挖掘的方式，即从图中提取元路径得分，基于这种图挖掘的方式...
- 朱强 代庆辉李丽胡新荣
- 基于图神经网络的多模态个性化服装推荐方法
- 本发明公开了一种基于图神经网络的多模态个性化服装推荐方法，该方法通过分析用户和服装之间的交互数据，有效去除噪声并精确挖掘用户偏好。本发明提出了一种新的个性化服装推荐模型RGCN，该模型结合四种图神经网络处理不同关系，这些...
- 李丽吴枫王娟谢耀冲彭涛王兆静李震威胡新荣
- 基于RSS-YOLOv5s模型的现代汉服风格检测方法
- 2024年
- 汉服做为一种穿着时尚,深受年轻人的喜爱,但现代汉服的风格信息却难以被许多汉服爱好者准确辨识。在YOLOv5s模型的基础上,插入Repvgg模块的同时,引入SE注意力机制来提高模型的网络特征提取能力;使用SIoU_Loss优化损失函数提升边界框定位精度,从而达到实时检测汉服风格的目的。结果表明:该算法明显改善多项评价指标,整体精确率达到92.4%,召回率达到91.6%,平均精度均值达到91.8%,单张图像推理时间仅需15.0 ms。该方法能够快速准确地辨识汉服风格,帮助人们了解现代汉服的风格特征,为中华优秀传统文化的传承发展提供技术支持。
- 张俊杰蒋博闻袁桦李丽李丽
- 一种基于双掩码引导的高反光皮革表面缺陷检测方法
- 本发明公开了一种基于双掩码引导的高反光皮革表面缺陷检测方法，主要解决当前高反光皮革制品的检测饱受高光干扰检测难度大的问题。包括：搭建一个双掩码指导的集联镜面高光检测与去除的缺陷检测模型，模型由多个大窗口注意力模块和MLP...
- 李丽王帅宾原少将彭涛胡新荣马凯郭玉柳谢雨轩
- 一种基于网络融合与图嵌入的病毒-宿主关联预测方法
- 本发明公开了一种基于网络融合与图嵌入的病毒‑宿主关联预测方法，通过使用相似网络融合方法和图嵌入方法分别构造了两种病毒‑病毒相似网络和宿主‑宿主相似网络，并提出一种图挖掘的方式，即从图中提取元路径得分，基于这种图挖掘的方式...
- 朱强 代庆辉李丽胡新荣
- 文献传递
- 一种基于掩码重建机制的多模态工业异常检测方法和系统
- 本发明公开了一种基于掩码重建机制的多模态工业异常检测方法和系统，该方法针对工业生产中获取高质量标注数据集难，以及3D多模态数据融合利用难等问题，摒弃预训练模型与记忆库方法，采用基于重构的方式处理点云和RGB图像，以此降低...
- 李丽付志辉吴枫王兆静彭涛徐佳琪
- 一种基于知识关联和异常行为混合的分层注意力认知诊断方法
- 本发明提供了一种基于知识关联和异常行为混合的分层注意力认知诊断方法，采用图神经网络技术来聚合试题文本、概念、难度等异构试题属性，通过邻居节点更新以获取知识关联；采用基于工作记忆容量的短期注意力机制来聚合时序中关联的前序知...
- 杨华利黄涛耿晶胡盛泽贺德富李丽卢烨文
- 基于图神经网络的多模态个性化服装推荐方法
- 本发明公开了一种基于图神经网络的多模态个性化服装推荐方法，该方法通过分析用户和服装之间的交互数据，有效去除噪声并精确挖掘用户偏好。本发明提出了一种新的个性化服装推荐模型RGCN，该模型结合四种图神经网络处理不同关系，这些...
- 李丽吴枫王娟谢耀冲彭涛王兆静李震威胡新荣
- 基于多头软注意力图卷积网络的行人轨迹预测
- 2023年
- 行人间交互作用的复杂性给行人轨迹预测带来了挑战,且现有算法难以捕获行人间有意义的交互信息,不能直观地建模行人间的交互作用。针对以上问题,提出多头软注意力图卷积网络。首先利用多头软注意力(MS ATT)结合内卷网络Involution分别从空间图和时间图输入中提取稀疏空间和稀疏时间邻接矩阵,生成稀疏空间和稀疏时间有向图;然后,利用图卷积网络(GCN)从稀疏空间和稀疏时间有向图中学习交互作用与运动趋势特征;最后,将学习到的轨迹特征输入时间卷积网络(TCN)以预测双高斯分布参数,生成行人预测轨迹。在ETH和UCY数据集上的实验结果表明:相较于空时社交关系池化行人轨迹预测模型(SOPM),所提算法的平均位移误差(ADE)降低了2.78%;相较于稀疏图卷积网络(SGCN),所提算法的最终位移误差(FDE)降低了16.92%。
- 彭涛康亚龙余锋张自力刘军平胡新荣何儒汉李丽
