一种应用于综合管廊未授权人员识别与搜索方法

    公开(公告)号:CN116310897A

    公开(公告)日:2023-06-23

    申请号:CN202310162801.7

    申请日:2023-02-24

    Abstract: 本发明属于航空遥感图像处理与分析领域,提供一种应用于综合管廊未授权人员识别与搜索方法,包含以下步骤:采集城市综合管廊工作人员的图像,提取特征向量,搭建数据库;通过训练多粒度网络,得到预训练网络模型;通过YOLO V5算法识别摄像头采集图像中的行人,并将识别结果通过MGN网络,与综合管廊工作人员的特征向量进行相似度判断,确定是否为综合管廊注册的工作人员;针对未授权人员的图像,记录未授权人员的图像特征并进行编号,并与未授权人员数据库中的特征向量进行比对,识别出未授权人员,并发出警报。本发明对城市综合管廊未授权人员精准识别,实用性强,准确度高,并搭建了未授权人员的数据库,为未授权人员的识别提供了基础。

    一种应用于无人机航拍图像的罂粟智能识别方法及系统

    公开(公告)号:CN116246184A

    公开(公告)日:2023-06-09

    申请号:CN202310126143.6

    申请日:2023-02-17

    Abstract: 本发明属于图像识别领域,提供了一种应用于无人机航拍图像的罂粟智能识别方法及系统,包括利用无人机获取罂粟航拍图像,并进行预处理;基于预处理后的罂粟航拍图像,利用预先训练好的罂粟植物目标检测模型进行识别,得到罂粟识别结果;其中,所述罂粟植物目标检测模型,包括主干网络、颈网络和检测头网络;所述主干网络包括五个检测单元和一个空间金字塔池化网络;所述第一检测单元为Focus模块;所述第二检测单元以及第五检测单元均是由CSP Bottleneck和下采样层组成;所述第三检测单元以及第四单元是自适应空间相关金字塔注意力机制模型。本发明提出的模型能够处理复杂背景下的罂粟原植物目标识别问题,减少漏检率。

    一种命令行跟踪的方法及装置
    3.
    发明公开

    公开(公告)号:CN118503961A

    公开(公告)日:2024-08-16

    申请号:CN202310109630.1

    申请日:2023-02-14

    Abstract: 本发明公开了一种命令行跟踪的方法及装置,解决现有技术中命令行跟踪方法容易被黑客绕过,性能开销大,移植性差的技术问题。本发明提供的命令行跟踪的方法及装置,1)命令行跟踪设置组件,配置用户空间探测点、命令行解释程序的路径;2)跟踪组件,读取命令行设置组件中的配置,解析其中每部分内容,包括命令行解释程序的路径、被跟踪函数、相关信息输出的语句,然后将解析后的内容传递给底层虚拟机组件,即llvm组件;3)底层虚拟机组件是一种将语句编译成字节码的工具,底层虚拟机组件将语句编译成字节码,返回给跟踪组件;4)跟踪组件运行字节码。可广泛应用于信息安全技术领域。

    基于深度学习的水库多时间点智能水位预测方法及系统

    公开(公告)号:CN115860272B

    公开(公告)日:2023-06-30

    申请号:CN202310145586.X

    申请日:2023-02-22

    Abstract: 本公开提供了一种基于深度学习的水库多时间点智能水位预测方法及系统,涉及水位预测技术领域,包括采集过去某个时间段内待预测水库每小时水位信息以及水库每小时降雨量信息;获取每个时间单位最终降雨量信息以及水位信息;将每个时间单位降雨量信息利用VBRA神经网络进行特征提取,提取出的特征与该时间单位平均降雨量信息和水位信息形成该时间单位新的特征向量;将新的特征向量输入VBRA网络的输出再输入到VCRA神经网络,所述VCRA神经网络的输出作为BLSTM神经网络的堆输入向量,提取各个时间点的水位信息,将各个时间点水位信息输入至FC神经网络,预测未来一周内的水位。本公开能够精准预测水库水位信息。

    基于深度学习的水库多时间点智能水位预测方法及系统

    公开(公告)号:CN115860272A

    公开(公告)日:2023-03-28

    申请号:CN202310145586.X

    申请日:2023-02-22

    Abstract: 本公开提供了一种基于深度学习的水库多时间点智能水位预测方法及系统,涉及水位预测技术领域,包括采集过去某个时间段内待预测水库每小时水位信息以及水库每小时降雨量信息;获取每个时间单位最终降雨量信息以及水位信息;将每个时间单位降雨量信息利用VBRA神经网络进行特征提取,提取出的特征与该时间单位平均降雨量信息和水位信息形成该时间单位新的特征向量;将新的特征向量输入VBRA网络的输出再输入到VCRA神经网络,所述VCRA神经网络的输出作为BLSTM神经网络的堆输入向量,提取各个时间点的水位信息,将各个时间点水位信息输入至FC神经网络,预测未来一周内的水位。本公开能够精准预测水库水位信息。

Patent Agency Ranking