-
公开(公告)号：CN119458318A
公开(公告)日：2025-02-18
申请号：CN202411516231.8
申请日：2024-10-29
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于大数据和智能制造的装配优化方法，包括特征分析模块根据若干装配特征点和若干组合特征点得到目标待装配面的第一装配角度特征和目标组合面的第二装配角度特征；点位关联模块根据方位相似度建立每个待装配基准点与每个组合基准点之间的空间点位映射关系；动作分解模块对装配机器人的装配动作进行实时分析以得到对应的装配运动方向和装配运动距离；误差分析模块根据装配运动方向、装配运动距离、第二装配角度特征和第一装配角度特征进行误差分析以得到组装方向偏离误差；方位修正模块对装配机器人的运动轨迹和组装角度进行实时修正以得到对应空间运动点上的方位修正参数，并将所述方位修正参数发送至对应的装配机器人。
-
Patent Agency Ranking
公开(公告)号：CN119785193A
公开(公告)日：2025-04-08
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN120071106A
公开(公告)日：2025-05-30
申请号：CN202510526050.1
申请日：2025-04-25
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明属于图像处理领域，公开了一种中低纬度区域快速高效的中尺度对流系统识别方法及系统，包括获取云顶亮温数据；依据云顶亮温数据构建中尺度对流系统识别数据集；构建中尺度对流系统识别模型；使用构建好的训练集对模型进行训练；达到指定的训练轮数后，用测试集对模型进行测试，得到最终的中尺度对流系统识别结果。本发明设计了一种分片学习策略，使得模型可以同时学习到不同区域中尺度对流系统的特征；构建了一种半残差的多尺度特征提取器来防止特征提取过程中小尺度特征丢失的问题；设计了一种语义一致性正则来约束冗余的特征提取以及特征恢复过程中的特征非对称性。本发明解决了在中低纬度区域，使用传统的阈值法识别速度慢的问题。
-
公开(公告)号：CN119785193B
公开(公告)日：2025-05-20
申请号：CN202510282109.7
申请日：2025-03-11
Applicant: 成都信息工程大学
IPC: G06V20/00 , G06V10/774 , G06V40/16 , G06V10/80 , G06V10/10 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了提出一种基于空频特征集成和动态边缘优化的深度伪造检测方法，通过空间‑频率特征集成模块和真实性感知边界损失函数显著提升了伪造内容的检测准确性和鲁棒性。本发明有效地结合了图像的空间域和频率域特征，使得模型能够更全面地识别伪造图像中的细微差别。此外，真实性感知边界损失函数通过动态调整边界，成功应对了类别不平衡问题，尤其在真实图像样本稀缺的情况下，显著提高了分类性能。本发明在多个具有挑战性的数据集上进行的实验验证了方法的有效性。
-
公开(公告)号：CN119251509B
公开(公告)日：2025-03-14
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
公开(公告)号：CN119251509A
公开(公告)日：2025-01-03
申请号：CN202411787740.4
申请日：2024-12-06
Applicant: 成都信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/24 , G06N3/084
Abstract: 本发明提供了一种基于小目标识别网络的中尺度对流图像分割方法，属于图像处理技术领域，该方法包括获取原始云顶亮温数据；对原始云顶亮温数据进行预处理，并划分为训练集和测试集；构建并初始化基于特征对齐再分配的小目标识别网络；利用训练集对小目标识别网络进行训练；基于训练后的小目标识别网络，得到中尺度对流图像分割结果；达到训练次数的阈值后，将测试集输入至已训练后的小目标识别网络中，以判定当前小目标识别网络是否达到指标要求；将测试集输入至达到指标要求的小目标识别网络中，得到最终的中尺度对流图像分割。本发明解决了传统方法识别中尺度对流系统MCSs速度慢，只针对局部区域的问题。
-
-
-
-
-
Search Results
6
records
(took 0.059 seconds)
