-
公开(公告)号:CN116553314A
公开(公告)日:2023-08-08
申请号:CN202310543178.X
申请日:2023-05-15
Applicant: 桂林电子科技大学
IPC: B66B1/24 , B66B1/34 , B66B1/46 , G06V40/20 , G06V40/16 , G06V10/62 , G06V10/82 , G06N3/084 , G06N3/096
Abstract: 本发明公开了基于乘员乘梯行为习惯的自学习电梯楼层选择方法及系统,方法包括:识别乘员,获取所述乘员的乘梯行为习惯特征;通过所述乘员的乘梯行为习惯特征,构建特征矩阵;利用所述特征矩阵预测所述乘员的目的楼层,获取预测结果;基于所述特征矩阵和所述预测结果,训练楼层预测模型,获取更新后的所述楼层预测模型;基于更新后的所述楼层预测模型预测所述乘员的目的楼层。本发明能够根据乘员的乘梯行为习惯,自动预测出乘员目的楼层,避免电梯内的直接接触,提高了乘梯效率,具有无接触、高效率、无感的特点。
-
公开(公告)号:CN115908812A
公开(公告)日:2023-04-04
申请号:CN202211527335.X
申请日:2022-11-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种注意力引导的可变形自注意力的语义分割方法,使用权重分离的通道注意力模块将不同权重的注意力特征通道进行分离。使用可变形自注意力的Transformer对高权重特征图进行特征提取,通过可变形自注意力窗口模块将切分的图像块变成适应目标形状的不规则的形状,然后进行填充成正方形图像块后送入Transformer,可以使自注意力更加聚焦于特征图中更关键的区域并获取更多的特征信息。使用双权重的双注意力模块对低权重特征图进行特征提取,通过获取特征图不同尺度的空间和通道注意力并进行聚合,可以使空间和通道注意力更好地得到特征图的空间和通道信息。本发明能够让语义分割的内存和计算成本更低,提升分割精度。
-
公开(公告)号:CN115496909A
公开(公告)日:2022-12-20
申请号:CN202211302977.X
申请日:2022-10-24
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开一种三分支自适应权重特征融合的语义分割方法,其语义分割网络先采用二分支全卷积网络进行特征提取,再采用三分支自适应权重融合对特征图进行融合。二分支特征提取网络对不同类型的图像进行特征提取,右分支可对输入的原始图像进行特征提取,左分支通过深度转换模块把输入原始图像变为深度图像再进行特征提取,不同类型图像可以提供不同感受野实现效果更好的特征提取。三分支自适应权重融合方式把不同图像的空间信息和语义信息按照像素级自适应权重的办法进行融合可以得到较好地定位和分割效果,并且对于物体的边界和对小物体的分割有不错的效果。
-
公开(公告)号:CN116625203A
公开(公告)日:2023-08-22
申请号:CN202310541156.X
申请日:2023-05-15
Applicant: 桂林电子科技大学 , 广西壮族自治区特种设备检验研究院
Abstract: 本发明属曳引轮磨损检测技术领域,特别是涉及一种电梯曳引轮轮槽磨损程度智能检测尺及检测方法,包括外壳,外壳上设置有角度测量机构,角度测量机构包括两对称设置的测量板,测量板的底端与外壳转动连接,测量板与外壳之间由上至下依次设置有第一角度测量组件、弹性张开组件,任一测量板的底端设置有第二角度测量组件;外壳内穿设有距离测量机构,距离测量机构的底端穿出外壳的底端;外壳上设置有显示机构,距离测量机构、第二角度测量组件均与显示机构电性连接。本发明通过设置弹性张开组件,使测量板可以收纳在外壳的内部,使得本发明整体更加小巧便携;在使用时方便使用者读取数据,提高测量精度。
-
公开(公告)号:CN104899924A
公开(公告)日:2015-09-09
申请号:CN201510333397.0
申请日:2015-06-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于蛙跳算法的直线射影深度估计方法,其首先将n个三维空间物体点通过q个射影矩阵投射到透视图像序列上,生成测量矩阵;然后对所得透视图像序列及测量矩阵进行归一化处理;最后生成G个青蛙,每个青蛙代表一个解,并利用蛙跳算法选出整个种群中适应度最好青蛙,并将最好青蛙所代表的解作为待求的射影深度输出。本发明具有收敛速度快,容易获得最优解的特点,其所估计出的射影深度能够使得合适的调整矩阵可以进行因数分解。
-
公开(公告)号:CN104867185A
公开(公告)日:2015-08-26
申请号:CN201510332487.8
申请日:2015-06-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于蛙跳算法的点射影深度估计方法,其首先将n个三维空间物体点通过q个射影矩阵投射到透视图像序列上,生成测量矩阵;然后对所得透视图像序列及测量矩阵进行归一化处理;最后生成G个青蛙,每个青蛙代表一个解,并利用蛙跳算法选出整个种群中适应度最好青蛙,并将最好青蛙所代表的解作为待求的射影深度输出。本发明具有收敛速度快,容易获得最优解的特点,其所估计出的射影深度能够使得合适的调整矩阵可以进行因数分解。
-
-
-
-
-