-
-
公开(公告)号：CN113658108A
公开(公告)日：2021-11-16
申请号：CN202110830971.9
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于深度学习的玻璃缺陷检测方法，本发明属于人工智能技术领域，具体的是涉及深度学习的图像识别技术。本发明包括定义了对普通的高拍摄像头所拍摄的原始玻璃图片的预处理；基于生成式对抗网络中的pix2pix网络对预处理后的玻璃图片进行玻璃边缘的提取；基于局部和全局融合特征的玻璃缺陷多尺度分类器对所提取到的玻璃边缘图片进行缺陷检测，输出为玻璃有无缺陷的分类结果。本发明在玻璃缺陷检测的效率上明显优于传统的人工肉眼分辨方式，一定程度上减少了玻璃制造过程中的人工开销，并且保证了玻璃缺陷检测模型的较高的检测率和较低的误检率。
-
公开(公告)号：CN113657176A
公开(公告)日：2021-11-16
申请号：CN202110832335.X
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于主动对比学习的行人重识别实现方法，涉及人工智能中的计算机视觉领域。本发明包括主动学习模块，对比学习模块。首先通过一个基于损失预测的主动学习模块来挑选高价值样本，设置主动学习每次选取的数量为Bt，再经由人工进行标记，得到行人标记ID。然后将标记好的样本送入对比学习模块，拥有相同标记ID的样本定义为正样本，不一致标记ID的样本定义为负样本，再优化对比损失，使得相同ID的行人样本特征分布更为接近，距离更小；不同ID的样本特征分布更远，距离更大。
-
公开(公告)号：CN113553918A
公开(公告)日：2021-10-26
申请号：CN202110741349.0
申请日：2021-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脉冲主动学习的机打发票字符识别方法，该方法包括构建可直接训练的深度脉冲神经网络模型ResNet‑18和CIFARNet，并且设计了脉冲主动学习的具体步骤。主动学习用于挑选出能够给模型提供更多信息量的有效样本，使得用最少的数据量训练模型并达到最好的效果。我们在识别机打发票的项目中对脉冲主动学习算法进行字符识别应用，将机打发票的文字部分进行提取，并将提取的中文、英文、数字进行单字分割，最后把分割好的单个字符样本输入模型训练，模型能够筛选信息量最大的样本，我们只对模型挑选出的样本做人工标记。
-
公开(公告)号：CN105957095B
公开(公告)日：2018-06-08
申请号：CN201610425084.2
申请日：2016-06-15
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于灰度图像的Spiking角点检测方法，属于图像处理技术领域，重点解决现有技术在角点检测上的精度不高、操作复杂以及检测速度较慢等问题。本发明主要利用Spiking神经网络的特性，发明了一种利用检测模板来对图像角点信息进行检测，通过检测模板的电压值在角点时电压值达到最小这一特性来确定灰度图像的角点，本发明可以较好的对图像角点进行检测，提取灰度图像角点的时间信息和空间信息。本发明应用的场景主要在图像的角点检测、人物目标追踪识别、运动估计以及其他应用角点信息的计算机场景。涉及Spiking神经网络、机器学习。
-
Patent Agency Ranking
公开(公告)号：CN104063472B
公开(公告)日：2017-02-15
申请号：CN201410305607.0
申请日：2014-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种优化训练样本集的KNN文本分类方法，属于文本挖掘，自然语言处理等领域，解决传统KNN文本分类方法的效率和准确率低的问题。本发明在于对训练用文本数据和待分类文本数据进行文本预处理；将预处理后的训练用文本数据和待分类文本数据分别进行文本表示；对文本表示的训练用文本数据和待分类文本数据分别利用遗传算法进行特征提取；对提取的训练用文本数据特征进行分类训练，使用经过优化样本集的KNN算法进行训练分类，构造文本分类器；将文本分类器作用于特征提取后的待分类文本数据，得到待分类文本数据的分类结果。本发明能够更好的应用于文本信息挖掘系统。
-
公开(公告)号：CN105957095A
公开(公告)日：2016-09-21
申请号：CN201610425084.2
申请日：2016-06-15
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/20164
Abstract: 本发明公开了一种基于灰度图像的Spiking角点检测方法，属于图像处理技术领域，重点解决现有技术在角点检测上的精度不高、操作复杂以及检测速度较慢等问题。本发明主要利用Spiking神经网络的特性，发明了一种利用检测模板来对图像角点信息进行检测，通过检测模板的电压值在角点时电压值达到最小这一特性来确定灰度图像的角点，本发明可以较好的对图像角点进行检测，提取灰度图像角点的时间信息和空间信息。本发明应用的场景主要在图像的角点检测、人物目标追踪识别、运动估计以及其他应用角点信息的计算机场景。涉及Spiking神经网络、机器学习。
-
公开(公告)号：CN119445337B
公开(公告)日：2025-04-29
申请号：CN202510045394.0
申请日：2025-01-13
Applicant: 电子科技大学
IPC: G06V10/82 , G06V10/84 , G06V40/16 , G06V10/774 , G06N3/094 , G06N3/092 , G06N3/0464 , G06N3/045 , G06N3/098
Abstract: 本发明公开了一种基于强化学习的人脸识别联邦学习系统后门攻击方法，涉及联邦学习安全技术领域。本发明包括：获取构建强化学习虚拟环境的基础信息；采用马尔科夫链构建用于强化学习的虚拟环境；构建基于深度神经网络的强化模型，并在构建的强化学习虚拟环境中对强化模型进行训练，基于训练好的强化模型得到后门攻击模型；再将该模型置于目标联邦系统的真实环境中进行测试以实现对模型参数的微调，得到用于目标联邦系统的后门攻击模型实例。本发明解决了现有联邦学习后门攻击存在的适应性不佳，需要大量后门设备以及持久性差的问题；并且可以进一步提升联邦学习系统对后门攻击的防御能力，以及丰富联邦学习系统的后门防御能力的评估方式。
-
公开(公告)号：CN118913295A
公开(公告)日：2024-11-08
申请号：CN202411422856.8
申请日：2024-10-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脉冲分布式强化学习的无人机路径规划方法，属于机器智能决策与控制技术领域。本发明方法包括构建基于脉冲神经网络的分布式强化学习神经网络模型，该模型在无人机路径规划过程中预测动作的回报分布而非传统的回报期望，根据回报分布捕捉更多有效信息以在面对复杂情景时更加稳定地选择高质量的无人机控制动作。本发明基于脉冲神经网络的模型架构降低了计算频率，基于分布式强化学习的方法弥补了现有无人机路径规划方法关注点单一、损失有价值信息的问题，增强了本发明应对不确定性和随机性的能力，扩大了本发明方法面对复杂多变的现实无人机路径规划任务时的适用性。
-
公开(公告)号：CN118628944A
公开(公告)日：2024-09-10
申请号：CN202411105759.6
申请日：2024-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种事件流和事件帧融合的强化学习无人机避障方法，属于人机避障技术领域。本发明将事件相机产生的事件流和事件帧信息分别输入到不同的特征提取网络中，再通过特征向量融合的方式来获取事件流与事件帧的融合表征；使用在采集的离线数据流上预训练好的事件自分编码器作为模型的事件流特征提取网络，用于将具有时序性、异步性的事件流信息转换为特征信息，以提升无人机避障成功率；同时将强化学习训练过程解耦为两阶段，通过对比重建图像与真值图像进行预训练，事件帧卷积网络在智能体学习过程中进行训练，并有效利用融合特征补充智能体环境交互所需的状态信息。本发明用于搭载了事件相机的无人机，能获得良好的避障效果。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.037 seconds)
