-
公开(公告)号：CN118941973B
公开(公告)日：2024-12-13
申请号：CN202411434113.2
申请日：2024-10-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于多任务强化学习自动剪枝方法的SAR舰船目标检测方法及系统，涉及SAR舰船目标检测领域，其中方法包括：采集包含待检测目标舰船的SAR图像；设计多任务强化学习自动剪枝方法；基于多任务强化学习自动剪枝方法，改进传统SAR舰船目标检测模型，得到最终模型；利用最终模型对SAR图像进行检测，识别其中的舰船。本发明通过多任务强化学习自动剪枝方法优化SAR舰船目标检测，有效减少模型参数量和计算量，同时保持高检测精度，增强模型在边缘设备上的应用能力。
-
公开(公告)号：CN118521443A
公开(公告)日：2024-08-20
申请号：CN202410993928.8
申请日：2024-07-24
Applicant: 安徽大学
IPC: G06Q50/20 , G06F18/22 , G06N3/0455 , G06N5/022 , G06N5/045 , G06F16/332
Abstract: 本发明涉及教育技术领域，特别是涉及大模型赋能的数字人教学辅助系统，包括：鉴权模块，用于用户输入身份信息进行登录，并对身份信息进行验证；教学内容模块，用于登录成功的用户输入学习内容，基于预训练的大模型根据学习内容提供教学内容；更新维护模块，用于用户学习完成后进行用户反馈，基于用户反馈对系统进行更新优化。本发明能够模拟真实教师的行为和教学策略，为学生提供个性化的学习支持和互动式学习环境。
-
公开(公告)号：CN115240078B
公开(公告)日：2024-05-07
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0495 , G06N3/0985
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN116259176B
公开(公告)日：2024-02-06
申请号：CN202310130465.8
申请日：2023-02-17
Applicant: 安徽大学
Abstract: 本发明公开了一种基于意图随机性影响策略的行人轨迹预测方法，涉及轨迹预测技术领域，本发明包括从行人历史轨迹中提取最后一帧的位移信息；从标准正态分布抽样获取随机数因子；将最后一帧的位移信息输入一个有偏置的线性层，得到的结果与随机数因子相乘得到随机意图向量，用于模拟行人运动随机性产生的影响；对每一个行人历史轨迹坐标点进行二阶拟合得到拟合误差，将拟合误差初始化，并将初始化后的拟合误差输入一个具有随机偏置的线性层，得到每个行人意图改变概率向量；将随机意图向量和意图改变概率向量输入稀疏意图模块，确定行人使用随机意图向量或使用不带来任何影响的零向量，得到输出向量，完成对随机意图模块的构建。
-
公开(公告)号：CN115546555A
公开(公告)日：2022-12-30
申请号：CN202211274361.6
申请日：2022-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于混合表征学习增强的轻量化SAR目标检测方法，属于SAR图像目标检测技术领域，包括以下步骤：构建用于SAR图像舰船目标识别的HRLE‑SARDet网络模型；将待检测的舰船目标的SAR图像数据输入至训练后的HRLE‑SARDet网络模型中，输出获得目标检测结果。本发明提出了一种基于混合表征学习增强的轻量化SAR目标检测算法HRLE‑SARDet，从更加均衡的角度解决SAR图像舰船目标检测的问题，在大大减小参数量和计算量的同时，检测精度也得到一定保证和提升。
-
Patent Agency Ranking
公开(公告)号：CN115240078A
公开(公告)日：2022-10-25
申请号：CN202210723547.9
申请日：2022-06-24
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V20/13 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于轻量化元学习的SAR图像小样本目标检测方法，包括：构建轻量化元特征提取器模块，根据轻量化元特征提取器模块，从输入的待查询SAR图像中提取出三个不同尺度的查询元特征；将带有标签的新类目标样本的支持图像输入到重加权模块中，输出三组与查询图像对应的重加权向量；构建基于transformer编码器的元特征聚合模块；将查询元特征和重加权向量通过元特征聚合模块重新校准；通过三个预测层分别对校准后的查询元特征和重加权向量进行预测，获得新类目标预测结果。本方法能在SAR图像目标新类仅有少量标注数据的情况下，达到更优的目标检测效能。
-
公开(公告)号：CN114140732A
公开(公告)日：2022-03-04
申请号：CN202111502053.X
申请日：2021-12-09
Applicant: 安徽大学 , 安徽中科星联信息技术有限公司
IPC: G06V20/40 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/20
Abstract: 本发明提供了一种面向小样本条件下的消防火源检测方法、装置及存储介质，属于目标检测及工业部署领域，包括：收集工业现场的火源图像数据；构建火源检测模型；将火源图像数据输入火源检测模型中，通过火源检测模型对火源图像数据进行分析，获得检测结果；所述检测结果包括火源的具体位置、精度和类别。该方法缓解了小样本条件下，数据的样本量不够，训练困难的问题，使用不同的增强方法，大幅增加了样本的数量和质量，提升了模型的过拟合能力；通过本方法解决小目标检测难的问题，提升了小目标的检测精度，实现工业现场端到端实时检测。
-
公开(公告)号：CN119006930A
公开(公告)日：2024-11-22
申请号：CN202411455790.2
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/764 , G06N3/0464 , G06N3/0895 , G06V10/25 , G06V10/40 , G06V10/82 , G06V20/60
Abstract: 本发明公开了一种长尾分布细粒度飞机识别方法，包括：设计动态特征幻觉模块，基于动态特征幻觉模块合成幻觉样本来引入额外的数据方差，增强特征空间中尾部类别的表示，得到长尾分布尾部类别样本数据；设计对比学习模块，基于对比学习模块通过最大化类间距离和最小化类内距离提取长尾分布尾部类别样本数据的判别特征，根据判别特征对遥感图像中飞机目标的细粒度目标进行检测，获得检测结果。本发明通过动态特征幻觉模块合成幻觉样本来引入额外的数据方差，增强了特征空间中尾部类别的表示，通过最大化类间距离和最小化类内距离来提取判别特征，实现了对飞机的准确识别。
-
公开(公告)号：CN119006798A
公开(公告)日：2024-11-22
申请号：CN202411455746.1
申请日：2024-10-18
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/74 , G06V10/82
Abstract: 本发明公开了基于上下文感知和高斯流表征的SAR图像小样本目标检测系统及方法，属于目标识别技术领域，系统包括：图像采集模块、上下文感知增强模块、流形类分布估计模块、类平衡差分聚合模块和余弦解耦模块；图像采集模块用于获取待查询SAR图像；上下文感知增强模块将最具语义信息代表的支持特征提炼为支持类原型，并得到原始查询特征；流形类分布估计模块将支持特征转换为复杂的类分布；类平衡差分聚合模块基于类分布将不同类别的原始查询特征和支持特征进行深度语义特征聚合得到聚合后查询特征；余弦解耦模块利用一个经过特征归一化、余弦相似度量和可学习缩放因子处理的分类分支处理原始查询特征和聚合后查询特征，得到目标识别结果。
-
公开(公告)号：CN118941973A
公开(公告)日：2024-11-12
申请号：CN202411434113.2
申请日：2024-10-15
Applicant: 安徽大学 , 中国电子科技集团公司第三十八研究所
Abstract: 本发明公开了基于多任务强化学习自动剪枝方法的SAR舰船目标检测方法及系统，涉及SAR舰船目标检测领域，其中方法包括：采集包含待检测目标舰船的SAR图像；设计多任务强化学习自动剪枝方法；基于多任务强化学习自动剪枝方法，改进传统SAR舰船目标检测模型，得到最终模型；利用最终模型对SAR图像进行检测，识别其中的舰船。本发明通过多任务强化学习自动剪枝方法优化SAR舰船目标检测，有效减少模型参数量和计算量，同时保持高检测精度，增强模型在边缘设备上的应用能力。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.018 seconds)
