-
公开(公告)号：CN110632528B
公开(公告)日：2021-08-31
申请号：CN201911066210.X
申请日：2019-11-04
Applicant: 桂林电子科技大学
IPC: G01R31/392 , G01R31/389
Abstract: 本发明公开一种基于内阻检测的锂电池SOH估算方法，通过直流放电法检测锂电池内阻，并得到相关的健康因子特征参数，该特征参数能够有效地表征电池健康状态的变化趋势，并建立电池健康因子与实际健康状态的RBF神经网络模型，避免了复杂等效电路模型的建立，且SOH估算的精度和泛化性可以达到平衡。
-
-
公开(公告)号：CN116756363A
公开(公告)日：2023-09-15
申请号：CN202310657100.0
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F16/583 , G06F16/383 , G06F18/213 , G06F18/22 , G06F18/25 , G06F18/214
Abstract: 本发明涉及跨模态检索技术领域，具体涉及一种由信息量引导的强相关性无监督跨模态检索方法，通过以下步骤实现：首先提取图像局部特征和全局特征，以及文本特征；对图像局部特征和全局特征进行增强；再对增强后的局部特征进行正则化处理；然后使用图像特征融合网络对图像全局特征和局部特征进行正交融合；接着使用多模态融合网络对图像特征和文本特征根据不同模态特征信息量转换比例原则进行融合；最后将不同模态特征映射成哈希码，利用汉明距离进行相似性排序，从而得出检索结果。本发明侧重于对数据特征的增强和融合，能获取更多的语义信息，提高了检索效率。
-
公开(公告)号：CN116739075A
公开(公告)日：2023-09-12
申请号：CN202310656829.6
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06N3/088 , G06N3/048 , G06N3/0499 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及神经网络无监督学习技术领域，具体涉及一种用于图像处理的神经网络的无监督预训练方法，包括如下步骤：首先将图像分成图像块，再进行掩膜操作，接着计算感知损失，计算对比损失与重建损失，最后利用损失进行训练。训练完毕以后，使用训练后的模型对输入图像处理，获得类别特征向量和重建的图像向量。本发明通过使用感知损失能够衡量掩膜操作对于神经网络的影响，同时使用对比损失使其特征更加明显，最后通过重建损失令网络学习如何将图像抽象为特征同时减少抽象过程中信息的丢失，提高了神经网络对于图像的特征提取能力。
-
公开(公告)号：CN116343188A
公开(公告)日：2023-06-27
申请号：CN202310322252.5
申请日：2023-03-29
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
IPC: G06V20/62 , G06V30/14 , G06V30/146 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于STN‑pan网络的输电铁塔标识牌文本检测识别方法，包括如下步骤：首先，采集输电铁塔标识牌数据集并按比例划分数据集；提出一种带有空洞卷积的迭代FPEM模块进行特征提取，使特征图中含有更多空间信息；在检测模块引入协调注意力机制，使模型更加关注坐标信息，然后使用模型找到不同文本区域的中心kernel，通过聚类的思想，对kernel周围的像素点进行聚类，计算像素点之间的相似度，将相似度高于阈值的像素点进行合并，得到需要的文本区域；在识别分支加入STN矫正网络，最后，将经过矫正的文本区域输入到一个不规则文字特征提取器Masked RoI和一个基于注意力机制的轻量级识别头进行识别，输出标识牌内容。这种方法提高了检测识别精度，检测更为细致。
-
Patent Agency Ranking
公开(公告)号：CN116110090A
公开(公告)日：2023-05-12
申请号：CN202211310143.3
申请日：2022-10-25
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/52 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/30 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于人脸关键点的高效伪造人脸视频检测方法，包括如下步骤：1）微表情面部特征点采集；2）视频帧特征点跟踪；3）真假人脸特征点光流分类。这种方法提高了检测速度，在公开假人脸数据集facefrensic++检测精度为0.99。
-
公开(公告)号：CN115761888A
公开(公告)日：2023-03-07
申请号：CN202211462437.8
申请日：2022-11-22
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06N3/0464 , G06N3/047 , G06N3/08 , G06V10/774 , G06V10/82 , G06V20/40 , G06V20/52
Abstract: 本发明公开了一种基于NL‑C3D模型的塔吊操作人员异常行为检测方法，包括如下步骤：1）采集塔吊作业操作人员操作过程的监控视频数据集；2）通过算法把视频数据划分成图像帧，然后裁剪图像帧的图像尺寸；3）在C3D网络中融合非局部模块，得到NL‑C3D网络模型；4）将步骤2）的图像帧数据集按训练集、验证集和测试集的顺序依次导入到NL‑C3D网络模型中进行训练与检验，然后利用softmax分类器得到最后的结果。这种方法提高了检测精度，检测更细致。
-
公开(公告)号：CN113569981A
公开(公告)日：2021-10-29
申请号：CN202110928645.1
申请日：2021-08-13
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
Abstract: 本发明提供一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，涉及计算机视觉和图像检测技术领域。包括以下步骤：S1、训练过程，S2、检测过程。本发明通过采用基于深度学习的目标检测算法，针对电力塔图片进行鸟窝检测，网络模型训练是将电力塔图片数据集输入网络，经输入端的数据处理，网络进行特征提取与网络自身权重优化，最终得到能精确识别电力塔图像中鸟窝特征的网络，该网络模型的Neck层采用FPN+PAN结构，有效的提高了小尺度物体检测精度，最后经输出端输出图像分类，此基于深度学习的特征检测方法，相较于传统电力巡检鸟窝检测方法，提高了检测精度与效率。
-
公开(公告)号：CN110632528A
公开(公告)日：2019-12-31
申请号：CN201911066210.X
申请日：2019-11-04
Applicant: 桂林电子科技大学
IPC: G01R31/392 , G01R31/389
Abstract: 本发明公开一种基于内阻检测的锂电池SOH估算方法，通过直流放电法检测锂电池内阻，并得到相关的健康因子特征参数，该特征参数能够有效地表征电池健康状态的变化趋势，并建立电池健康因子与实际健康状态的RBF神经网络模型，避免了复杂等效电路模型的建立，且SOH估算的精度和泛化性可以达到平衡。
-
公开(公告)号：CN217133395U
公开(公告)日：2022-08-05
申请号：CN202220912463.5
申请日：2022-04-20
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
Abstract: 本实用新型公开了一种基于机器视觉技术的电力巡检鸟窝检测系统，包括巡检设备和地面控制台，所述巡检设备包括由无人机装载并与无人机连接的的激光雷达装置、高清摄像头、机身控制芯片、避障控制单元、预警器和第一通信链路模块；所述地面控制台包括集成为一体的第二通信链路模块、显示器、鸟窝检测模块、无人机定位定姿模块和数据存储器，其中显示器与第二通信链路模块、鸟窝检测模块和无人机定位定姿模块连接，鸟窝检测模块和无人机定位定姿模块与数据存储器连接，第二通信链路模块与第一通信链路模块通信连接。这种系统节约了成本，提高了检测的准确率和工作效率，达到及时保障电力铁塔安全性的目的。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.035 seconds)
