-
公开(公告)号：CN117236331A
公开(公告)日：2023-12-15
申请号：CN202311198934.6
申请日：2023-09-18
Applicant: 桂林电子科技大学
IPC: G06F40/295 , G06F18/25 , G06F18/214 , G06F18/24 , G06F40/289 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合多种外部语义特征的中文司法领域命名实体识别方法，包括如下步骤：1）构建司法语料库；2）在数据集的全局层面构建无向字形图，利用字形图对模型嵌入层的输入数据进行字形增强；3）对模型嵌入层的输入数据进行多词汇增强；4）将步骤2）和步骤3）得到的两种外部语义特征增强后的输入通过门控机制进行特征融合，然后输入到BiLSTM‑CRF网络对司法领域的命名实体进行识别。该方法能对司法文本中的案发地点、地名、人名、组织机构名、罪名、法条以及刑期七类实体进行有效的识别，通过多种外部语义特征增强，减少了对司法标注语料的依赖，针对有限的司法标注语料，提高了对司法领域命名实体的识别准确率和F1指标。
-
公开(公告)号：CN111582320A
公开(公告)日：2020-08-25
申请号：CN202010302865.9
申请日：2020-04-17
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于半监督学习的动态个体识别方法，该方法涉及辐射源个体识别技术领域。为尝试解决个体间相似的辐射源个体识别准确率低，同时有效检测未知类的问题，本发明基于信号的时频域特征，利用神经网络进行辐射源个体识别，同时对没有标签的未知个体进行检测，并自动加标签，动态迭代数据库，是针对目前辐射源个体识别相关问题的有效尝试，而且还可以检测无标签的未知个体，然后自动加标签，同时迭代更新数据库。本方法对已知类识别准确率达到99％以上，而且未知类的误差率小于0.6％。
-
公开(公告)号：CN111382803A
公开(公告)日：2020-07-07
申请号：CN202010189611.0
申请日：2020-03-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的特征融合方法，涉及电磁信号识别技术领域。首先对目标离散信号进行预处理，使用短时傅里叶变换提取所有数据的功率谱密度P，将功率谱密度P作为通信信号源的特征；再以功率谱密度P作为通信辐射源的特征导入事先训练好的神经网络，完成特征的提取，得到特征P1；其次将目标离散信号分段，求每一段的载频和码元速率相对偏差，将之作为特征P2；最后将提取后的特征P2与特征P1在数量级上对应拼接起来，作为融合特征P3；采用融合特征P3对信号进行识别。与现有技术相比，本发明技术方案的有益效果是：具有更高的识别率，能够准确识别通信信号设备。
-
公开(公告)号：CN101741867B
公开(公告)日：2012-07-25
申请号：CN200810046561.X
申请日：2008-11-14
Applicant: 电子科技大学
Abstract: 本发明提出了一种利用分布式仿真技术捕获BitTorrent(以下简称BT)网络中节点信息的方法。其特征在于，该方法结合分布式仿真技术，实现了一个BitTorrent仿真系统。利用该仿真系统可实现与真实Tracker服务器和BT网络客户端相兼容的BT仿真客户端，实现了从真实BT网络下载和上传数据的功能。基于此，可以统计出BT网络中节点的各种信息，比如，BT客户端的IP和端口信息、客户端在线时间等。这些信息不但为深层研究BitTorrent协议和BT网络特征提供了有效依据，而且对于基于BitTorrent协议的其他应用方法具有一定的指导作用。
-
公开(公告)号：CN117851659A
公开(公告)日：2024-04-09
申请号：CN202410021902.7
申请日：2024-01-08
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: G06F16/953 , G06F16/903 , G06N3/094 , G06N3/0455 , G06N3/047
Abstract: 本发明涉及无监督跨模态哈希检索技术领域，具体涉及一种自适应增强对抗哈希无监督跨模态检索方法，包括分别对图像和文本数据进行特征提取，得到原始图像特征和原始文本特征；设计文本生成器来拟合原始文本特征的文本数据分布，随机生成和图像特征维度一致的假数据，最后使用假数据训练图像鉴别器，并生成特征矩阵；设计特征矩阵映射为哈希码矩阵，并量化映射过程信息的损失，得到信息量损失矩阵；将信息量损失矩阵嵌入多模态相似性矩阵的构造中，得到相似性度量矩阵，再利用相似性度量矩阵实现图像和文本原始特征空间与汉明空间的语义对齐，经过多轮训练，得到最优的跨模态检索模型，使用其进行检索，得到检索结果。
-
Patent Agency Ranking
公开(公告)号：CN116416593A
公开(公告)日：2023-07-11
申请号：CN202211098361.5
申请日：2022-09-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于单目摄像头的辅助碰撞预警方法，该方法在前台利用ECO跟踪算法对车辆输出估计的跟踪结果，而后台则利用速度较慢但目标检测精度较高的SSD目标检测算法对车辆进行检测，得到较为精准的目标检测框，并通过目标检测框对前台输出的车辆跟踪结果进行较正，从而提升整体方法的时效性，然后以ECO跟踪算法为主快速的给出下一帧图片中物体的目标检测的预测框，从而缓解目标检测神经网络的高延时性问题。本发明将检测与跟踪并行，可以快速做出碰撞预警，提高系统的运行速度；相比其他的目标跟踪算法，能够更加正确的得到目标的位置，从而大大减少错误的发生，提高系统的可靠性。
-
公开(公告)号：CN101741867A
公开(公告)日：2010-06-16
申请号：CN200810046561.X
申请日：2008-11-14
Applicant: 电子科技大学
Abstract: 本发明提出了一种利用分布式仿真技术捕获BitTorrent(以下简称BT)网络中节点信息的方法。其特征在于，该方法结合分布式仿真技术，实现了一个BitTorrent仿真系统。利用该仿真系统可实现与真实Tracker服务器和BT网络客户端相兼容的BT仿真客户端，实现了从真实BT网络下载和上传数据的功能。基于此，可以统计出BT网络中节点的各种信息，比如，BT客户端的IP和端口信息、客户端在线时间等。这些信息不但为深层研究BitTorrent协议和BT网络特征提供了有效依据，而且对于基于BitTorrent协议的其他应用方法具有一定的指导作用。
-
公开(公告)号：CN117891936A
公开(公告)日：2024-04-16
申请号：CN202410081176.8
申请日：2024-01-19
Applicant: 桂林电子科技大学
IPC: G06F16/34 , G06F40/151 , G06F40/126 , G06F40/117 , G06F40/289 , G06F40/216 , G06Q50/18 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种用于法律判决文书的长文本生成式摘要方法，首先，对原始法律判决文书数据集进行语料转换；其次，将转换过的文本输入到RoBERTa模型中进行处理，使用编码器对文本进行法律文本摘要特征提取；最后，利用UniLM的seq2seqLM，生成法律判决文书的精炼摘要。为了克服模型解码时无法生成表中未包含字词的问题，引入了复制机制。同时为解决生成判决文本摘要中的重复性，采用了覆盖机制。这一创新方法为法律领域的文书摘要生成提供了高效、准确的解决方案。本发明方法能够自动生成法律判决文书摘要，具备简便易用的特点，减少了对人工干预的需求，其高度应用性使其在判决文书处理、文案处理等领域展现出广泛的适用性。
-
公开(公告)号：CN116740493A
公开(公告)日：2023-09-12
申请号：CN202310653375.7
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: G06V10/774 , G06V10/82 , G06V10/40 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及目标检测技术领域，具体涉及一种基于语义关系的多尺度无锚框目标检测方法，包括以下步骤：首先进行原始图片目标特征提取，再目标间语义关系构建，最后通过目标分类、中心度计算和位置回归，输出检测结果；本发明不同于现有方法由于锚框数量大而需要大量的计算资源，摒弃了传统anchor‑based方法需要预先根据目标尺寸设计各种超参数的复杂过程，减轻了计算资源的开销，更加易于算法模型的落地，且训练时间更短。进一步的，由于关系模块的引入，借鉴了自注意力机制，提高了小目标乃至是受遮挡物体的检测精度，一定程度上提高了方法的泛化能力。
-
公开(公告)号：CN116052149A
公开(公告)日：2023-05-02
申请号：CN202310020106.7
申请日：2023-01-06
Applicant: 桂林电子科技大学 , 广西景航无人机有限公司
IPC: G06V20/62 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于CS‑ABCNet的电力塔牌检测识别方法，包括如下步骤：步骤1：采集输电铁塔标识牌数据集；步骤2：使用索贝尔算子，对数据集进行预处理，分别从横向和纵向两个方向计算图像中物体的边缘信息；步骤3：在ABCNet的Backbone使用ReXNet进行特征提取，以达到网络模型轻量化的目的。这种方法针能对塔牌特征进行图像预处理，优化网络结构，使用轻量级卷积神经网络获得特征图，检测头引入注意力模块CBAM，提高了塔牌的识别精度和性能。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.022 seconds)
