-
公开(公告)号：CN112950606A
公开(公告)日：2021-06-11
申请号：CN202110275184.2
申请日：2021-03-15
Applicant: 重庆邮电大学
Abstract: 本发明属于计算机视觉、目标检测与语义分割领域，特别涉及一种基于小样本的手机屏幕缺陷分割方法，包括采集具有不同类型缺陷的多款手机屏幕图像，并对采集的屏幕图像进行至少包括图像切割、灰度处理、缺陷分类和以及缺陷图像分割标注的预处理；构建小样本下的手机屏幕缺陷图像数据集，其包括训练集和测试集，数据集中包含了缺陷图像及其对应的分割图像；构建小样本手机屏幕缺陷语义分割网络，并使用手机屏幕缺陷图像训练集对分割网络进行训练，将待预测图像输入训练好的网络即可得到分割图像；本发明充分利用少量的已标注分割图像对分割网络进行训练，极大地提升缺陷分割的效果，实现对缺陷图像的分类与定位。
-
公开(公告)号：CN109800209B
公开(公告)日：2021-04-16
申请号：CN201910119739.7
申请日：2019-02-18
Applicant: 重庆邮电大学
IPC: G06F16/13
Abstract: 本发明涉及一种智能变电站SCD文件并行解析方法，采用主从解析机制，主线程提取SCD文件的结构，从线程解析标签的名称与性质。主线程与从线程是串行关系；主线程与主线程、从线程与从线程是并行关系。依据SCD文件结构并行启动五种类型主线程，标记SCD文件的一级标签位置，保存标签位置信息；统计一级标签位置的个数，启动相同数量的从线程解析一级标签及其所包含标签的名称与性质，每个从线程解析结果采用树型结构存储，建立类型子树，并将每棵子树按SCD文件结构整合成一颗完整的主树；解析过程采用并行哈希算法实现树结构的快速查询。本发明采用并行多线程技术大幅降低了SCD文件解析时间，提高了结果查询效率。
-
公开(公告)号：CN111311302A
公开(公告)日：2020-06-19
申请号：CN202010017939.4
申请日：2020-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多源数据驱动的房产智能评估方法，属于大数据与数据挖掘领域。该方法包括：S1：数据获取：从多源数据中获取房产交易数据、房产配套数据以及房产周边数据，并对其进行归一化处理；S2：特征构造：根据获取的数据构造目标房产特征，包括房产建筑特征、房产品质特征以及房产区域特征；S3：模型构建：利用步骤S2构造的特征，训练多个子模型，采用多层级融合策略和贝叶斯优化算法，构建基于多源数据驱动的房产智能评估模型；S4：评估结果：基于步骤S3构建的房产智能评估模型，根据目标房产特征，对房价进行智能评估。本发明能实现智能房产评估，解决了传统房产评估带来的估价不精准、人力成本高等问题。
-
公开(公告)号：CN111274338A
公开(公告)日：2020-06-12
申请号：CN202010017938.X
申请日：2020-01-08
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于移动大数据的预出境用户识别方法，属于数据挖掘技术领域。该方法包括：采集出境服务机构的通信基站位置数据、出境服务通话端口数据和出境服务APP的域名关键词数据，利用所采集数据建立维表数据库；基于维表数据库与移动大数据，分别提取用户的通话行为特征、上网行为特征、出行行为特征和静态特征；将用户的行为特征和静态特征进行聚合关联，构建特征宽表；设计特征选择算法，从特征宽表中筛选出与类别强相关的特征子集；借助逻辑回归分类器构建预出境用户识别模型，完成模型的训练、评估与调参；将待测试数据输入识别模型，识别预出境用户。本发明能够有效识别预出境用户，主要用于数据挖掘场合。
-
公开(公告)号：CN109919934A
公开(公告)日：2019-06-21
申请号：CN201910182026.5
申请日：2019-03-11
Applicant: 重庆邮电大学
Abstract: 本发明为一种基于多源域深度迁移学习的液晶面板缺陷检测方法，属于计算机视觉、目标检测与识别领域，涉及一种基于双向卷积特征融合网络的液晶面板缺陷检测方法。包括采集多种典型缺陷类型的液晶面板图片，标记其缺陷类型和边框位置；基于DDCNNs构建液晶面板缺陷检测卷积神经网络的主干部分，基于面向多任务学习的全连接分类回归网络构建缺陷检测头部和域分类头部；通过多源域训练数据集对神经网络进行深度迁移学习；将待测图片输入已训练模型进行检测，在域分类头部输出图片来自各个域的概率分布；选出超过缺陷阈值的所有候选边框，并确定其缺陷类型，基于非极大值抑制方法获得缺陷区域的最优边框位置，从而获得最终检测结果。本发明提高了深度卷积神经网络的泛化性能，降低了漏检率和误检率。
-
Patent Agency Ranking
公开(公告)号：CN109872329A
公开(公告)日：2019-06-11
申请号：CN201910077725.3
申请日：2019-01-28
Applicant: 重庆邮电大学
Abstract: 本发明属于激光雷达技术领域，本发明公开了一种基于三维激光雷达的地面点云快速分割方法，所述方法包括将三维激光雷达获取的三维点云数据转化为二维深度图；计算深度图中每一列中相邻两点形成的角度值，遍历所有列，从而得到深度图所对应的角度矩阵；通过广度优先搜索算法遍历深度图，如果深度图相邻位置上两点的角度差值小于指定阈值，则标记为同一类型，从而找出深度图中属于地面的部分，根据点云和深度图的映射关系分离出地面点云数据；本发明避免了直接在三维点云上进行处理，在深度图上进行分割的效率得到大大提高，满足了实时性的要求，同时采用扫描线角度差阈值方法有效地对地面点云进行分割，有效解决了不平地面存在的欠分割问题，分割地面的方法在准确性上更高。
-
公开(公告)号：CN109361613A
公开(公告)日：2019-02-19
申请号：CN201811026209.X
申请日：2018-09-04
Applicant: 国网宁夏电力有限公司电力科学研究院 , 重庆邮电大学
IPC: H04L12/801
Abstract: 本发明公开一种变电站的通信方法及服务器。该方法用于服务器，所述服务器的第一端口连接电子设备，所述服务器的第二端口连接无线设备，且连接的所述电子设备和所述无线设备均与所述服务器位于所述变电站的同层，所述方法包括：接收报文，并获取接收所述报文的端口；若接收所述报文的端口为第一端口，则确定所述报文为原始报文；截取所述原始报文，得到至少一个第一片段，其中，所述至少一个第一片段与存储的至少一个标准片段相同；将所述标准片段的标准标识替换与所述标准片段相同的所述第一片段，得到重组报文；在所述重组报文中添加重组标识和重组指令；将所述重组报文发送到所述无线设备。本发明解决了网络中访问数据慢的瓶颈问题。
-
公开(公告)号：CN108736570A
公开(公告)日：2018-11-02
申请号：CN201810344364.X
申请日：2018-04-17
Applicant: 国网宁夏电力有限公司电力科学研究院 , 重庆邮电大学
IPC: H02J13/00
Abstract: 本发明实施例公开一种变电站的组网系统，包括：过程层、过程层网络、间隔层、站控层网络和站控层；过程层网络的每一无线接入设备通过有线的方式连接至少一个过程层的电子设备，或，连接至少一个间隔层的电子设备；站控层网络的每一无线接入设备通过有线的方式连接至少一个站控层的电子设备，或，连接至少一个间隔层的电子设备；过程层网络的无线接入设备之间，站控层网络的无线接入设备之间，过程层网络的无线接入设备与过程层网络的无线管理设备，以及，站控层网络的无线接入设备与站控层网络的无线管理设备均通过无线的方式连接，使过程层网络和站控层网络均形成星型辅助的网格型无线组网拓扑结构，解决了宽带瓶颈和转发时延等缺陷。
-
公开(公告)号：CN119884923A
公开(公告)日：2025-04-25
申请号：CN202411901792.X
申请日：2024-12-23
Applicant: 重庆邮电大学
IPC: G06F18/2415 , G06F18/2431 , G06F18/15 , G06F18/213 , G06F18/25 , G06F18/21 , G06F18/22 , G06F40/242 , G06F40/284 , G06N3/045 , H04L9/40
Abstract: 本发明涉及一种融合恶意词典与Bert预训练模型的恶意URL检测方法，属于信息安全技术领域。该方法包括：采集恶意词汇构建恶意词典，并获取URL页面文本信息，对其进行预处理后构建URL页面文本内容数据集；构建融合恶意词典与Bert预训练模型的文本内容检测网络，利用Bert预训练模型对文本进行特征提取，生成包含上下文信息的文本向量；通过恶意值计算模块得到文本序列的恶意权重向量，进而得到文本向量的恶意加权向量；将恶意加权向量经过多尺度卷积模块，提取不同尺度下的特征并生成多尺度特征向量，并计算恶意概率，从而检测恶意URL。本发明显著增强了恶意URL检测的精确度与稳定性，为信息安全提供了更强的防护。
-
公开(公告)号：CN119580077A
公开(公告)日：2025-03-07
申请号：CN202411625382.7
申请日：2024-11-14
Applicant: 重庆邮电大学
IPC: G06V20/00 , G06V10/42 , G06V10/44 , G06V10/74 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及一种基于CTFNet的欺诈图像检测方法，属于欺诈检测技术领域，包括以下步骤：S1：构建欺诈图像训练集和图像相似性测试集；S2：构建CTFNet特征提取网络，分别提取两个数据集空域的局部特征、全局特征和频域高低频特征；S3：分别计算两个数据集特征的余弦相似性，并通过自适应加权融合得到欺诈图像的相似性阈值；S4：将待检测图像输入CTFNet，提取待检测图像空域的局部特征、全局特征和频域高低频特征；S5：计算待检测图像与欺诈图像训练集特征的余弦相似性，并通过自适应加权融合得到待检测图像最佳相似性得分；S6：将待检测图像最佳相似性得分与欺诈图像的相似性阈值进行比较，得到待检测图像的检测结果。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.028 seconds)
