-
公开(公告)号：CN119323646B
公开(公告)日：2025-04-01
申请号：CN202411874373.1
申请日：2024-12-19
Applicant: 烟台大学
IPC: G06T17/00 , G06V20/58 , G06V20/70 , G06V10/62 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045
Abstract: 本发明属于图像处理技术领域，具体涉及一种融合上下文语义信息的三维车道线生成方法、系统，获取多帧图像较密集的车道线数据，基于投影—采样策略，先通过第一坐标变换，实现了将所要变换的锚点从当前帧的地面坐标系变换到历史帧的地面坐标系中，再通过第二坐标变换，实现了将地面坐标系下的锚点变换到了前视图中，结合历史帧的信息，使得不同帧的坐标变换能够更准确地匹配车道线；之后通过交叉注意力机制处理来完成时序上下文融合，融合特征图能够综合不同时间帧的信息，提供了丰富的上下文信息，更好地理解当前帧的车道线结构与形态，增强三维车道线生成的准确性。
-
公开(公告)号：CN119672437A
公开(公告)日：2025-03-21
申请号：CN202411822976.7
申请日：2024-12-12
Applicant: 烟台大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像分析技术领域，具体为基于深度学习的遥感图像目标检测方法、系统和设备，为解决现有技术中遥感图像目标检测结果准确度低的问题，本发明首先将待检遥感图像的不同深度特征进行低级语义信息聚合处理后再进行交叉的低级语义注入处理，接着经高级语义信息聚合处理后进行交叉的高级语义注入处理，得到低级目标聚合特征、中级目标聚合特征和高级目标聚合特征；随后将低级目标聚合特征、中级目标聚合特征和高级目标聚合特征经线性映射和全连接处理，将小目标从背景中分离出来，最后经边界框回归、边界框分类识别和非极大值抑制处理，得到准确度高的目标检测结果。
-
公开(公告)号：CN118334098B
公开(公告)日：2025-01-28
申请号：CN202410471856.0
申请日：2024-04-19
Applicant: 烟台大学
Abstract: 本发明属于图像处理技术领域，具体涉及基于深度关联的多目标跟踪方法、系统、设备和存储介质，针对视频中的图像数据，充分考虑到检测目标的检测准确度和外观清晰度，根据检测目标的检测置信度和分类置信度，结合深度值，进行四层关联，其中，根据检测集合中检测目标的深度值和跟踪集合中轨迹目标的深度值，划分深度区间，处理密集遮挡下的目标，以将密集遮挡下的目标集划分为具有不同深度级别的稀疏的子集，从而对不同情况下的检测目标实现了全面的关联和匹配。
-
公开(公告)号：CN119323646A
公开(公告)日：2025-01-17
申请号：CN202411874373.1
申请日：2024-12-19
Applicant: 烟台大学
IPC: G06T17/00 , G06V20/58 , G06V20/70 , G06V10/62 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045
Abstract: 本发明属于图像处理技术领域，具体涉及一种融合上下文语义信息的三维车道线生成方法、系统，获取多帧图像较密集的车道线数据，基于投影—采样策略，先通过第一坐标变换，实现了将所要变换的锚点从当前帧的地面坐标系变换到历史帧的地面坐标系中，再通过第二坐标变换，实现了将地面坐标系下的锚点变换到了前视图中，结合历史帧的信息，使得不同帧的坐标变换能够更准确地匹配车道线；之后通过交叉注意力机制处理来完成时序上下文融合，融合特征图能够综合不同时间帧的信息，提供了丰富的上下文信息，更好地理解当前帧的车道线结构与形态，增强三维车道线生成的准确性。
-
公开(公告)号：CN118862950A
公开(公告)日：2024-10-29
申请号：CN202411364712.1
申请日：2024-09-29
Applicant: 烟台大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/20
Abstract: 本发明涉及故障诊断技术领域，尤其是涉及一种基于图结构联合优化的工业设备故障诊断方法及系统。方法包括获取原始设备数据集；根据原始设备数据集构建原始图结构；基于原始图结构提取两个基本视图，利用GCN计算基本视图的图节点嵌入，基于图节点嵌入重新计算图结构中边的概率；基于图结构中边的概率进行视图融合，得到初步优化后的视图；通过GAT网络处理融合视图，得到增强视图；本发明优化了传统故障诊断中遇到的预测精准度低和鲁棒性差等问题，从而显著提升了工业互联网设备的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN118861945A
公开(公告)日：2024-10-29
申请号：CN202411327885.6
申请日：2024-09-24
Applicant: 烟台大学
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于卷积注意力网络的动态电力特征融合方法及系统。方法，包括获取电力数据；对获取的电力数据进行预处理；对预处理的电力数据进行初步分类后进行特征提取；构建基于时空图卷积注意力网络的电力预测模型；利用基于时空图卷积注意力网络的电力预测模型对提取的特征进行预测；利用Adam 优化器并基于学习率衰减策略对模型进行测试与验证。本发明在电力系统节点分类任务中显著提高了分类准确率。
-
公开(公告)号：CN118861434A
公开(公告)日：2024-10-29
申请号：CN202411345344.6
申请日：2024-09-26
Applicant: 烟台大学
IPC: G06F16/9535 , G06Q30/0601 , G06F18/25 , G06N3/042 , G06N3/0895
Abstract: 本发明涉及数据预测推荐技术领域，尤其是涉及一种基于嵌入噪声和深浅层对比的物品推荐方法及系统。方法，包括获取目标用户的用户信息和项目信息；对获取的用户信息和项目信息进行矩阵分解，得到用户矩阵和项目矩阵，作为对比学习浅层信息；对用户矩阵和项目矩阵进行图神经网络前向传播操作，得到用户‑项目交互信息和项目‑用户交互信息，作为对比学习深层信息；将对比学习浅层信息和对比学习深层信息进行融合得到用户综合信息和项目综合信息；本发明通过基于矩阵分解的对比学习浅层部分，保留用户与项目交互的全局信息，弱化局部信息，从而保留反应用户对项目需求的全局辅助信息。
-
公开(公告)号：CN118797541A
公开(公告)日：2024-10-18
申请号：CN202411288147.5
申请日：2024-09-14
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/213 , G06F18/2111 , G06F18/25
Abstract: 本发明涉及数据处理技术领域，尤其是涉及一种基于遗传算法的电能占用异常检测方法及系统。方法包括对用电测量数据进行数据预处理；利用统计和电气参数从用电测量数据中合成新特征；基于人工蜂群算法和遗传算法选择突出特征；利用去噪自编码器从电力消费数据的突出特征中提取高方差特征；将提取到的特征输入到支持向量机中检测电能占用异常行为。本发明通过集成大数据和遗传算法，提出了一种有效的电能占用异常检测方法及系统，该方法及系统能够显著提高检测非技术损失的效率。
-
公开(公告)号：CN118298491A
公开(公告)日：2024-07-05
申请号：CN202410710860.8
申请日：2024-06-04
Applicant: 烟台大学
IPC: G06V40/16 , G06V10/52 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及表情识别技术领域，尤其是涉及一种基于多尺度特征和空间注意力的表情识别方法及系统。方法，包括利用HNFER神经网络模型对获取的面部图像数据进行特征提取，得到原始输入特征图；基于CoordAtt注意力机制对提取的特征进行池化拼接，得到特征图；对特征图进行深度卷积处理，得到注意力图，再通过元素相乘得到最终的特征图；通过对最终的特征图进行特征变换和归一化，得到表情类别概率并输出。本发明通过集成尺度感知和空间注意力技术，模型能够更精准地识别和分类不同的情绪状态，即使在复杂的环境条件下也能保持高性能。
-
公开(公告)号：CN117910519B
公开(公告)日：2024-06-07
申请号：CN202410315719.8
申请日：2024-03-20
Applicant: 烟台大学
IPC: G06N3/0475 , G06N3/094 , G06N3/126 , G06F16/9535
Abstract: 本发明属于图结构优化推荐领域，提供了一种进化图生成对抗网络的推荐方法，包括确定图的节点和边，构建真实图结构；生成器利用不同的变异函数生成不同的虚假图结构；鉴别器利用适应性函数对每个生成的虚假图结构进行质量评估，确定每个生成的虚假图结构的适应性得分并反馈给生成器；根据每个虚假图结构的适应性得分进行排序，生成器会通过适应性得分最高的虚假图结构来生成更加逼真的数据分布；每一轮进化迭代后，鉴别器更新自适应损失以便于能够更好地区分真实数据分布和生成数据分布，进而得到最优的图结构。本发明利用进化算法来使得原先的生成器充当进化体不断的在环境（鉴别器）中进化，减少模式崩溃与梯度问题。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.059 seconds)
