-
公开(公告)号：CN113504414B
公开(公告)日：2022-05-03
申请号：CN202110696695.1
申请日：2021-06-23
Applicant: 电子科技大学 , 中国空气动力研究与发展中心超高速空气动力研究所
IPC: G01R27/26
Abstract: 本发明的目的在于提供一种等离子体复介电常数瞬态微波透射检测方法及装置，属于等离子体诊断技术领域。该检测装置以激波管作为高温等离子体产生器，通过微波透射激波管获得穿过等离子体的透射信号，处理得到透射系数，再通过透射系数反推激波管内等离子体的复介电常数变化。与反射法相比，透射法的测试装置比反射法的测试装置简单，无需对消模块，且对接收信号的处理工序更加简洁；与以往的透射法相比，本发明中的透射法考虑了各层介质分界面的反射的影响，提高了模型的准确度和算法的精度；同时，本发明可以测量采样时间内任意时刻等离子体的复介电常数，即可以对等离子体进行瞬态测量，相较于以往的稳态测量方法，本发明的测量结果更加准确。
-
公开(公告)号：CN112766499A
公开(公告)日：2021-05-07
申请号：CN202110145972.X
申请日：2021-02-02
Applicant: 电子科技大学
IPC: G06N3/08
Abstract: 本发明涉及信息处理领域，具体是一种通过强化学习技术实现无人机自主飞行的方法，包括如下步骤：步骤一、获取模拟数据集和真实数据集；步骤二、提取图像特征和动作特征；步骤三、使用Q‑learn ing训练一个深度神经网络Q‑funct ion；步骤四、构建现实世界策略学习网络，将深度神经网络Q‑funct ion训练好的参数迁移至现实世界策略学习网络中，训练行动条件奖励预测函数；步骤五、输入状态向量和H个未来计划行动向量的序列至行动条件奖励预测函数，通过一个长短期记忆循环神经网络整合之后，并在将来的每个时间点输出预测的奖励；步骤六、根据预测的奖励实现自主飞行；该方法能够使机器人仅使用单目摄像机就可以避免碰撞以实现自主飞行。
-
公开(公告)号：CN104933445B
公开(公告)日：2019-05-14
申请号：CN201510363396.0
申请日：2015-06-26
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于分布式K‑means的海量图像分类方法，属于机器学习与图像处理技术领域。本发明可用于大规模图像分类，该方法在大数据处理平台Hadoop上采用分布式K‑means算法提取图像特征，最终实现对大规模图像进行分类的目的。本发明通过对大规模图像数据进行字典的学习，构建特征映射函数以及分类算法的设计，提出了在大数据处理平台Hadoop基础上，基于分布式K‑means的特征提取算法。该方法避免了人为设计大规模图像特征的繁琐工作，在保证分类准确度的前提下，减少了训练时间，本发明的成果在大规模数据库管理、军事、医疗等方面有着重要的意义。
-
公开(公告)号：CN105117407B
公开(公告)日：2019-03-26
申请号：CN201510444576.1
申请日：2015-07-27
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于聚类的距离方向直方图的图像检索方法，属于模式识别与信息处理技术领域，涉及计算机视觉方面的海量图像检索。该方法统计训练图像集所提取的局部视觉特征的分布特性，将局部特征空间进行划分；通过目标图像局部特征的描述符和划分空间中心的距离，以及局部特征主方向和划分空间主方向之间的一致性将局部特征分配到距离最近的子区域中，进而生成图像全效表达；使用图像全效表达进行检索，能高效的完成对大规模图像的检索工作。通过大量的实验验证了本发明在使用较少计算量的情况下，有效的提高了图像检索的准确率，并在大规模图像集上获得了很好的可扩展性。
-
公开(公告)号：CN105046272B
公开(公告)日：2018-06-19
申请号：CN201510368991.3
申请日：2015-06-29
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于简洁非监督式卷积网络的图像分类方法，属于图像处理与深度学习技术领域。本发明利用经典的非监督式聚类算法K‑means对训练图像集的图像块进行聚类，得到的每一个聚类中心即是网络模型中的卷积核，摒弃传统卷积网络中反复通过随机梯度下降算法来得到卷积核的费时过程；此外，本发明通过提出一种概率池化方法增强了网络对图像变形的鲁棒性。通过本发明提出的简洁非监督式深度卷积网络分类模型，可以有效地降低模型训练时间，同时提高模型对多变场景图片的识别能力。
-
Patent Agency Ranking
公开(公告)号：CN107123668A
公开(公告)日：2017-09-01
申请号：CN201710235791.X
申请日：2017-04-12
Applicant: 西安电子科技大学
IPC: H01L29/06 , H01L29/205 , H01L29/778 , H01L21/335 , H01L21/02
Abstract: 本发明公开了一种InAs/AlSb HEMT外延结构及其制备方法。本发明公开的一种InAs/AlSb HEMT外延结构，自下而上包括：衬底、缓冲层、AlAsxSb1‑x下势垒层、InAs沟道层、AlSb隔离层、InAs掺杂层、AlAsxSb1‑x上势垒层、InAlAs空穴阻挡层以及InAs帽层；缓冲层采用Si；AlAsxSb1‑x下势垒层为具有阶梯式变组分方式的AlAsxSb1‑x势垒层；AlAsxSb1‑x上势垒层为具有阶梯式变组分方式的AlAsxSb1‑x势垒层。本发明通过采用阶梯式变组份方法生长AlAsxSb1‑x下势垒层和AlAsxSb1‑x上势垒层，有效提高了器件的稳定性和可靠性。
-
公开(公告)号：CN104156725B
公开(公告)日：2017-05-10
申请号：CN201410400326.3
申请日：2014-08-14
Applicant: 电子科技大学
IPC: G06K9/54
Abstract: 本发明提供了一种新的基于笔画段间角度的汉字笔画组合方法，目的在于解决汉字印刷体笔画组合问题，其方案为首先将输入汉字图片进行二值化操作，使得输入图片成为二值图像，对二值化图像进行拆分操作，从水平和垂直两个方向扫描图像后，将没有像素点相连接的部分拆分开来，拆拆分开的二值图像提取骨架图；对骨架图提取交叉点，针对每一个交叉点，根据组合规则，组合笔画。根据上一步骤标注的笔画组合方式，输出最终的笔画组合。
-
公开(公告)号：CN105574876A
公开(公告)日：2016-05-11
申请号：CN201510957665.6
申请日：2015-12-18
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 该发明公开了一种基于标签语义推理的自然图像分割方法，属于数字图像处理领域，涉及图像分割任务。本发明的提出一种自然图像自动分割方法，该方法利用数字标注图像的分割区域，自动估计分割后的图像区域数目，使得每一块区域表示一个独立的物体，并且区域之间不失连续性，从而更加满足人类感知的理解需求。保证分割区域内的强相似性和分割区域间的强关联连的前提下，获得更加有意义的图像分割结果。
-
公开(公告)号：CN105426533A
公开(公告)日：2016-03-23
申请号：CN201510955359.9
申请日：2015-12-17
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/583 , G06K9/4671 , G06K9/6223
Abstract: 该发明公开了一种融合空间约束信息的图像检索方法，属于模式识别与信息处理技术领域，涉及计算机视觉方面的图片处理方法。本发明提出了基于超像素的图像检索方案，在传统词袋模型的基础上，补充图像的空间信息，用基于特征空间的图像检索模型，同时融入基于图像空间的图像分割技术，通过补充空间约束信息，提高图像检索的准确率；提出的检索方案在提高检索精确度的同时，保证了检索效率和存储开销。
-
公开(公告)号：CN105069413A
公开(公告)日：2015-11-18
申请号：CN201510444505.1
申请日：2015-07-27
Applicant: 电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00362
Abstract: 该发明公开了一种基于深度卷积神经网络的人体姿势识别方法，属于模式识别与信息处理技术领域，涉及计算机视觉方面的行为识别任务，尤其涉及基于深度卷积神经网络的人体姿势估计系统的研究与实现方案。该神经网络具有的独立输出层和独立损失函数是为人体关节定位而设计的。ILPN由一个输入层，7个隐含层，2个独立的输出层组成。其中第1～6个隐含层是卷积层，用于特征提取，第7个隐含层(fc7)是全连接层。输出层由两个独立的部分组成：fc8-x和fc8-y。其中fc8-x用于预测关节的x坐标，fc8-y用于预测关节的y坐标。在模型训练时，这两个输出都会有一个独立的softmax损失函数来指导模型的学习。从而具有训练简单迅速，计算量小，准确度高的优点。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.03 seconds)
