-
公开(公告)号：CN114610874A
公开(公告)日：2022-06-10
申请号：CN202111471316.5
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/35
Abstract: 本发明公开了一种基于BERT模型的安全事故标签分类方法，属于自然语言处理领域。本发明首先进行对文本进行预处理，精简文本，提高处理效率；然后使用基于BERT预训练模型实现抽取式文本摘要，使用NEZHA预训练语言模型及PGN模型实现生成式文本摘要；最后通过ALBERT训练模型，借助迁移学习的思想进行多标签多任务分类。可对安全事故及原因分类，为安全生产监管、事故隐患排查和分析奠定基础，实现安全生产事故分类水平的提升。
-
公开(公告)号：CN114581363A
公开(公告)日：2022-06-03
申请号：CN202111478910.7
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于多尺度级联残差卷积神经网络的海岸线变化检测方法。目前对于海岸线的变化检测的传统方法具有效率低下且费时费力的缺点，所以该发明是基于深度学习的一种海岸线变化检测方法。该方法分为背景卷积神经网络模块，残差处理模块以及分割卷积神经网络模块。本文为了更好的获取到海岸线的变化检测结果，添加了残差处理模块，并将残差处理模块处理后的结果深度连接到分割卷积神经网络模块中，实现特征融合，提取到更多的特征信息，来达到更好变化检测的效果。
-
公开(公告)号：CN110246140B
公开(公告)日：2022-03-29
申请号：CN201910398169.X
申请日：2019-05-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的基于凹点匹配的粘连颗粒目标分割方法，属于图像处理技术领域。本发明首先进行图像预处理，以获得待分割目标的轮廓及凹点；然后，基于形态学操作进行初步分割，从而有效减少进行匹配处理的凹点数量；接着，基于局部凹点匹配的分割处理，即首先进行局部凹点匹配处理，再基于匹配结果实现第一分割处理；最后，基于距离变换处理进行第二分割处理，解决孤立凹点的技术问题。本发明可以用于农业数种、分割等技术领域，其分割准确高。
-
公开(公告)号：CN113984698A
公开(公告)日：2022-01-28
申请号：CN202111237971.4
申请日：2021-10-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3504
Abstract: 本发明涉及工业排放技术领域，具体地说，涉及一种快速检测工业排放甲苯的红外光检测方法。其包括如下步骤：用微量注射器准确抽取甲苯气体，注入至注射器中；在工业废气处，通过注射器抽取现场空气，标记为废气样品；再使用注射器采集清洁空气，标记为对比样品；用清洁空气稀释标准样品成多个标准样品系列，分别取样，用气相色谱仪测量保留时间及峰面积；用测定标准样品系列的操作条件测定废气样品和对照样品；该快速检测工业排放甲苯的红外光检测方法中，用微量注射器采集空气中甲苯，直接进样气相色谱，氢火焰离子化检测器测定，效果良好，方法的重现性较好，同时空气中的其他物质在本方法条件下不干扰测定。
-
公开(公告)号：CN113393582A
公开(公告)日：2021-09-14
申请号：CN202110563571.6
申请日：2021-05-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的三维物体重建算法，包括：输入多个从任意角度获得的物体二维图像并进行预处理，建立卷积神经网路，将二维图像作为训练数据输入到建立的卷积神经网络中进行训练，将待测的二维图像输入到训练好的卷积神经网络模型中，卷积神经网络模型输出三维重建结果。本发明中，所述的卷积神经网络模型包括编码器、解码器、多视图特征组合模块。其中，编码器的输入为多视角的二维图像，输出为二维特征向量，需将其转换为三维信息；将三维信息输入到解码器中，得到单幅图像的三维预测体素占用；再通过多视图特征组合模块，得到最终的预测体素占用。在测试阶段，根据分层预测策略预测所得的0‑1占用与地面真实占用来计算准确率。
-
Patent Agency Ranking
公开(公告)号：CN113052185A
公开(公告)日：2021-06-29
申请号：CN202110270154.2
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于Faster R‑CNN的小样本目标检测方法。本发明结合传统目标检测算法和小样本学习算法，对Faster‑RCNN网络进行了深度的改进和优化，使其适应小样本目标检测。本发明提出基于注意力的RPN模块，利用通道注意机制对不同通道特征分配不同的权重，然后将支持集特征和查询集特征进行深度互相关以生成注意力特征图，然后送入RPN网络生成候选框。本发明基于度量学习，用改进的加权原型网络替换Faster R‑CNN分类器头，提高小样本下候选区域分类准确率；本发明引入多尺度FPN模块，包含两个分支，其中一个分支与一般检测网络类似，应用于RPN层，另一分支应用于支持集图像以提取多尺度特征图，以解决小样本数据集尺度稀疏以及查询图片和支持集图片之间的尺度差异问题。
-
公开(公告)号：CN111428031A
公开(公告)日：2020-07-17
申请号：CN202010200084.9
申请日：2020-03-20
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/335 , G06F16/36
Abstract: 本发明提供了一种融合浅层语义信息的图模型过滤方法，该方法包括：将中文指称输入指称扩展方法，得到精准完整的实体指称；将实体指称作为wiki搜索的关键字段放入中文维基百科知识库中，获得实体指称的候选实体列表；将候选实体列表输入融合浅层语义信息的图模型过滤方法中，得到过滤后的候选实体列表；将过滤后的候选实体列表存入数据库，为实体消歧模块做准备。本发明通过融合浅层语义信息计算候选实体和实体指称上下文相似度获得文本相似度作为过滤算法的权重因子，并利用基于图模型出入度算法计算候选实体相关度作为过滤算法的权重因子，最后融合两个权重因子得到综合得分对候选实体进行排列，降低了实体消歧误差。
-
公开(公告)号：CN110246140A
公开(公告)日：2019-09-17
申请号：CN201910398169.X
申请日：2019-05-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的基于凹点匹配的粘连颗粒目标分割方法，属于图像处理技术领域。本发明首先进行图像预处理，以获得待分割目标的轮廓及凹点；然后，基于形态学操作进行初步分割，从而有效减少进行匹配处理的凹点数量；接着，基于局部凹点匹配的分割处理，即首先进行局部凹点匹配处理，再基于匹配结果实现第一分割处理；最后，基于距离变换处理进行第二分割处理，解决孤立凹点的技术问题。本发明可以用于农业数种、分割等技术领域，其分割准确高。
-
公开(公告)号：CN105069475B
公开(公告)日：2018-12-18
申请号：CN201510476896.5
申请日：2015-08-06
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及图像处理领域，提供一种基于视觉注意机制模型的图像处理方法，以解决目前的自顶向下的视觉注意模型的难度和复杂性较高的问题，该方法包括：通过自底向上的视觉注意模型得到原始图像的总显著图；采用自顶向下的视觉注意模型得到感兴趣区域。本发明提出的技术方案将自底向上的视觉注意模型的显著图应用于自顶向下的视觉注意模型，降低了自顶向下的视觉注意模型的复杂度，提高了整个方法的检测精度，最终得到的显著图更接近人眼视觉注意。
-
公开(公告)号：CN105069475A
公开(公告)日：2015-11-18
申请号：CN201510476896.5
申请日：2015-08-06
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明涉及图像处理领域，提供一种基于视觉注意机制模型的图像处理方法，以解决目前的自顶向下的视觉注意模型的难度和复杂性较高的问题，该方法包括：通过自底向上的视觉注意模型得到原始图像的总显著图；采用自顶向下的视觉注意模型得到感兴趣区域。本发明提出的技术方案将自底向上的视觉注意模型的显著图应用于自顶向下的视觉注意模型，降低了自顶向下的视觉注意模型的复杂度，提高了整个方法的检测精度，最终得到的显著图更接近人眼视觉注意。
-
-
-
-
-
-
-
-
-
Search Results
188
records
(took 0.025 seconds)
