-
公开(公告)号：CN113052298A
公开(公告)日：2021-06-29
申请号：CN202110268146.4
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于胶囊网络的三维模型检索方法，包括：将输入的三维模型转换为离散体素形式，建立卷积神经网路，将体素化形式的三维模型作为待测数据输入到卷积神经网络模型中，卷积神经网络模型输出识别结果，即为待测三维模型的检索结果。本发明中，卷积神经网络模型中包括特征提取模块、胶囊网络模块以及全连接层。其中特征提取模块用于提取模型更多的低级特征，并且引入了尺寸和步长都较小的池化层，可以减少冗余特征；胶囊网络模块使用向量神经元保存特征空间信息，解决了传统卷积神经网络大量池化层的引入导致特征信息丢失的问题，动态路由算法优化了胶囊权重的迭代计算过程，取得了较好的识别效果。
-
公开(公告)号：CN111583113A
公开(公告)日：2020-08-25
申请号：CN202010360557.1
申请日：2020-04-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的红外图像超分辨率重建方法，属于计算机视觉领域。该方法对已有的算法SRGAN的生成网络及损失函数两个方面进行改进：在生成网络结构的改进中，生成网络结合传统双三次插值的方法；在损失函数的改进中，为了在有好的视觉效果的同时获得高的客观评价指标(峰值信噪比和结构相似度)，在生成网络的损失函数中加入逐像素均方误差损失。改进后的算法与原始SRGAN算法相比，重建后的图像的低频区域更加平滑，减少伪影，高频细节更加清晰，并且客观评价指标峰值信噪比PSNR和结构相似度SSIM都有提高。
-
公开(公告)号：CN111582111A
公开(公告)日：2020-08-25
申请号：CN202010353013.2
申请日：2020-04-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义分割的细胞各成分分割方法，属于图像处理技术领域。本发明基于所创建的基于编码解码的语义分割网络，结合去池化和跳层连接的方式，充分利用细胞图像的多尺度特征和像素的位置信息，对细胞各成分进行粗提取；然后通过灰度共生矩阵得到纹理特征，结合灰度共生矩阵所得的图像纹理信息改进超像素分割算法，分割出细胞各成分的精细边缘；最后将细胞各成分的粗提取结果和精细边缘进行融合，得到最终的细胞各成分分割结果。本发明可以用于细胞结构分析等技术领域，能够实现细胞各成分的自动准确分割。
-
公开(公告)号：CN111275132A
公开(公告)日：2020-06-12
申请号：CN202010111347.9
申请日：2020-02-24
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于SA-PFCM++算法的目标分群方法，首先初始化参数，并求出数据集的均值，计算每个样本点与所述均值的第一带权重欧式距离，排序后利用D2采样选择出第一个初始聚类中心，然后计算每个样本点与所述聚类中心的第二带权重欧式距离，排序后利用D2采样选择出下一个所述初始聚类中心，直至所述初始聚类中心数量达到设定条件，然后根据所述初始聚类中心迭代更新对应参数，直至迭代次数值达到设定阈值或聚类成员不再变化，计算对应的Xie-Beni-Sun(简称XBS)指标，然后更新初始参数值，直至达到设定停止条件，对比不同聚类数目下的XBS指标，输出设定XBS指标下的簇数目和类簇。有效降低了态势评估中目标分群的难度，提高了决策效率。
-
公开(公告)号：CN101708990A
公开(公告)日：2010-05-19
申请号：CN200910216407.7
申请日：2009-11-27
Applicant: 电子科技大学
IPC: C04B35/622 , C04B35/468 , C04B35/47
Abstract: 一种纳米晶钛酸锶钡薄膜的制备方法，属于功能材料技术领域，涉及纳米晶BST薄膜的制备方法。本发明对常规溶胶-凝胶方法制备BST薄膜过程的“冷却”和“晶化”步骤之间添加“预晶化”处理步骤。本发明可在大气环境下类外延生长纳米晶BST薄膜，所得薄膜光滑致密、无裂纹、无缩孔。本发明可大幅度提高纳米晶BST薄膜的综合介电调谐性能，所得纳米晶BST薄膜电容58～1840pF、介电调谐率大于20.0％、介电损耗小于3.0％、K因子大于15.0、介电强度高，频率特性和温度特性稳定。采用本发明所制备的纳米晶BST薄膜可以替代铁氧体和半导体用于制备微波调谐器件(如移相器)，从而显著降低微波调谐器件的制造成本；另外，本发明所制备的纳米晶BST薄膜还可用于磁记录、热释电焦平面阵列等。
-
Patent Agency Ranking
公开(公告)号：CN118212359A
公开(公告)日：2024-06-18
申请号：CN202410351697.0
申请日：2024-03-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于COLMAP和YOLOv5的敏感区域入侵监测方法，该发明在敏感区域入侵监测方向上具有一定的通用性。该专利以消防通道的入侵监测为说明案例。首先利用COLMAP将多视角图像融合建立高精度三维点云模型，明确标定出待保护的敏感区域界限。然后将YOLOv5集成至监控摄像系统中，实现实时视频流中的目标识别与定位。接着针对检测到的目标物体，使用射线法判断目标是否侵入敏感区域，一旦发生入侵事件，则立即触发警报系统，并显示在三维点云模型中。本发明能够实现对敏感区域的全方位、自动化的安全保障，具有显著的应用价值和技术进步意义。
-
公开(公告)号：CN113159063B
公开(公告)日：2022-11-18
申请号：CN202110344831.0
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进RetinaNet的小目标检测技术。该发明在许多基于深度学习的目标检测模型都具有一定的实用性，该专利以行人与车辆检测为说明案例。行人与车辆的检测在计算机视觉的实际较为广泛，且两类目标都呈现出目标尺寸下、检测场景复杂的特点。针对检测场景复杂的问题，在RetinaNet模型结构中的FPN加入了多层融合模块，多层融合可以一定程度解决特征金字塔结构中顶层语义信息被稀释的问题；针对小目标的问题，由于多尺度检测中小目标在特征层的选择灵活性较低，较大程度上依赖金字塔底层的细节信息，利用超分辨SR技术对底层特征信息进行补偿，使底层的细节信息和纹理信息等更加丰富。基于改进后的RetinaNet算法模型能够精准识别小尺寸目标，且模型也取得较高检测精度。
-
公开(公告)号：CN111582062B
公开(公告)日：2022-10-14
申请号：CN202010315220.9
申请日：2020-04-21
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于YOLOv3的目标跟踪中的重检测方法，该方法主要使用深度学习目标检测算法YOLOv3作为重检测方法，YOLOv3具有深度学习强大的特征提取能力，在检测精度上遥遥领先于传统的重检测方法，使用YOLOv3算法代替传统的重检测方法，可以极大地提高重检测效果，同时也有较好的检测速度，最终使得目标跟踪过程能够更稳定的进行。
-
公开(公告)号：CN113392876B
公开(公告)日：2022-07-05
申请号：CN202110563578.8
申请日：2021-05-24
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的小样本图像分类方法。本发明对基于图神经网络的EGNN算法进行改进优化，提出一种小样本图像分类方法。本发明方法主要由任务适应特征提取模块TAB、原型图神经网络模块和特征融合度量模块组成。本发明首先提出一种任务适应特征提取模型进行查询图像的特征提取，通过利用支持图像特征学习预测一组参数作用于查询图像特征图，调整查询图像不同特征的贡献，使其更能适应小样本的分类任务。同时在原网络上引入原型节点表示、特征融合度量模块，分别用于降低图节点规模和提升分类准确率。
-
公开(公告)号：CN113190684A
公开(公告)日：2021-07-30
申请号：CN202110308273.2
申请日：2021-03-23
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种基于路径质量评估的知识图谱推理算法RLKGR‑PQD。该算法包括：改进基准算法加入路径质量评估模块并给出相应的总体框架图，然后在两组公开数据集(FB15K‑237和NELL‑995)上对基准模型和改进后的RLKGR‑PQD模型进行实验，最后实验分析验证了RLKGR‑PQD算法的有效性，实验结果表明改进算法有效地提升了查询问答中的MRR指标。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.022 seconds)
