-
公开(公告)号：CN102680988A
公开(公告)日：2012-09-19
申请号：CN201210162393.7
申请日：2012-05-23
Applicant: 桂林电子科技大学
Abstract: 本发明所要解决的技术问题是提供一种高灵敏度导航卫星信号非线性捕获方法及装置，该方法与装置采用DBZP技术来减小相关功率损失；用FFT技术减少了做相关所需时间；利用非线性双稳随机共振系统的特性来提高系统输出信噪比；捕获过程中引入了MTM（最大相关值与相关均值比值）阈值检测方法，提高了正确检测率。本发明能够最大限度地提高GPS信号捕获灵敏度；并且可以极大限度地减小捕获时间，为弱GPS信号的实时高灵敏度捕获提供技术支持。
-
公开(公告)号：CN102662183A
公开(公告)日：2012-09-12
申请号：CN201210128335.2
申请日：2012-04-27
Applicant: 桂林电子科技大学
IPC: G01S19/24
Abstract: 本发明公开一种GPS信号捕获方法与系统，该方法与系统将快速傅里叶变换(FFT)、双块零拓展(Double Block Zero Padding，DBZP)、差分相干、频差修正等技术有机地结合，使其既能实现高效快速的GPS信号捕获，还能改善快速傅里叶变换计算过程中由大多普勒频移引起码片速率变化而造成的相关功率损失；此外，频差修正技术还能够削弱残余多普勒频移误差造成的功率损失，并实现高效快速的捕获。
-
公开(公告)号：CN118072099A
公开(公告)日：2024-05-24
申请号：CN202410269441.5
申请日：2024-03-11
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82
Abstract: 本发明公开了一种基于联合蒸馏回放策略的类增量学习方法，所述方法包括如下步骤：1)训练初始任务的蒸馏模型；2)设置一个缓冲区存储初始任务的蒸馏数据；3)建立基于旧任务的蒸馏数据与新任务的原始数据的联合蒸馏模型；4)在下一个任务训练过程中回放联合蒸馏数据。本技术方案利用旧任务的蒸馏数据与新任务的原始数据联合蒸馏，充分考虑旧任务的类别特征信息，以此避免特征模糊。在此基础上，保持新旧任务蒸馏过程中使用相同的学习率，并寻找一个最优的缓冲区规模以存储蒸馏数据用于回放，从而有效地缓解类增量学习场景中的灾难性遗忘，提升图像的分类效果。
-
公开(公告)号：CN110969638B
公开(公告)日：2023-09-29
申请号：CN201911098926.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于张量的背景减除方法及系统。该方法包括：获取观测张量；对观测张量进行高阶奇异值分解，得到初始化核心张量、因子、初始化辅助张量、拉格朗日乘子以及迭代次数；将观测张量分解为背景张量和前景张量；通过基于克罗内克基表示的张量稀疏检测方法约束背景张量，通过范数约束前景张量，得到最小化问题；通过求解最小化问题，得到迭代核心张量、迭代因子、迭代辅助张量以及迭代前景张量；判断所述迭代前景张量与前景张量之间的变化是否小于预先设定的阈值；若否，更新拉格朗日乘子；若是，根据迭代核心张量和迭代因子，得到迭代背景张量；根据迭代背景张量和迭代前景张量完成前景和背景的分离。本发明能够快速准确的分离背景和前景。
-
公开(公告)号：CN116309395A
公开(公告)日：2023-06-23
申请号：CN202310184852.X
申请日：2023-03-01
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06T7/10 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于图像分割的慢暂现源检测方法，所述方法包概括：S1:导入天文图像数据；S2:图像预处理后，通过将多个不同时刻的二维天空快照图像堆叠成一个三维的天空图像立方体，再进行切分S3：图像小立方体筛选，计算出各个小图像立方体的方差和，将超过阈值的图像小立方体作为网络的输入；S4:构建神经网络训练模型，通过神经网络提取三维图像立方体空间和时间上的特征并训练得到慢暂现源检测模型；S5:导入待检测图像数据，通过慢暂现源检测模型对图像进行图像分割得到检测结果图。这种方法兼顾时间和空间的信息，提取时空间联合特征，能减少对专业天文软件的依赖、简化检测步骤并且能提升检测精确性和检测效率。
-
Patent Agency Ranking
-
公开(公告)号：CN116188271A
公开(公告)日：2023-05-30
申请号：CN202310239578.1
申请日：2023-03-14
Applicant: 桂林电子科技大学
IPC: G06T3/40 , G06T7/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于DCT特征增强网络的图像压缩感知重建方法，其特征在于：包括如下步骤：1）对图像进行分块卷积压缩采样；2）采用亚像素上采样网络对观测向量进行初始重建；3）采用DCT特征增强网络对初始重建图进行深度重建；4）基于DCT特征约束函数进行网络训练。本发明提出的图像重建方法显式学习图像的DCT特征，有效恢复图像的高频细节信息，提升重建精度。
-
公开(公告)号：CN110380701B
公开(公告)日：2023-01-03
申请号：CN201910613033.6
申请日：2019-07-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及滤波器技术领域，且公开了一种具有陡峭衰减特性的复合滤波器，包括安装盒，安装盒的上端呈开口设置，且通过卡接机构连接有盒盖，安装盒内固定连接有滤波器主体，滤波器主体的两端接线端分别穿过安装盒的两侧竖直侧壁设置；卡接机构包括连接块、固定槽、卡槽、第一弹簧、固定块和拉绳，两个连接块对称固定连接在盒盖的下端，固定槽开设在连接块靠近安装盒一侧的侧壁上，卡槽开设在安装盒对应固定槽的侧壁上，第一弹簧固定连接在固定槽的槽底，固定块固定连接在第一弹簧远离固定槽槽底的一端，且与固定槽滑动连接。本发明使得拆装十分地方便快捷，并与对其进行组装维修等。
-
公开(公告)号：CN110866929B
公开(公告)日：2022-12-27
申请号：CN201911098771.8
申请日：2019-11-12
Applicant: 桂林电子科技大学
IPC: G06T7/12
Abstract: 本发明提出了一种图像轮廓分割方法及系统。所述分割方法包括如下步骤：首先获取原始图像的边缘指示函数和梯度矢量流，在迭代获取水平集函数的过程中，利用边缘指示函数、梯度矢量流和第n‑1次迭代的水平集函数和偏置域，计算第n次迭代的权重因子、局部强度均值、全局强度均值和偏置域，进而计算水平集函数。本发明在计算水平集函数的过程中引入局部边缘特征(边缘指示函数)，从而能更好的保留图像的细节特征，减小弱边界和强度不均匀图像的边界泄露。本发明在计算水平集函数的过程还引入测地边缘项，全面利用图像的边缘信息，增强模型的分割性能，减小复杂背景的干扰，提高了弱边界图像和强度分布不均匀的图像的分割精度。
-
公开(公告)号：CN114821100A
公开(公告)日：2022-07-29
申请号：CN202210385383.3
申请日：2022-04-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于结构组稀疏网络的图像压缩感知重建方法，所述方法为：为图像块构造相似组，将图像块与其相似组输入卷积神经网络；将图像块相似组输入边缘轮廓重构分支，通过其中的局部残差递归网络和亚相素层，获得对图像边缘轮廓的重建；将图像块相似组输入局部细节重构分支，通过其中的密集连接网络和多尺度编解码网络模块，获得对图像细节纹理的重建；将两分支重建图像进行融合，输出得到对原始图像的重建图；训练中，设计并采用结构组稀疏约束损失函数进行训练约束。这种方法能节约计算资源、能提高图像的重建精度。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.054 seconds)
