-
公开(公告)号：CN113392876A
公开(公告)日：2021-09-14
申请号：CN202110563578.8
申请日：2021-05-24
Applicant: 电子科技大学
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：CN113159063A
公开(公告)日：2021-07-23
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：CN113052875A
公开(公告)日：2021-06-29
申请号：CN202110338092.4
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的基于状态感知模板更新的目标跟踪技术。在目标跟踪时，随着图像采集设备和目标之间角度的变化，或者目标本身特性造成的形态变化，会造成图像序列中目标形状、大小上的变化，即目标形变问题，给目标跟踪算法带来了一定的挑战。本发明根据目标形变问题，基于SiamRPN算法提出了一种基于状态感知模板更新的Siamese目标跟踪技术，从两个角度来着手改进目标跟踪里的模板更新。一是如何进行模板更新，结合元学习的思想，构建模板更新网络，实现快速可靠的模板更新。二是何时进行模板更新，通过构建一个长短记忆网络来对目标状态进行判断，决定更新目标模板的时机。本发明能有效的解决长时目标跟踪场景下的目标模板更新的问题。
-
公开(公告)号：CN113052189A
公开(公告)日：2021-06-29
申请号：CN202110338087.3
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种改进的MobileNetV3的特征提取网络。该模型在基于CNN的计算机视觉技术领域具有一定通用性。以Resnet、Vgg为核心的模型在图像经过特征提取网络处理时忽略了其特征集合存在大量冗余性和相似性，且存在参数量高、计算量大的问题。针对冗余性和相似性的问题，提出shadow‑bottleneck，即通过利用分组卷积和改进的通道混洗生成少量本体特征的基础上再采用高效运算生成影子特征的结构方式来保证特征的丰富性和冗余性；针对轻量化问题，参考MobileNetV3模型结构并将网络中的bottleneck替换为shadow‑bottleneck形成最终改进的轻量化特征提取网络模型。该模型能够具有较低的计算量和参数量，且能够获得较高的分类精度。
-
公开(公告)号：CN113052184A
公开(公告)日：2021-06-29
申请号：CN202110270152.3
申请日：2021-03-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于两阶段局部特征对齐的目标检测技术。该发明可以进一步增强以Faster R‑CNN为代表的目标检测算法在不同应用场景下的泛化性能。以往基于特征对齐的目标检测技术通常存在两个问题：一是网络训练前期前景目标特征区域定位不准确；二是不按前景目标分类进行特征对齐，算法细粒度较低。本发明提出的两阶段特征对齐方法，在训练的第一阶段，利用中心特征点图生成的标准候选框解决前景目标特征区域定位不准确问题；在训练的第二阶段，对前景目标特征按分类结果进行特征对齐，提升算法的细粒度。该发明提出的方法网络结构简单，且能移植到其他目标检测算法中去。
-
Patent Agency Ranking
公开(公告)号：CN113051408A
公开(公告)日：2021-06-29
申请号：CN202110338086.9
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于信息增强的稀疏知识图谱推理方法，该方法包括：对待补全的稀疏知识图谱进行加载，在确定头尾目标实体之后，利用实体链接算法和外接的知识库来引入额外的信息，以此来对稀疏知识图谱进行信息增强；利用实体链接算法和外接的知识库来引入额外的信息，利用图卷积神经网络来获取外部知识图谱中的信息特征，使用双注意力机制对待补全知识图谱中抽取到的特征信息和增强的特征性进行特征融合，在对融合之后的特征进行评分，将分值最高的候选结果作为最终结果进行输出。
-
公开(公告)号：CN113010691A
公开(公告)日：2021-06-22
申请号：CN202110337986.1
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明提出了一种基于图神经网络的知识图谱关系推理方法，该方法包括：在知识图谱推理中的关系推理模型中主要分为评分函数和预测结果两个部分，其中关系推理的结果可以根据不同方式来获得目标节点的与关系组成的候选结果集。在候选结果集中推理正确关系的过程中，本发明主要是结合知识图谱中的结构信息联合知识图谱的语义和注意力机制，以实现知识图谱中未知关系推理预测。在进行知识图谱语义信息获取的过程中，同时使用同构信息理论对目标头尾实体周围的结构信息进行提取，对目标关系周围的知识图谱进行注意力信息采集，通过注意力机制有效融合，将分值最高的候选结果作为最终结果进行输出。
-
公开(公告)号：CN111159393A
公开(公告)日：2020-05-15
申请号：CN201911391922.9
申请日：2019-12-30
Applicant: 电子科技大学
Abstract: 本发明提供一种基于LDA和D2V进行摘要抽取的文本生成方法，利用原本用于文章分类的LDA模型来做句子的主题分类，然后将每个主题的句子利用D2V模型继续句子向量化，然后计算句子的熵信息，选择最大熵信息的一个句子作为摘要句子。本发明相对于抽取数目由人工确定的方法比较而言，是由计算机来对抽取摘要句子的数目进行调整，总结得到相应每篇文本不同主题选择相应的信息量最为丰富的句子构成了摘要。
-
公开(公告)号：CN109685128A
公开(公告)日：2019-04-26
申请号：CN201811546155.X
申请日：2018-12-18
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6223 , G06K9/6256
Abstract: 本发明公开了一种MB-kmeans++聚类方法及基于其的用户会话聚类方法，属于数据挖掘技术领域。本发明的聚类方法，首先采用平均距离最远原则选取k个初始聚类中心，然后基于当前随机选择的子集合对k个聚类中心进行位置的迭代更新处理，直到质心稳定或者达到最大迭代次数，最后再基于最终的聚类中心对待聚类数据进行k聚类处理，得到聚类结果。本发明的聚类处理方法能适应高维度稀疏矩阵的处理，在较大数据量的情况下能显著缩短处理时间。本发明的用户会话聚类方法为：在基于原始日志数据获取到各用户会话之后，对其进行优化处理：对庞大的页面维度进行缩减，对用户会话特征进行降维，再采用本发明的聚类方法进行聚类处理，得到具有相似访问行为用户。
-
公开(公告)号：CN101708990B
公开(公告)日：2012-08-08
申请号：CN200910216407.7
申请日：2009-11-27
Applicant: 电子科技大学
IPC: B32B9/04 , 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。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.024 seconds)
