-
公开(公告)号：CN117237416A
公开(公告)日：2023-12-15
申请号：CN202311359381.8
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/246 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标跟踪技术领域，公开了一种基于信用分配网络的单目标跟踪方法及系统，用于改善因低质量的跟踪结果导致记忆样本被污染的问题。本发明首先设计了一个利用引导聚焦损失函数在线更新的信用分配网络，其通过学习目标对象的特征为跟踪结果生成信用评分，确保更新可靠的样本以存储在记忆池中；然后，为了更好地适应跟踪过程中的目标外观变化，我们提出了一种新的记忆选择策略来收集跟踪过程中高质量的跟踪结果作为记忆样本，进一步增强了记忆池的可靠性和适应性。本发明利用引导聚焦损失函数在线更新信用分配网络，使其更好的区分目标和背景信息，从而为记忆池选择更可靠的记忆样本，提升跟踪结果的鲁棒性。
-
公开(公告)号：CN115908926A
公开(公告)日：2023-04-04
申请号：CN202211486711.5
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于协同学习的零样本图片分类方法、系统、设备及介质，方法包括：获取数据集；训练图片编码器和语义编码器；提取图片编码和语义编码；划分两个子数据集；分别利用两个子数据集图片编码和语义编码训练两个分类器；使用两个分类器对测试数据进行预测，根据得分的排名前后将测试数据划分给两个子数据集；判断子数据集是否更新；重复划分两个子数据集训练分类器，直至子数据集不再更新；利用最终得到的两个分类器对进行最终的预测。本发明通过协同训练的方式分别利用图片特征和语义特征训练两个分类器，采用混合两种分类器数据的方式将图片特征和语义特征中互补的知识融合，提高了类别分类的正确率。
-
公开(公告)号：CN115731421A
公开(公告)日：2023-03-03
申请号：CN202211514426.X
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/46 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种机器学习中零样本图片分类方法及系统，获取零样本图片数据集；通过预训练网络提取数据的特征；选取两张图片输入到编码器1中，对结果计算差异损失；输入到解码器1中，计算图片重构损失；选取一张图片输入到编码器1后，将语义特征输入到编码器2中，交换后输入到解码器2中，计算差异损失、图片重构损失和语义重构损失；统计总损失；训练编码器和解码器；利用训练完成的编码器和解码器产生新的数据；组合新数据和原始数据训练分类器；利用分类器对测试样本进行测试。本发明利用解耦的方式提供了更加可靠的特征生成方式，为未见类的生成特征提供了可靠性保障，最终更好的训练未见类分类器。
-
公开(公告)号：CN115618724A
公开(公告)日：2023-01-17
申请号：CN202211226319.7
申请日：2022-10-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/27 , G06F17/18 , G06F18/214 , G06F111/06 , G06F119/02
Abstract: 本发明属于火电机组热工过程非线性系统辨识技术领域，公开了一种热工非线性系统辨识方法、系统、介质、设备及终端，获得用于模型热工非线性系统辨识的样本集，将样本集划分为训练集和测试集两部分；将训练集样本作为模型训练的输入样本，通过模糊宽度学习系统进行训练和推理；通过节点适应度粒子群算法对模糊宽度学习系统的模糊规则Nr、模糊子系统Nf和增强节点Ne三个参数进行搜索；根据测试集样本，利用经过优化搜索的最优模糊宽度学习系统结构进行预测。本发明的计算过程简单高效，能够同时用于神经网络逼近和模糊推理，具有快速确定最优模型结构的优点，有效提升模型非线性系统辨识能力，在非线性系统辨识任务中具有较强的应用价值。
-
公开(公告)号：CN115597521A
公开(公告)日：2023-01-13
申请号：CN202211247334.X
申请日：2022-10-12
Applicant: 电子科技大学长三角研究院(湖州)(CN)
IPC: G01B11/24
Abstract: 本发明涉及轮廓检测方法技术领域，且公开了基于3D成型的智能工厂自动化加工中零件轮廓检测方法，第一步：获取转台空置时的状态，通过3D扫描仪获取转台空置时第一状态的第一数据帧，此时3D扫描仪的状态是固定的，根据获取到的第一数据帧识别出转台的空置区域空间。该基于3D成型的智能工厂自动化加工中零件轮廓检测方法，本发明的通过测量零件第一初始三维模型和第二初始三维模型，将第一初始三维模型和第二初始三维模型进行分析对比，当两者出现一致模型部分时，可确定为零件的实际模型，本发明实现了对零件轮廓的3D成型，并且通过两种3D成型方式来确定最终的零件模型，从而可提高本发明零件轮廓检测的效率和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115424014A
公开(公告)日：2022-12-02
申请号：CN202210879677.1
申请日：2022-07-25
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语义注意力机制的零样本语义分割方法。该方法包括如下步骤：通过背景提取模块提取背景掩码，将背景掩码与初始背景特征一起输入到背景更新模块中，输出学习得到的背景语义特征。通过像素特征提取模块得到语义注意力图和视觉特征图，利用语义特征图和语义注意力图得到适用于当前图片的语义特征，最后计算语义特征和视觉特征图的余弦相似度，根据最大的相似度实现语义分割。本方法通过可学习可更新的背景和语义特征，针对不同的图片学习得到不同的语义特征，根据得到的语义特征帮助零样本语义分割模型更好地针对每一个像素点进行语义分割，提高模型的泛化性和通用性。
-
公开(公告)号：CN114861541A
公开(公告)日：2022-08-05
申请号：CN202210523696.0
申请日：2022-05-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/27 , G06F17/10 , G06N3/04 , G06N3/08 , G01N23/223
Abstract: 本发明涉及XRF光谱分析领域，公开了一种基于XRF‑EGAN的土壤XRF光谱本底扣除方法，是基于GAN模型的设计模式，采用一维全卷积网络层和残差连接，构建模型的生成器，采用一维卷积和全连接层构建模型的判别器，并采用对抗训练模式训练XRF‑EGAN模型，进而获得训练好的生成器和判别器，且生成器是土壤XRF本底扣除模型，进而提高土壤XRF的元素净峰面积和含量之间的相关性，进而提升基于XRF光谱的元素定量分析的准确性。本发明的方法应用在土壤XRF光谱本底扣除中，实现土壤XRF光谱的本底扣除，消除因X荧光分析仪在分析过程中脉冲堆积导致的XRF本底干扰。本发明适用于土壤XRF光谱本底扣除。
-
公开(公告)号：CN117834688A
公开(公告)日：2024-04-05
申请号：CN202311454319.7
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L67/125 , G01N23/223 , H04L67/1095 , H04L67/08
Abstract: 本发明涉及控制技术领域，且公开了一种手持式XRF光谱仪网络远程协助方法，包括以下工作步骤：第一步：将分享界面同步至远程目标终端，分享界面用于分享分析数据用，分享界面对分析数据进行界面上的共享，远程目标终端上可进行分享界面上信息的传输，分享界面显示有对象分析数据，对象分析数据是根据对检测对象的成分进行分析得到的。该一种手持式XRF光谱仪网络远程协助方法，本方案将分享界面同步至远程目标终端，接收远程控制指令，确定远程控制指令对应的目标操作，根据目标操作进行操作，目标操作与界面控制操作在分享界面的操作位置匹配，从而实现XRF光谱仪网络远程协助，通过分享界面的分享，实现远程协助操作。
-
公开(公告)号：CN117762092A
公开(公告)日：2024-03-26
申请号：CN202311453885.6
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G05B19/418
Abstract: 本发明涉及智能工厂生产调度领域，且公开了基于深度强化学习的智能工厂生产作业调度方法，在深度强化学习算法的训练调度过程中，由工件观察状态、工件预测状态和奖励函数构成元组，所述元组每隔规定时间更新一次；根据当前工件观察状态，输出预测状态和奖励函数进行作业调度，当元组更新一次后，根据更新后的工件观察状态，输出工件预测状态和奖励函数进行再一次的作业调度，直至工件达到完成加工的状态；由此可以得到奖励函数值最高的作业调度方法。当奖励函数表示工件观察状态与工件预测状态的图像对比越像，获得的奖励值r越高，因此将可以得到奖励函数值最高的作业调度方法，从而实现深度强化学习作业调度的目的。
-
公开(公告)号：CN117593545A
公开(公告)日：2024-02-23
申请号：CN202311641960.1
申请日：2023-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/62 , G06V10/22 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开基于时空区域建议和动态度量记忆网络的长期目标跟踪方法，以解决现有跟踪方法无法有效应对目标丢失后恢复跟踪的问题。其步骤为：首先跟踪器在搜索区域内，通过交互利用目标在时间和空间两个维度的信息进行区域建议，生成一些面向目标对象的高质量的候选区域，然后利用记忆网络判断推理出最优候选作为预测结果。根据该结果判断目标是否丢失，进行全局局部搜索策略的转换，同时对跟踪结果进行度量判断动态的更新记忆内容以模拟目标的长期外观。本发明将区域建议和记忆网络相结合能够适应目标不确定性运动等跟踪问题，实现长期跟踪。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.038 seconds)
