-
公开(公告)号：CN113034741A
公开(公告)日：2021-06-25
申请号：CN202110222995.6
申请日：2021-03-02
Applicant: 桂林电子科技大学 , 桂林森明智能科技有限责任公司 , 桂林笑微酒店管理有限公司
Abstract: 本发明提供一种基于DWT‑DCT变换加密算法的掌静脉智能锁，包括锁体、锁把手、掌静脉身份识别模块及其他身份识别模块，所述的其他身份识别模块用于开启智能锁，与掌静脉识别模块同时具备开启智能锁的功能。基于DWT‑DCT变换加密算法的掌静脉智能锁对身份注册和识别过程进行加密处理，实现识别系统受到不同攻击后依然可以准确进行掌静脉图像识别，解决现有技术的不足，提供高安全性、高鲁棒性的掌静脉识别技术。除此之外，建立的图像特征数据库可以大大缩小存储空间，形成轻量化的掌静脉身份识别系统。
-
公开(公告)号：CN113420793A
公开(公告)日：2021-09-21
申请号：CN202110622393.X
申请日：2021-06-05
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
Abstract: 本发明涉及了一种基于改进的卷积神经网络ResNeSt50的胃印戒细胞癌图像分类方法，包括：首先从医院获取原始数据；再进行数据预处理和数据增强；预训练ResNeSt50模型并改进其结构；将改进的模型与其他state‑of‑the‑art模型进行公平的比较；制作概率热力图，训练随机森林分类器。最后进行病理图像级别的分类，得出分类结果。本发明提出的方法不仅在切片级别的分类上取得了很好的效果，同时在病理图像级别的分类上取得了不错的结果，病变区域可视化效果也优于现有的方法。
-
公开(公告)号：CN113395268A
公开(公告)日：2021-09-14
申请号：CN202110616355.3
申请日：2021-06-03
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: H04L29/06
Abstract: 本发明提供一种基于线上线下融合的网络爬虫拦截方法，设置虚假数据，并线上通过分析用户的访问行为来判断用户是否为爬虫，对有着明显用户行为的id通过，对于线上分析为爬虫的id设置验证码，以减少误判。线下分析网络日志来判断那些绕过检测隐蔽性较好的爬虫，并加入爬虫名单库中。本发明结合线上线下共同识别的方式，节省了服务器资源，提高了准确率。
-
公开(公告)号：CN113326398A
公开(公告)日：2021-08-31
申请号：CN202110545150.0
申请日：2021-05-21
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F16/738 , G06F16/75 , G06F16/783 , G06T7/11 , G06T7/13
Abstract: 本发明介绍了一种新的视频动态合成缩略图生成方法，通过分析和提取视频内容的显著性信息，将其融合成具有时序信息的动态图像序列来作为视频动态缩略图封面，提供有效和丰富的视觉线索，帮助用户提高其信息获取效率。具体地说，首先使用镜头分割算法将视频切分为一系列的镜头和子镜头等基本结构化单元；其次，进行关键帧提取，并使用图像聚类算法将提取到的关键帧进行聚类；第三，对每一类按照该类所包含的关键帧所对应的镜头时长的总和进行重要性度量，并按照重要性大小对类进行降序排列；第四，从每一个类中选取一个片段，并对片段中的帧进行显著性区域检测；最后，使用基于重要性的内容布局算法将提取到的片段融合为一个动态的合成缩略图。
-
公开(公告)号：CN110544174A
公开(公告)日：2019-12-06
申请号：CN201910845796.3
申请日：2019-09-09
Applicant: 桂林智慧产业园有限公司 , 桂林笑微酒店管理有限公司
Abstract: 本发明公开了一种基于北斗的农田种植管理系统及管理方法，该系统包括远程监控中心，通过无线通信网络模块分别与远程监控中心无线连接的语音模块、卫星接收机模块、数据库、移动终端和播种农机；语音模块和卫星接收机模块设在播种农机上；利用该系统对农田种植进行管理，远程监控中心监测农机行车轨迹是否偏离预设路线，播种速度是否偏离预设速度，并阐释相应的管理调整策略；语音模块语音提示农机驾驶员修改规划路线和调整播种速度；星接收机模块获取实时卫星信号；数据库存储和更新远程监控中心所需要的数据信息；移动终端设置农机播种速度，提交农机车辆预约申请、与远程监控中心进行数据传输、交互，实现在线观看播种轨迹以及回放播种记录。
-
Patent Agency Ranking
公开(公告)号：CN109992847A
公开(公告)日：2019-07-09
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F17/50
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN109992847B
公开(公告)日：2022-08-05
申请号：CN201910194398.X
申请日：2019-03-14
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F30/20
Abstract: 本发明公开了一种混合机器学习模型的滑坡位移预测方法，对滑坡监测点进行滑坡影响因素挖掘和滑坡位移数据采集和预处理并作为模型的训练数据；将获得的滑坡影响因素和滑坡位移数据看作时间序列进行小波去燥处理；基于时间序列原理，采用霍德里克‑普雷斯科特滤波器(HP)将去燥后的滑坡影响因素和位移数据分解成趋势项和周期项。针对趋势项和周期项分别采用二阶指数平滑(DBS)的方法和动态多群粒子群(DMS‑PSO)优化极限学习机(ELM)模型进行位移预测。最后将预测的周期项位移和趋势项位移相加得到总的滑坡预测位移。通过该周期项位移预测模型可以更好的求解全局最优解，使预测精度和可靠性更高。
-
公开(公告)号：CN113312503A
公开(公告)日：2021-08-27
申请号：CN202110416284.2
申请日：2021-04-20
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G06F16/44 , G06F16/438 , G06F16/45 , G06F16/74 , G06F16/738 , G06F16/75 , G06F40/295 , G06K9/00 , G06N5/04 , G06N7/00
Abstract: 本发明以视觉通道和语音通道为主要研究对象，综合运用视频分割、图像语义理解、自然语言处理等多种技术，设计了一种新的面向教学类视频的图文内容摘要和可视化浏览方法，以辅助用户对视频进行内容探索和定位，提升其信息获取效率和视频浏览体验。具体地说，本发明首先对视频视觉内容进行分析和处理，通过分割的每一个语义单元提取关键帧并对其进行图像语义理解和显著性区域检测，得到视频的视觉实体；其次，使用语音识别和自然语言处理的技术对音频信息进行处理，提取主题句和关键词等文本实体；最后，为每个主题单元分配权重，将视频的视觉实体和文本实体进行语义关联映射，并将其封装成图文并茂的可视化内容摘要。
-
公开(公告)号：CN109035695A
公开(公告)日：2018-12-18
申请号：CN201810565845.3
申请日：2018-06-04
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
IPC: G08B21/04 , A61B5/11 , A61B5/0402 , A61B5/01
CPC classification number: G08B21/0453 , A61B5/01 , A61B5/0402 , A61B5/1113 , A61B5/1117 , A61B5/746 , G08B21/043 , G08B21/0446
Abstract: 本发明公开了一种基于BDS和超宽带双模定位技术的居家老人应急监测系统，包括依次连接的数据信息获取部分、数据处理解析部分、数据计算建模部分和终端处理部分；数据信息获取部分包括定位引擎模块、居家老人应急信息采集模块，两个模块利用不同的传感器获取老人原始信息；数据处理解析部分将数据信息进行处理转换，使其与系统所需的数据类型一致，并利用大数据分析对原始信息进行分类处理；数据计算建模部分对处在危险的老人的数据进行分析建模；终端处理部分对建模的数据进行终端处理，同时对居家老人的行动轨迹进行分析预处理，也添加了报警功能，从而更好的解决居家老人无人监管、摔倒时无法报警的问题。
-
公开(公告)号：CN113408593A
公开(公告)日：2021-09-17
申请号：CN202110613678.7
申请日：2021-06-05
Applicant: 桂林电子科技大学 , 桂林笑微酒店管理有限公司
Abstract: 本发明公开了一种基于改进的ResNeSt卷积神经网络模型的糖尿病性视网膜病变图像分类方法。该方法为：首先从医院获取病变图像；对图像进行预处理，眼科医生手动标注，划分数据集；再搭建实验所需的深度学习服务器平台，然后编写python代码；在ResNeSt卷积神经网络中引入OctConv和SPConv两种轻量且高效的卷积操作，并引入Warm Restart和余弦退火的学习率调解机制；采用ILSVRC2012数据集对改进的ResNeSt网络进行预训练，将得到的模型迁移到预处理后的数据集上进行微调；载入测试集，测试训练好的ResNeSt卷积神经网络分类模型，得出分类的结果，看各分类指标是否符合要求。本发明实现了对糖尿病性视网膜病变图像分类方法，利用改进的ResNeSt模型，有较高的运行效率和分类准确度，应用价值很高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
