公开(公告)号：CN113052261A

公开(公告)日：2021-06-29

申请号：CN202110434753.3

申请日：2021-04-22

Applicant: 东南大学

Inventor： 李晨 ,  许虞俊 ,  孙翔 ,  曹悦欣 ,  杜文娟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于余弦空间优化的图像分类损失函数的设计方法，该方法基于常用的Additive Margin Softmax优化，提出了一种可以对图像分类的类内距离与类间距离同时进行主动调控的损失函数。该方法在模型训练的前半阶段采用了AM‑Softmax损失函数，拉开类间距离，在训练后半阶段加入可以随训练批次动态调节的类内中心，进一步紧致同一类别物体的特征向量，同时拉开不同类别物体特征向量间的余弦距离，能够使得模型更快收敛，既能够充分的区分相似类别，也能进一步提高模型性能。

公开(公告)号：CN112257794A

公开(公告)日：2021-01-22

申请号：CN202011164112.2

申请日：2020-10-27

Applicant: 东南大学

Inventor： 李晨 ,  许虞俊 ,  杜文娟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于YOLO的轻量级的目标检测方法，由一种重复堆叠的通道无缩放卷积模块组成，且模块内通过重复的通道无缩放卷积块与普通的1x1卷积以及3x3卷积的组合极大地缩小了模型的尺寸，同时通过ECA结构重新分配通道的权重，增强各通道面对不同类别的目标自适应学习能力。网络基于YOLO系列框架输出三种不同尺度的特征图，分别负责预测不同尺度的物体，使得模型在极低的参数量下实现较高精度的检测效果，本发明参数复杂度低，精度高。

公开(公告)号：CN101917003A

公开(公告)日：2010-12-15

申请号：CN201010240356.4

申请日：2010-07-29

Applicant: 东南大学

Inventor： 杜文娟 ,  王海风 ,  陈中

IPC: H02J3/00

Abstract: 本发明公开了一种电力系统小干扰振荡稳定性分解式模态分析方法，将常规的计算残差Ri的模态分析进行分解计算，从而实现物理意义清晰的模态分析计算结果，其首先对电力系统稳态数据和电力系统静态数据进行测量后，然后分别对通道因子、重构系数和参与因子进行计算后，得到残差Ri的模态分析进行分解计算结果，基于该结果，可清晰揭示控制器影响阻尼的内部机理，实现对附加阻尼控制器的整定，以有效抑制电力系统低频振荡。本发明的电力系统小干扰振荡稳定性分解式模态分析方法，能够清晰详细地给出指定控制器或装置是如何影响指定的电力系统机电振荡模态，从而为电力系统小干扰振荡稳定性分析和控制设计提供物理意义清晰的指导。

公开(公告)号：CN113052261B

公开(公告)日：2024-05-31

申请号：CN202110434753.3

申请日：2021-04-22

Applicant: 东南大学

Inventor： 李晨 ,  许虞俊 ,  孙翔 ,  曹悦欣 ,  杜文娟

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于余弦空间优化的图像分类损失函数的设计方法，该方法基于常用的Additive Margin Softmax优化，提出了一种可以对图像分类的类内距离与类间距离同时进行主动调控的损失函数。该方法在模型训练的前半阶段采用了AM‑Softmax损失函数，拉开类间距离，在训练后半阶段加入可以随训练批次动态调节的类内中心，进一步紧致同一类别物体的特征向量，同时拉开不同类别物体特征向量间的余弦距离，能够使得模型更快收敛，既能够充分的区分相似类别，也能进一步提高模型性能。

公开(公告)号：CN112257794B

公开(公告)日：2022-10-28

申请号：CN202011164112.2

申请日：2020-10-27

Applicant: 东南大学

Inventor： 李晨 ,  许虞俊 ,  杜文娟

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于YOLO的轻量级的目标检测方法，由一种重复堆叠的通道无缩放卷积模块组成，且模块内通过重复的通道无缩放卷积块与普通的1x1卷积以及3x3卷积的组合极大地缩小了模型的尺寸，同时通过ECA结构重新分配通道的权重，增强各通道面对不同类别的目标自适应学习能力。网络基于YOLO系列框架输出三种不同尺度的特征图，分别负责预测不同尺度的物体，使得模型在极低的参数量下实现较高精度的检测效果，本发明参数复杂度低，精度高。

公开(公告)号：CN101917003B

公开(公告)日：2013-01-16

申请号：CN201010240356.4

申请日：2010-07-29

Applicant: 东南大学

Inventor： 杜文娟 ,  王海风 ,  陈中

IPC: H02J3/00

Abstract: 本发明公开了一种电力系统小干扰振荡稳定性分解式模态分析方法，将常规的计算残差Ri的模态分析进行分解计算，从而实现物理意义清晰的模态分析计算结果，其首先对电力系统稳态数据和电力系统静态数据进行测量后，然后分别对通道因子、重构系数和参与因子进行计算后，得到残差Ri的模态分析进行分解计算结果，基于该结果，可清晰揭示控制器影响阻尼的内部机理，实现对附加阻尼控制器的整定，以有效抑制电力系统低频振荡。本发明的电力系统小干扰振荡稳定性分解式模态分析方法，能够清晰详细地给出指定控制器或装置是如何影响指定的电力系统机电振荡模态，从而为电力系统小干扰振荡稳定性分析和控制设计提供物理意义清晰的指导。