-
公开(公告)号：CN109102565B
公开(公告)日：2022-10-14
申请号：CN201810729619.4
申请日：2018-07-05
Applicant: 内江市下一代互联网数据处理技术研究所 , 电子科技大学
IPC: G06T17/05 , G06T11/20 , G06T7/11 , G06T5/50 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种自动生成虚拟地形的方法，分别对草图和样本DEM进行特征曲线提取，得到草图特征图像和样本特征图像；将所述草图特征图像分割为草图小块，所述草图小块对应草图上的草图原始小块；将所述样本特征图像分割为样本小块，所述样本小块对应所述样本DEM上的样本原始小块，对所述草图小块和样本小块进行聚类分析，得到聚类结果；根据所述聚类结果得到所述草图原始小块和样本原始小块之间的匹配关系；利用所述匹配关系合成结果地形图像；本发明利用聚类的方法实现了虚拟地形的自动生成，采用聚类的方法实现草图小块的一次遍历即可确立所有的匹配关系，避免反复搜索巨大的样本空间，从而提高合成效率。
-
公开(公告)号：CN108871341A
公开(公告)日：2018-11-23
申请号：CN201810734733.6
申请日：2018-07-05
Applicant: 内江市下一代互联网数据处理技术研究所 , 电子科技大学
Abstract: 本发明公开了一种全局优化的并发定位与建图方法；首先根据机器人的初始坐标，在初始时刻随机生成n个粒子，得到初始时刻的粒子集；采用粒子滤波的SLAM算法，利用上一时刻粒子集中各粒子的粒子信息更新当前时刻各粒子的粒子信息；采用全局优化和重采样对当前时刻各粒子进行更新；利用更新后的当前时刻粒子的粒子信息获得当前时刻机器人运动路径和路标点；重复以上过程，直至机器人完成所有时刻的运动，采用本方法，能够提高机器人的定位精度。
-
公开(公告)号：CN108871341B
公开(公告)日：2021-12-24
申请号：CN201810734733.6
申请日：2018-07-05
Applicant: 内江市下一代互联网数据处理技术研究所 , 电子科技大学
Abstract: 本发明公开了一种全局优化的并发定位与建图方法；首先根据机器人的初始坐标，在初始时刻随机生成n个粒子，得到初始时刻的粒子集；采用粒子滤波的SLAM算法，利用上一时刻粒子集中各粒子的粒子信息更新当前时刻各粒子的粒子信息；采用全局优化和重采样对当前时刻各粒子进行更新；利用更新后的当前时刻粒子的粒子信息获得当前时刻机器人运动路径和路标点；重复以上过程，直至机器人完成所有时刻的运动，采用本方法，能够提高机器人的定位精度。
-
公开(公告)号：CN109102565A
公开(公告)日：2018-12-28
申请号：CN201810729619.4
申请日：2018-07-05
Applicant: 内江市下一代互联网数据处理技术研究所 , 电子科技大学
Abstract: 本发明公开了一种自动生成虚拟地形的方法，分别对草图和样本DEM进行特征曲线提取，得到草图特征图像和样本特征图像；将所述草图特征图像分割为草图小块，所述草图小块对应草图上的草图原始小块；将所述样本特征图像分割为样本小块，所述样本小块对应所述样本DEM上的样本原始小块，对所述草图小块和样本小块进行聚类分析，得到聚类结果；根据所述聚类结果得到所述草图原始小块和样本原始小块之间的匹配关系；利用所述匹配关系合成结果地形图像；本发明利用聚类的方法实现了虚拟地形的自动生成，采用聚类的方法实现草图小块的一次遍历即可确立所有的匹配关系，避免反复搜索巨大的样本空间，从而提高合成效率。
-
公开(公告)号：CN115759259A
公开(公告)日：2023-03-07
申请号：CN202211407927.8
申请日：2022-11-10
Applicant: 电子科技大学中山学院
IPC: G06N5/04
Abstract: 本申请提供一种表格识别方法、装置、电子设备及存储介质，其中表格识别方法包括：获取待识别图像；提取待识别图像中的直线段端点；针对每个直线段端点，根据预设待拟合点筛选规则，获取每个直线段端点的待拟合点；对直线段端点以及该直线段端点的待拟合点进行拟合，获取第一候选单元格角点；根据候选角点合并规则，对第一候选单元格角点进行合并，获取第二候选单元格角点；基于第二候选单元格角点，重建待识别图像中的表格。通过对候选单元格角点的拟合，提高了候选单元格角点的提取精度；同时，还对拟合后的候选单元格角点进行合并处理，进一步提高了候选单元格角点的提取精度，从而提升了上述表格识别方法的识别效果。
-
Patent Agency Ranking
公开(公告)号：CN113658108A
公开(公告)日：2021-11-16
申请号：CN202110830971.9
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于深度学习的玻璃缺陷检测方法，本发明属于人工智能技术领域，具体的是涉及深度学习的图像识别技术。本发明包括定义了对普通的高拍摄像头所拍摄的原始玻璃图片的预处理；基于生成式对抗网络中的pix2pix网络对预处理后的玻璃图片进行玻璃边缘的提取；基于局部和全局融合特征的玻璃缺陷多尺度分类器对所提取到的玻璃边缘图片进行缺陷检测，输出为玻璃有无缺陷的分类结果。本发明在玻璃缺陷检测的效率上明显优于传统的人工肉眼分辨方式，一定程度上减少了玻璃制造过程中的人工开销，并且保证了玻璃缺陷检测模型的较高的检测率和较低的误检率。
-
公开(公告)号：CN113657176A
公开(公告)日：2021-11-16
申请号：CN202110832335.X
申请日：2021-07-22
Applicant: 西南财经大学 , 电子科技大学中山学院
Abstract: 本发明公开了一种基于主动对比学习的行人重识别实现方法，涉及人工智能中的计算机视觉领域。本发明包括主动学习模块，对比学习模块。首先通过一个基于损失预测的主动学习模块来挑选高价值样本，设置主动学习每次选取的数量为Bt，再经由人工进行标记，得到行人标记ID。然后将标记好的样本送入对比学习模块，拥有相同标记ID的样本定义为正样本，不一致标记ID的样本定义为负样本，再优化对比损失，使得相同ID的行人样本特征分布更为接近，距离更小；不同ID的样本特征分布更远，距离更大。
-
公开(公告)号：CN113553918A
公开(公告)日：2021-10-26
申请号：CN202110741349.0
申请日：2021-06-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脉冲主动学习的机打发票字符识别方法，该方法包括构建可直接训练的深度脉冲神经网络模型ResNet‑18和CIFARNet，并且设计了脉冲主动学习的具体步骤。主动学习用于挑选出能够给模型提供更多信息量的有效样本，使得用最少的数据量训练模型并达到最好的效果。我们在识别机打发票的项目中对脉冲主动学习算法进行字符识别应用，将机打发票的文字部分进行提取，并将提取的中文、英文、数字进行单字分割，最后把分割好的单个字符样本输入模型训练，模型能够筛选信息量最大的样本，我们只对模型挑选出的样本做人工标记。
-
公开(公告)号：CN111681123A
公开(公告)日：2020-09-18
申请号：CN202010521366.9
申请日：2020-06-10
Applicant: 电子科技大学中山学院
Abstract: 一种针对工作量证明机制区块链上的自私挖矿行为的检测方法，包括以下具体步骤：S1、监听区块链中各个矿工公布区块的情况；S2、当监听到可疑块时，则分别计算出Sstate、Fstate和Hstate的值；S3、判断Sstate、Fstate和Hstate的值之间的大小关系：若Hstate＜Sstate或Fstate＜0，则确定监听到可疑块为自私矿工发布；S4、若不存在S3中的情况，则计算Asize/n和p；若Asize/n＜p，则区域块会拒绝监听到可疑块；反之区域块会接受监听到可疑块。本发明能直接通过已有的公开的信息来发现区块链中的自私挖矿行为，不涉及对区块链难度调整方案的更改，也不会对诚实矿工的收益产生影响。
-
公开(公告)号：CN111508517A
公开(公告)日：2020-08-07
申请号：CN202010352032.3
申请日：2020-04-28
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于噪声特征的微电机智能品控方法，包括以下步骤：a、采集微电机运行状态下的噪音波形信号，并通过人工标注样本；b、从步骤a中采集的微电机的噪声波形信号中直接提取声音特征F，结合样本人工标注，组成样本微电机噪音特征集T用于训练；c、建立微电机故障智能识别模型；d、采集目标微电机噪声信号；e、从目标微电机噪声信号中提取其信号特征集合；f、向微电机故障智能识别模型输入该信号特征集合，模型自动判断目标微电机是否存在品质缺陷，本发明能够实现适应现场故障类型多样、微电机运转噪声极小的智能品控场景，能实现漏检率1％，误检率0.1％的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.049 seconds)
