-
公开(公告)号：CN118968615A
公开(公告)日：2024-11-15
申请号：CN202410985711.2
申请日：2024-07-23
Applicant: 北华航天工业学院
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本发明公开一种基于改进SSD算法的轻量级行人检测方法、系统、设备及介质，涉及计算机视觉技术领域。所述方法包括：利用轻量级行人检测模型对获取的目标输入图像进行检测，得到行人识别结果；所述轻量级行人检测模型是以MobileNetV3‑Small作为基础网络，并结合SE和CA注意力机制，以及改进SSD算法构建的；所述改进SSD算法采用在基础卷积网络后添加附加卷积层的方式进一步提取特征信息。本发明能够提高检测精度和实时性，并实现在资源受限设备上的高效部署。
-
公开(公告)号：CN115511059B
公开(公告)日：2024-02-09
申请号：CN202211246878.4
申请日：2022-10-12
Applicant: 北华航天工业学院
IPC: G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种基于卷积神经网络通道解耦的网络轻量化方法，包括：对数据集中的图像进行预处理；构建第一卷积神经网络模型和第二卷积神经网络模型；基于第一卷积神经网络模型，构建自监督预训练模型，基于预处理后的图像对自监督预训练模型进行训练，将训练后的自监督预训练模型知识蒸馏到第二卷积神经网络模型中，获得第三卷积神经网络模型；在第三卷积神经网络模型的通道后面加入可训练参数门阈值进行通道解耦，判断通道重要性，完成网络的轻量化。本发明在卷积网络中加入通道门阈值，在知识蒸馏实现模型压缩的基础上，进一步使网络轻量化，从而大幅度减少了模型的存储和计算开支。(56)对比文件赖叶静;郝珊锋;黄定江.深度神经网络模型压缩方法与进展.华东师范大学学报(自然科学版).2020,(第05期),全文.赵胜伟;葛仕明;叶奇挺;罗朝;李强.基于增强监督知识蒸馏的交通标识分类.中国科技论文.2017,(第20期),全文.
-
公开(公告)号：CN113343937A
公开(公告)日：2021-09-03
申请号：CN202110801803.7
申请日：2021-07-15
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于深度卷积和注意力机制的唇语识别方法，包括步骤：S1)对大型唇读数据集进行预处理，获取唇部识别图像；S2)将唇部识别图像批量输入到3D卷积网络模型，进行时空特征提取；S3)将唇部识别图像提取的时空特征输入卷积和注意力机制的混合网络模型，进行局部和全局的空间特征提取；S4)将提取的空间特征输入到双向门控循环单元，进行长短期特征序列提取；S5)将提取的长短期特征序列输入到多层感知机，获取各个类别的置信度分数；S6)基于各个类别的置信度分数，经过带有标签平滑机制的交叉熵损失函数输出识别概率值。本发明在卷积网络的基础上加入注意力机制模型，并改善其结构，提高了唇语识别率并减小了计算开支。
-
公开(公告)号：CN112327046A
公开(公告)日：2021-02-05
申请号：CN202011242008.0
申请日：2020-11-09
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于模糊聚类和支持向量回归的非侵入式负荷监测方法，包括如下步骤：测量设定时间段内所有负荷的运行功率，提取负荷特征集；对监测总功率序列中的功率值进行模糊聚类，选定中心点值最大的聚类，构建待分解的总功率序列；基于负荷特征集，提取各负荷的特征序列，比较待分解的总功率序列与各负荷的特征序列之间的距离，识别出最大贡献负荷；采用支持向量回归对最大贡献负荷的功率值进行估计；将最大贡献负荷的功率值从原监测总功率序列中减去，并进行误差校验；重复步骤2到步骤5，直到所有负荷分解完成。本发明对目前电网环境环境下的智能电表监测数据进行负荷分解，模型操作简单，在提高负荷分解准确率的同时，降低了计算成本。
-
公开(公告)号：CN116580440A
公开(公告)日：2023-08-11
申请号：CN202310592100.7
申请日：2023-05-24
Applicant: 北华航天工业学院
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了基于视觉transformer的轻量级唇语识别方法，包括：获取唇语数据集，基于唇语数据集进行预处理，获取唇部识别图像；构建3D卷积神经网络，对唇部识别图像提取时空特征；将时空特征输入改进的卷积视觉变换网络，提取唇部识别图像的局部空间特征和全局空间特征；将所述局部空间特征和所述全局空间特征输入双向门控循环单元，提取所述唇部识别图像的长短期特征序列；将所述长短期特征序列输入多次感知机，获取各个类别的置信度分数，基于各个类别的置信度分数，通过带有标签平滑机制的交叉熵损失函数获取识别概率值，完成轻量级唇语识别。本发明解决模型参数量大，运算推理时间长，以及模型压缩带来的性能下降问题。
-
Patent Agency Ranking
公开(公告)号：CN114837364A
公开(公告)日：2022-08-02
申请号：CN202210498197.0
申请日：2022-05-09
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于热电和压阻效应的双螺旋柔性织物基智能防火线，涉及柔性电子技术领域；并且还提供了该种防火线的制备方法，防火线本身包括柔性中心导电芯、双螺旋中间功能层和外部阻燃层。进一步的，外部阻燃层为带有阻燃剂的热收缩织物套管防火层，双螺旋中间功能层为带有热敏感导电材料的管状阻燃玻璃纤维织物。本发明针对防火线本身包括柔性中心导电芯、双螺旋中间功能层和外部阻燃层这些，分别提供了各自的制备工艺。本发明可以广泛应用，尤其是利用本发明的智能防火线编织而成的智能装饰材料可以用于高层建筑楼内的智慧消防工程中，可以作为高层建筑场所装饰材料时，以及编织而成的智能防火服饰可以用于监测消防救援人员的动作识别。
-
公开(公告)号：CN112327046B
公开(公告)日：2021-09-07
申请号：CN202011242008.0
申请日：2020-11-09
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于模糊聚类和支持向量回归的非侵入式负荷监测方法，包括如下步骤：测量设定时间段内所有负荷的运行功率，提取负荷特征集；对监测总功率序列中的功率值进行模糊聚类，选定中心点值最大的聚类，构建待分解的总功率序列；基于负荷特征集，提取各负荷的特征序列，比较待分解的总功率序列与各负荷的特征序列之间的距离，识别出最大贡献负荷；采用支持向量回归对最大贡献负荷的功率值进行估计；将最大贡献负荷的功率值从原监测总功率序列中减去，并进行误差校验；重复步骤2到步骤5，直到所有负荷分解完成。本发明对目前电网环境环境下的智能电表监测数据进行负荷分解，模型操作简单，在提高负荷分解准确率的同时，降低了计算成本。
-
公开(公告)号：CN112633249A
公开(公告)日：2021-04-09
申请号：CN202110008192.0
申请日：2021-01-05
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于轻型深度学习框架的嵌入式人流量检测方法，包括以下步骤：S1，搭建硬件平台；S2，应用硬件平台对行人进行采样、标注、标准化，收集训练数据并对数据进行预处理；S3，改进轻型SSD300深度学习框架，搭建人流量检测深度学习模型；S4，根据收集到的数据对搭建的人流量检测深度学习模型进行训练并移植到硬件平台；S5，分析结果并进行可视化显示。本发明选用嵌入式设备连接摄像头作为检测平台，搭载轻型改进SSD300人流量检测深度学习模型，对采集的图像进行人流量检测，并将人流量数据实时传输到云服务器，供终端实时显示并进行结果分析。本发明具有硬件安装维护简单方便、成本低廉，检测结果精度高的优点。
-
公开(公告)号：CN112379159A
公开(公告)日：2021-02-19
申请号：CN202011242043.2
申请日：2020-11-09
Applicant: 北华航天工业学院
Abstract: 本发明公开了一种基于电器运行模式的非侵入式家用负荷分解方法，包括如下步骤：通过测量不同家用负荷的运行功率，提取家用负荷电器运行模式特征集；截取入户处的一段测量总功率序列段，并从特征集中截取等长的各负荷电器运行模式功率序列段，计算目标总功率序列段；计算测量总功率序列段与目标总功率序列段之间的距离，将该距离最短作为问题目标，构建负荷分解优化问题模型；求解优化问题，得到负荷分解结果；重复步骤2到步骤4，直到将整个测量总功率序列分解。本发明基于电器运行模式标识各家用负荷，并构建负荷分解优化问题模型，模型简单，大大提高负荷分解准确率，且无需安装额外的测量设备，降低硬件开销。
-
公开(公告)号：CN104622466A
公开(公告)日：2015-05-20
申请号：CN201310567093.1
申请日：2013-11-14
Applicant: 北华航天工业学院
IPC: A61B5/0476 , G06F3/01
CPC classification number: A61B5/0476 , A61B5/0006 , A61B5/04012 , A61B5/6801 , G06F3/015
Abstract: 本发明公开了一种脑电波遥控车及方法，脑电波遥控车包括脑电信号采集部、通讯部、控制部和车体，脑电信号采集部包括附于人体头部用于采集脑电信号的脑电波传感器；还包括脑电信号放大部，脑电信号放大部与脑电波传感器连接以将脑电波传感器所采集的脑电信号做放大处理；通讯部用于将脑电信号放大部处理后的信号传送至控制部；控制部包括与车体的驱动部件电连接的控制器，还包括将接收自通讯部的信号处理后发送给控制器的处理机，控制器根据接收自处理机的信号控制车体的驱动部件以控制车体的动作。本发明的脑电波遥控车及控制方法，使用脑-机交互模块获取脑电信号，对原始脑电信号进行分析及提取，从而实现对车体运动的控制。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.029 seconds)
