-
公开(公告)号：CN110826598B
公开(公告)日：2022-09-02
申请号：CN201910980865.1
申请日：2019-10-16
Applicant: 四川大学
Abstract: 本发明提供一种基于卷积神经网络的锚杆锚固密实度等级评定方法，通过声波反射法获取反射信号，通过对其进行归一化、平滑和对x方向修正等处理，得到规格化后的反射信号并绘制成波形图；根据数据长度建立不同的训练样本数据集和其波形图，使用人工方式获得分类标签，使用卷积神经网络训练获得相应的训练模型；在进行具体的分类时将本次测量的波形图输入到该分类模型中，进行一次正向计算，得到各分类概率，从而实现了锚杆锚固密实度的等级评定。该方法使用标准的卷积神经网络进行判定，具有稳定性好，现场适应性强、判定结果准确等特点，有较好的应用效果。
-
公开(公告)号：CN110825620B
公开(公告)日：2021-06-15
申请号：CN201910980833.1
申请日：2019-10-16
Applicant: 四川大学
IPC: G06F11/36
Abstract: 本发明提供一种回归测试中测试用例优先级计算方法，根据需求变更次数等计算出模块失效可能性值；再根据模块的调用关系和重要程度计算模块失效冲击值；最终得到测试用例的风险值，对其排序得到测试用例的优先级。该方法中的计算依据在很大程度上反映了回归测试中关心的问题，其模块失效可能性值以及模块失效冲击值较能反映出代码异常带来的影响，与实际情况较为吻合；具有简单、高效等特点，不仅适合于单元测试，也适合集成测试。
-
公开(公告)号：CN115050101A
公开(公告)日：2022-09-13
申请号：CN202210841836.9
申请日：2022-07-18
Applicant: 四川大学
Abstract: 本发明提供了一种基于骨骼和轮廓特征融合的步态识别方法，融合了行人轮廓图识别方法和骨骼关键点识别方法的优点，先提取行人骨骼关键点特征和行人轮廓图特征，再将其送入神经网络，在网络中间进行融合，实现基于步态的行人识别；本方法可解决步态识别中易受服装、视角和携带物等因素影响识别效果的问题，使得处于携带物、服装、视角等因素影响下的步态识别精度有了显著提升，具有识别精度高、鲁棒性强等优点。
-
公开(公告)号：CN111914797B
公开(公告)日：2022-08-12
申请号：CN202010823997.6
申请日：2020-08-17
Applicant: 四川大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于多尺度轻量级卷积神经网络的交通标志识别方法，构建了一个具有多尺度输入和轻量级计算的卷积神经网络，该网络采用三种尺度交通标志图像作为输入，中间模块采用深度可分离卷积进行计算，在交通标志识别问题中可训练出较为合适的分类特征；通过构建交通标志数据集，使用上述轻量级网络，使用K折交叉验证对样本数据集进行划分和训练，可实现对输入交通标志图像的分类识别；实验结果也表明该网络减少了可训练参数数量，降低了识别的计算量，同时具有较高的识别率。
-
公开(公告)号：CN113591588A
公开(公告)日：2021-11-02
申请号：CN202110750343.X
申请日：2021-07-02
Applicant: 四川大学
Abstract: 本发明提出一种基于双向时空切片聚类的视频内容关键帧提取方法，采用双向多行列时空切片，增加了切片的厚度，使提取到的切片能够表达更多的视频关键信息；自适应的聚类中心数量设置，无需事先设定关键帧的数量；聚类算法在距离计算中考虑了切片图像的时间属性，提升了关键帧识别的准确性；聚类结果考虑了切片的时间连续性，降低了信息冗余；从而最终提升了对视频关键信息提取的效果。
-
Patent Agency Ranking
公开(公告)号：CN110825620A
公开(公告)日：2020-02-21
申请号：CN201910980833.1
申请日：2019-10-16
Applicant: 四川大学
IPC: G06F11/36
Abstract: 本发明提供一种回归测试中测试用例优先级计算方法，根据需求变更次数等计算出模块失效可能性值；再根据模块的调用关系和重要程度计算模块失效冲击值；最终得到测试用例的风险值，对其排序得到测试用例的优先级。该方法中的计算依据在很大程度上反映了回归测试中关心的问题，其模块失效可能性值以及模块失效冲击值较能反映出代码异常带来的影响，与实际情况较为吻合；具有简单、高效等特点，不仅适合于单元测试，也适合集成测试。
-
公开(公告)号：CN115050101B
公开(公告)日：2024-03-22
申请号：CN202210841836.9
申请日：2022-07-18
Applicant: 四川大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明提供了一种基于骨骼和轮廓特征融合的步态识别方法，融合了行人轮廓图识别方法和骨骼关键点识别方法的优点，先提取行人骨骼关键点特征和行人轮廓图特征，再将其送入神经网络，在网络中间进行融合，实现基于步态的行人识别；本方法可解决步态识别中易受服装、视角和携带物等因素影响识别效果的问题，使得处于携带物、服装、视角等因素影响下的步态识别精度有了显著提升，具有识别精度高、鲁棒性强等优点。
-
公开(公告)号：CN110826598A
公开(公告)日：2020-02-21
申请号：CN201910980865.1
申请日：2019-10-16
Applicant: 四川大学
Abstract: 本发明提供一种基于卷积神经网络的锚杆锚固密实度等级评定方法，通过声波反射法获取反射信号，通过对其进行归一化、平滑和对x方向修正等处理，得到规格化后的反射信号并绘制成波形图；根据数据长度建立不同的训练样本数据集和其波形图，使用人工方式获得分类标签，使用卷积神经网络训练获得相应的训练模型；在进行具体的分类时将本次测量的波形图输入到该分类模型中，进行一次正向计算，得到各分类概率，从而实现了锚杆锚固密实度的等级评定。该方法使用标准的卷积神经网络进行判定，具有稳定性好，现场适应性强、判定结果准确等特点，有较好的应用效果。
-
公开(公告)号：CN111914798B
公开(公告)日：2022-06-07
申请号：CN202010824525.2
申请日：2020-08-17
Applicant: 四川大学
IPC: G06V40/20 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明提供一种基于骨骼关节点数据的人体行为识别方法，通过从骨骼关节点数据序列中提取描述人体行为运动信息的运动轨迹特征、运动偏移特征，以及描述人体行为静态信息的静态姿势特征；通过建立基于骨骼关节点数据的运动量模型，实现了对时间段的自适应划分；上述自适应时间段划分以及段内的特征表征方法，可达到表达动作顺序的目的，同时也增强特征表达能力，从而可提升人体行为的识别效果。
-
公开(公告)号：CN111914796B
公开(公告)日：2022-05-13
申请号：CN202010823992.3
申请日：2020-08-17
Applicant: 四川大学
IPC: G06V40/20 , G06K9/62 , G06V10/774 , G06V10/764
Abstract: 本发明提供了一种基于深度图和骨骼点的人体行为识别方法，使用时间金字塔对行为序列进行不同尺度的分割，保留了行为内部的时序信息；只使用对行为贡献大的重要部位的相关数据进行特征提取，去除了不同行为中较为相似的数据，特征“纯度”高；通过划分空间子格的方式，较为精确的表达了人体重要部位的运动轨迹在空间中的分布情况。实际应用情况表明，该方法提取的特征，对于人体行为识别具有较好的区分度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.019 seconds)
