-
公开(公告)号:CN119964137A
公开(公告)日:2025-05-09
申请号:CN202510036048.6
申请日:2025-01-09
Applicant: 桂林理工大学
IPC: G06V20/62 , G06V30/14 , G06V30/146 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种含有易燃标识的物品检测方法、装置、介质和设备,涉及目标检测技术领域。包括:在原始YOLOv10网络中颈部网络的Up‑sampling模块和Concat模块之间添加R‑MCAD模块以形成改进颈部网络,所述R‑MCAD模块包括BAM注意力机制模块和残差学习模块;构建包括原始YOLOv10网络中主干网络、改进颈部网络和原始YOLOv10网络中头部网络的改进YOLOv10网络;采集含有易燃标识的物体图像以构建数据集,使用数据集对改进YOLOv10网络进行训练,获得用于对含有易燃标识的物品进行检测的检测模型。使用检测模型对含有易燃标识的物品进行检测。
-
公开(公告)号:CN119356815A
公开(公告)日:2025-01-24
申请号:CN202411413239.1
申请日:2024-10-11
Applicant: 桂林理工大学
Abstract: 本发明公开了一种任务调度方法,特别涉及一种基于改进非洲秃鹰算法的云计算任务调度方法,包含以下步骤:步骤S1:初始化算法参数,将AVOA种群与云计算任务调度方案对应;步骤S2:判断是否结束算法,若不结束则执行步骤S3;步骤S3:遍历种群,评估每只秃鹫的适应度值,找到最佳和次佳的秃鹫位置;步骤S4:更新参数,根据秃鹫饥饿度|F|的值选择勘探策略或者开发策略;步骤S5:引入自适应对立学习策略更新秃鹫位置,返回步骤S2。本发明为一种基于改进非洲秃鹰算法的云计算任务调度方法在云系统中能够快速的寻找到较好的任务分配方案,提高任务执行效率和资源利用率。
-
公开(公告)号:CN119558458A
公开(公告)日:2025-03-04
申请号:CN202411597658.5
申请日:2024-11-11
Applicant: 桂林理工大学
IPC: G06Q10/04 , G06Q50/40 , G06F18/241 , G06F18/10 , G06N3/042 , G06N3/0442
Abstract: 本发明公开了一种基于神经网络的船舶交通流量预测方法及电子设备,属于交通流量预测领域。该方法包括:获取数据;构建图结构;构建交通流量预测模型,通过所述交通流量预测模型预测未来的交通流量状态;交通流量预测模型包括:图神经网络、高阶传感网络以及序列到序列模型,训练图神经网络提取空间特征;用循环神经网络的捕获时间依赖;用序列到序列模型生成预测结果。本发明通过将图神经网络、循环神经网络和序列到序列模型相结合,实现了空间特征、时间依赖和预测结果生成的全面优化,通过多模型融合的策略显著提升预测的综合能力。
-
公开(公告)号:CN119418045A
公开(公告)日:2025-02-11
申请号:CN202411436906.8
申请日:2024-10-15
Applicant: 桂林理工大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/42 , G06T7/10 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种点云分类分割方法,特别涉及一种基于自适应卷积和自注意力的点云分类分割方法,包括以下步骤:步骤S1,读取三维点云数据,对点云数据进行采样与预处理,将预处理后的点云数据输入到模型中;步骤S2,将三维点云数据输入到自适应残差卷积模块,进行特征提取;步骤S3,对步骤S2获得的多个局部特征,对特征进行合并,然后经过多层感知机,最后经过自注意力模块,得到高级特征;步骤S4,将高级特征分别再进行最大池化操作和平均池化操作后进行拼接,得到高维特征,然后输入到全连接层进行降维,输出三维点云数据的分类和分割结果。
-
公开(公告)号:CN119358931A
公开(公告)日:2025-01-24
申请号:CN202411467217.3
申请日:2024-10-21
Applicant: 桂林理工大学
IPC: G06Q10/0631 , G06Q10/0637 , G06Q10/0639 , G06F18/213 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种智能任务规划与调度系统,特别涉及一种基于卷积神经网络的自适应智能任务规划与调度系统,包括数据输入模块、特征提取模块、强化学习优化模块、任务规划模块和调度执行模块,数据输入模块与特征提取模块相连,特征提取模块与强化学习优化模块相连,强化学习优化模块与任务规划模块相连,任务规划模块与调度执行模块相连。利用卷积神经网络的强大特征提取能力,能够自动从复杂多变的任务数据中提取关键特征,为任务规划与调度提供精准的数据支持。通过强化学习算法对任务规划与调度策略进行优化,能够自动适应动态变化的环境,提高任务执行的效率和效果。
-
-
-
-