-
公开(公告)号：CN109821960B
公开(公告)日：2023-12-12
申请号：CN201910233174.5
申请日：2019-03-26
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: B21D26/049 , B21D26/047 , B21D26/045
Abstract: 本发明公开了一种金属薄壁管冲击液压复合成形装置，包括有压力机的上工作台和下工作台以及置液容器和进给单元，进给单元包括有缸筒、活塞杆和密封堵头，置液容器内安装有下模具，上工作台下方中间安装有上模具，进给单元安装在置液容器的两侧的侧孔上，上模具两侧均设有安装在上工作台两端的内斜滑块和外斜滑块，内斜滑块位于所述外斜滑块的内侧，且内斜滑位于缸筒上方并与缸筒上的凸台相配合以实现缸筒的水平运动，外斜滑块位于活塞杆的上方并与活塞杆配合以实现活塞杆的水平运动。本发明无需专用的内压力源，成形效率高，可实现均匀的成形，有效避免薄壁管易弯折、压扁、破裂等情况。
-
公开(公告)号：CN111309151B
公开(公告)日：2022-09-16
申请号：CN202010131335.2
申请日：2020-02-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及属于监控设备控制技术领域，具体公开了一种学校监控设备的控制方法，包括：在校园布置监控设备网络，监控设备上连接有一体感设备和一亮度传感器。监控设备获取多张预定行为图像，建立行为图像指令样本库。建立支持向量机，利用粒子群算法优化支持向量机的网络参数。将标记的行为图像样本分为训练集和测试集，然后对支持向量机进行训练。由体感设备采集多个行为动作，建立动作指令数据库。根据亮度传感器的亮度，根据体感设备或支持向量机获取的预定行为或预定行为图像调取对应的操作指令操控监控设备。使得维护人员对校园网进行维护时，无需与监控室的操作员联络即可对校园监控网进行操作，从而完成维护作业。
-
公开(公告)号：CN111507243B
公开(公告)日：2022-08-19
申请号：CN202010293342.2
申请日：2020-04-15
Applicant: 桂林电子科技大学 , 桂林安维科技有限公司
IPC: G06V40/10 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于格拉斯曼流形分析的人体行为识别方法，包括获取数据集的所有训练样本映射到格拉斯曼流形空间；对类内样本点距离和类间样本点距离进行建模；重新定义数据集上的训练样本；建立组合学习模型；对组合学习模型进行迭代求解。以多种特征建模设计分类器模型。从已标注和未标注的行为视频中，基于自定义图模型，通过标签传播方法生成未标注视频的虚拟标签，并使用多流形分析揭示特征数据相关性。对于每种类型特征，既单独保留近邻数据点的局部结构一致性，又在训练集中使用多种特征数据点的全局一致性，来预测未标注样本的标签数据，在标注数据不足时，训练出一种人体行为视频的多分类器，从而提高人体行为识别的准确度。
-
公开(公告)号：CN111488840A
公开(公告)日：2020-08-04
申请号：CN202010293489.1
申请日：2020-04-15
Applicant: 桂林电子科技大学 , 桂林安维科技有限公司
Abstract: 本发明公开了一种基于多任务学习模型的人体行为分类方法，包括划分有标签数据和无标签数据；基于类内相似图模型和类间相似图模型建立多流形和标签一致性模型；基于图嵌入方法对多流形和分类器训练建立多任务学习模型；提取训练集特征并对特征进行降维；获取特征输入至多任务学习模型进行训练得到分类器结果。通过对视频中人物动作的数据分布和特征关联进行分析，结合多流形分析和多任务学习重新定义目标函数，挖掘出行为特征之间的内在联系；利用谱投影梯度方法和KKT条件求解多分类器目标函数的最优值；运用半监督学习算法，将已标注视频和未标注视频样本作为训练样本，同时放入分类器训练过程以提高分类器性能，从而提高了识别精度。
-
公开(公告)号：CN111309151A
公开(公告)日：2020-06-19
申请号：CN202010131335.2
申请日：2020-02-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及属于监控设备控制技术领域，具体公开了一种学校监控设备的控制方法，包括：在校园布置监控设备网络，监控设备上连接有一体感设备和一亮度传感器。监控设备获取多张预定行为图像，建立行为图像指令样本库。建立支持向量机，利用粒子群算法优化支持向量机的网络参数。将标记的行为图像样本分为训练集和测试集，然后对支持向量机进行训练。由体感设备采集多个行为动作，建立动作指令数据库。根据亮度传感器的亮度，根据体感设备或支持向量机获取的预定行为或预定行为图像调取对应的操作指令操控监控设备。使得维护人员对校园网进行维护时，无需与监控室的操作员联络即可对校园监控网进行操作，从而完成维护作业。
-
Patent Agency Ranking
公开(公告)号：CN105335485A
公开(公告)日：2016-02-17
申请号：CN201510666556.9
申请日：2015-10-15
Applicant: 桂林电子科技大学
Inventor： 徐波
IPC: G06F17/30
CPC classification number: G06F16/957
Abstract: 本发明公开了一种网页加载方法及网页加载装置，其中，网页加载方法包括：创建一包括有网页所有加载项的表单；浏览器读取表单，并向服务器发送获取加载项的请求，所述请求中携带有加载项标识；接收服务器根据所述请求返回的加载项进行加载；在对加载项进行加载的过程中，判断每一个加载项的加载速度是否满足预设条件；若不满足预设条件，则隐藏所述加载项的加载页面，在后台进行加载，直到该加载项加载完毕。通过本发明，在网络状况较差的情况下，将加载项在前台自动隐藏，而是在后台进行加载，此时加载项无需在前台进行显示，用户可以进行其它的操作，充分利用了网络资源，同时也提高了用户的体验度。
-
公开(公告)号：CN105279998A
公开(公告)日：2016-01-27
申请号：CN201510664244.4
申请日：2015-10-15
Applicant: 桂林电子科技大学
Inventor： 徐波
IPC: G08G1/095
Abstract: 本发明涉及一种高速公路LED导视系统及方法，所述系统包括：实时环境参数检测单元，用于检测实时环境参数，并将实时环境参数传输至微处理单元；微处理单元，用于将实时环境参数与预设环境参数进行比较，根据比较结果发送不同的控制信号至颜色调节单元；颜色调节单元，用于根据接收的控制信号，发送不同的颜色控制信号至LED导视灯控制器；LED导视灯控制器，用于控制LED导视灯输出不同颜色的警示信号。本发明通过设置颜色调节单元，根据不同的实时环境参数，输出不同颜色的警示信号，可使车辆驾驶人员有效辨别警示信号的类别。
-
公开(公告)号：CN105263045A
公开(公告)日：2016-01-20
申请号：CN201510666511.1
申请日：2015-10-15
Applicant: 桂林电子科技大学
Inventor： 徐波
IPC: H04N21/436 , H04N21/4402
CPC classification number: H04N21/436 , H04N21/440218
Abstract: 本发明公开了一种视频分享方法及系统，其中，视频分享方法包括：智能电视设备在播放视频的过程中，接收移动终端发送的分享视频资源请求，根据所述分享视频资源请求，确定待分享视频的基本信息，并根据所述待分享视频的基本信息获取待分享视频数据，然后将所述待分享视频数据进行转码处理，获得可供移动终端播放的视频数据，进而将所述可供移动终端播放的视频数据发送给所述移动终端。本发明实现了智能电视设备与移动终端之间的视频分享，分享方法操作简单，分享过程中电视播放也不会被终止，为用户使用提供了方便，使用户享受高质量的用户体验服务。
-
公开(公告)号：CN105260154A
公开(公告)日：2016-01-20
申请号：CN201510666590.6
申请日：2015-10-15
Applicant: 桂林电子科技大学
Inventor： 徐波
IPC: G06F3/14
Abstract: 本发明公开了一种多媒体数据显示方法及显示装置，所述方法包括：获取多媒体数据的多媒体信息；提取多媒体数据中音频比特流的至少一个特征值，根据该至少一个特征值，从多个显示模型中选择一个显示模型用以显示该音频比特流；根据多媒体图片的图片信息以及多媒体图片的文字描述信息，生成对应的图片显示框用以显示该多媒体图片；在采用选择的显示模型显示该音频比特流的同时，在生成的图片显示框中显示多媒体图片。本发明针对多媒体数据中音频比特流的特征值选择显示模型，并根据多媒体图片的文字描述信息生成对应的图片显示框，多媒体数据显示的形式灵活，也避免了统一的图片显示框显示不下全部图片内容的情况。
-
公开(公告)号：CN111368900A
公开(公告)日：2020-07-03
申请号：CN202010130406.7
申请日：2020-02-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及图像识别技术领域，具体公开了一种图像目标物识别方法，包括：摄像机采集不同目标物类型的待识别图像，对不同的待识别图像的目标物特征进行标记，形成待识别图像集合；建立支持向量机，利用蝙蝠和声混合算法优化所述支持向量机的网络参数；将标记的待识别图像样本分为训练集和测试集，训练支持向量机；建立分别对应不同目标物的多个卷积神经网络，并对卷积神经网络训练；由摄像机实时采集实时识别图像，将实时识别图像输入到训练好的支持向量机进行分类，然后将分类后的实时识别图像输入到对应的卷积神经网络识别目标物。该方法利用了支持向量机的小样本学习强和卷积神经善于预测图片的优点，提高了预测的准确率和效率。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.033 seconds)
