-
公开(公告)号：CN117725510A
公开(公告)日：2024-03-19
申请号：CN202311852916.5
申请日：2023-12-29
Applicant: 桂林电子科技大学
IPC: G06F18/2415 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06F18/25 , G06F18/22
Abstract: 本发明公开了一种基于Transformer和图注意力神经网络的工业多变量时间序列异常检测方法及存储介质，所述方法针对工业设备运行实际环境中的状态数据，首先经过数据预处理和滑动窗口方法。然后通过多尺度的Transformer模块来学习数据中不同尺度的特征表示，通过整合多个编码器的输出，使提取到的特征中蕴含更加丰富的时间表征信息。接着从空间维度出发，以特征变量为节点，通过图结构学习生成节点间边关系构建图结构数据，并利用图注意力神经网络来捕获节点间复杂的空间关系。最后构建了一个向量级的时空交互模块，使模型以更加细粒度的方式探索数据中的有效信息，从而可以精确的识别数据存在的微小偏差，提升整体检测性能，尤其是面对高复杂性数据时的检测性能。
-
公开(公告)号：CN117854108A
公开(公告)日：2024-04-09
申请号：CN202410024047.5
申请日：2024-01-08
Applicant: 桂林电子科技大学
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种轻量化可实现多人全身关键点的检测方法以及装置，包括如下步骤：从MPII人体姿态数据集中获取脸部关键点、手部关键点以及脚部关键点的预测坐标，并将所述预测坐标与身体关键点坐标相结合形成真实标签，利用上述标记好的个人数据形成全身关键点检测数据集；将残差50卷积块注意力网络的前22层设计为全身关键点检测网络的主干网络，使其与N个轻量级强大的关键点检测子网络相结合形成全身关键点检测网络；然后将上述检测网络在所述全身关键点检测数据集上进行训练，并使用两种损失函数标签损失和蒸馏损失进行辅助训练，训练后的模型部署后进行实时检测和识别。本发明的检测方法具有高准确度、低参数量的检测性能。
-
公开(公告)号：CN118484512A
公开(公告)日：2024-08-13
申请号：CN202410638730.8
申请日：2024-05-22
Applicant: 桂林电子科技大学
IPC: G06F16/33 , G06F18/25 , G06F18/22 , G06F40/30 , G06F40/284 , G06N3/0442 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于特征融合的多角度文本匹配方法，首先对文本进行字和词两种粒度的划分，基于字粒度获取文本的部首以及拼音表示并对字、词、部首和拼音分别进行初始编码，使用LeNet提取字形初始特征。其次，使用双向LSTM捕获初始编码中的语义信息并使用软对齐注意力机制(Soft Align Attention,SaAttention)进行不同粒度特征上的语义对齐。再次，使用卷积神经网络进一步提升向量的语义表征能力，使用多角度匹配模块进行特征间的深度交互。最后，使用LSTM进一步挖掘语义信息，使用GRU进行特征融合以生成更具丰富语义的匹配向量，从而提升中文文本匹配的准确性。
-
公开(公告)号：CN117994813A
公开(公告)日：2024-05-07
申请号：CN202410019578.5
申请日：2024-01-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种无人机图像中的二维人体关键点检测方法，所述方法首先以无人机图像数据为基础，采用了一种Mosaic数据增强方法；另外，在backbone中采用了稠密连接结构。其次，构建了一个双向特征提取模块，用于直接从俯拍视角的图片中直接获取各种空间视角的人体姿态，进行全方位人体姿态估计，引入Swish激活函数，缓解梯度消失的情况，以满足在无人机图片中对多角度的小目标人体进行精确姿态估计的目的。
-
-
-
Search Results
4
records
(took 0.023 seconds)
