-
公开(公告)号：CN117727012A
公开(公告)日：2024-03-19
申请号：CN202311812786.2
申请日：2023-12-27
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: G06V20/58 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/40 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及智能驾驶目标识别领域，尤其涉及一种车辆行人识别方法、装置、设备及存储介质，该方法包括：获取车辆与行人样本数据集；通过所述车辆与行人样本数据集对预设检测模型进行训练，得到目标检测模型；获取车辆与行人样本图片，将所述当前车辆与行人样本图片输入至所述目标检测模型，并获取所述目标检测模型基于所述当前路况数据输出的车辆、行人识别结果，从而建立GBD‑YOLO目标检测模型，并对其进行训练，输入当前车辆、行人样本数据集，得到识别结果，从而提高对车辆、行人识别的准确性。
-
公开(公告)号：CN117076890A
公开(公告)日：2023-11-17
申请号：CN202311146852.7
申请日：2023-09-06
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: G06F18/20 , G06N3/0464 , G06N3/08 , G01M13/04 , G01M13/045
Abstract: 本发明公开了基于改进PER和深度强化学习多类不平衡故障定量诊断方法。针对长尾分布下旋转机械智能故障定量诊断存在精度低、泛化性差等问题，立足于深度强化学习，提出基于改进优先经验回放(Prioritized experience replay，PER)的D3QN新范式PER‑EADRL。首先用奖励值和TD‑error(Temporal‑difference error)评估经验数据优先级，高效复用高价值信息；其次以ResNet为骨干网络，深度融合ECA注意力和CBAM注意力机制构建深度Q网络，在连续试炼中探明潜在空间的高阶判别性特征；同时以不平衡率为基准构建奖励机制，实时准确率作为模型反馈保守微调奖励函数；进一步地利用同步压缩小波变换获取时频图，构建高质量虚拟环境。最后，通过CWRU数据进行验证：所提方法在类不平衡工况下能自主精确实现故障定量识别。
-
公开(公告)号：CN117454082A
公开(公告)日：2024-01-26
申请号：CN202311350765.3
申请日：2023-10-18
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: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了基于ECA‑ResNet和深度强化学习的不平衡故障定量诊断方法，将原始振动信号进行同步压缩小波变换获得时频表示，用来构建智能体的模拟环境；高效通道注意力模块嵌入ResNet构建深度Q网络实现故障关键特征的深层提取，同时以准确率为偏置，以不平衡率为基准，为所提模型构建了独特的奖励函数。优化状态转移函数以改善数据不平衡分布情况；通过实施经验重放和迭代更新，动态地改进和更新网络结构和超参数，提高模型的稳健性。通过DWT轴承数据集对所提方法ECADRL进行验证，在极端类不平衡情况下，实现了准确高效的故障定量识别。
-
公开(公告)号：CN117423084A
公开(公告)日：2024-01-19
申请号：CN202311449349.9
申请日：2023-11-02
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: G06V20/56 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于自监督的多源传感器融合的多目标跟踪方法，涉及自动驾驶领域：主要组成部分由融合阶段和跟踪阶段，融合阶段包括生成获取不同传感器数据，构建传感器融合框架，构建跟踪模型，设计联合损失函数以及训练模型，在跟踪阶段，主要将测试2D视频序列和3D点云数据输入到训练后的模型中，通过自监督学习得到待测时刻的搜索响应，响应中最大值的位置表示跟踪目标所在位置，并结合所对应的尺度得到最终预测的跟踪框，从而完成该时刻目标的跟踪。本发明不仅能让模型进行自监督训练，还能让模型学到不同数据增强下搜索响应的一致性，从而学到更加鲁棒的自监督表征并显著提高跟踪性能。
-
公开(公告)号：CN119494919A
公开(公告)日：2025-02-21
申请号：CN202411527938.9
申请日：2024-10-30
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及三维重建技术领域，具体涉及一种基于多头注意力神经场的未标定光度立体表面重建方法，首先将输入图像输入到基于残差的光照估计模型中，以估计相应的光照方向和光照强度，同时构建多头注意力神经场来获得更多空间相关的信息，得到每个像素坐标点的空间变化权重、漫反射率和表面深度；再通过一般反射率模型获得各项异性材料的镜面反射率，然后通过构建自适应阴影渲染模型来处理阴影区域，经过该模型将输出相应的阴影图；最后基于渲染方程重建图像，并以无监督的方式联合优化阴影图、深度图、表面法线图、反射率和光照条件的估计。经过拟合调整，本发明提高了表面法线估计和光照估计的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118296722A
公开(公告)日：2024-07-05
申请号：CN202410244587.4
申请日：2024-03-05
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: G06F30/15 , G06F30/28 , G06F30/27 , G06N3/126 , G06F113/14 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种商用车空调风道结构优化设计方法,包括以下步骤:1、建立除霜和吹面风道的2种风道模型；2、分别将各种风道模型的生成文件进行网格划分,并把生成的网格文件导入CFD求解器中；3、将除霜、吹面风道导流板的位置、尺寸以及倒圆等设计变量进行参数化处理，利用最优拉丁超立方抽样方法选取样本点；4、采用DOE实验以及利用径向基函数（RBF）在CFD求解器中设定模型参数以及变量参数构建出设计变量和风量占比、总声压级的代理模型；5、在CFD求解器中将模拟空气流动达到准稳态，计算出风量分布以及噪声；6、利用多岛遗传算法（Multiple Intelligence Group Algorithm，MIGA）优化参数；7、比对出各种风道模型中风量分配合理及噪声小的模型,并将其作为预选方案,然后对所述预选方案做至少一次风道模型修改，返回步骤2进行验证,确定最终风道模型。采用本发明的空调风道结构优化设计方法，有效控制风量分配,缩短参数测试时间，使用方便。
-
公开(公告)号：CN118097637A
公开(公告)日：2024-05-28
申请号：CN202410424143.9
申请日：2024-04-10
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: G06V20/59 , G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于FPGA和YOLO的危险驾驶行为识别优化方法，涉及自动驾驶领域，主要分为网络优化、识别优化两个阶段。在网络优化阶段，以FPGA为物理硬件，对卷积神经网络YOLOv2进行优化；在进行数据清洗和裁剪后，进行卷积神经网络训练；利用所设计的联合损失函数与非极大值抑制算法对YOLOv2进一步优化；通过浮点数定点量化、卷积优化方法降低神经网络计算量。在优化识别阶段，利用Vivado HLS工具对循环代码进行流水线设计，通过双缓存机制以循环展开方式进一步降低硬件所需算力。本发明通过上述多种方式联合优化YOLOv2神经网络，较好降低了神经网络的硬件资源占用率，并提高网络的识别性能和帧数。
-
公开(公告)号：CN119785453A
公开(公告)日：2025-04-08
申请号：CN202510019546.X
申请日：2025-01-07
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
IPC: G07C5/08 , G06F18/25 , G06F18/214 , G06N5/01 , G06N20/20 , G07C5/00 , H04L67/12 , H04W4/44 , H04L12/40 , G06F123/02
Abstract: 本发明涉及车辆油耗分析技术领域，具体涉及一种基于T‑Box数据和高程数据的油耗分析方法，基于XGBoost模型构造油耗预测模型，通过实时采集车辆的T‑Box数据和高程数据进行融合和特征提取，生成适合机器学习模型训练的数据集，结合历史驾驶数据和油耗数据对模型进行训练以及调优，充分考虑坡度以及地形因素对车辆油耗的影响，揭示道路坡度、驾驶行为与油耗之间的关系，通过模型剖析高油耗驾驶行为的成因，为制定节油驾驶策略提供科学依据，优化驾驶行为。
-
公开(公告)号：CN119782444A
公开(公告)日：2025-04-08
申请号：CN202510019575.6
申请日：2025-01-07
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
Abstract: 本发明涉及空间信息技术领域，具体涉及一种基于T‑Box数据和GeoHash索引的差异化道路匹配方法，首先通过GeoHash索引对全国路网数据创建索引，持续采集商用车的车辆实时参数，针对商用车的不同状态使用不同的道路匹配方法，在处于高速稳定行驶时使用基于拓扑关系的道路匹配，其余路段使用HMM模型进行道路匹配，进一步的，在具体的优化匹配中，在HMM匹配到高速或者国道且速度保持一段时间稳定时，基于拓扑关系和方向角进行匹配，在车速发生变化时，再变为HMM匹配。本发明按车辆档位参考值对轨迹进行分割，同时使用不同的算法进行处理，既保证的匹配的准确性，也提高了效率。
-
公开(公告)号：CN119007145A
公开(公告)日：2024-11-22
申请号：CN202411020482.7
申请日：2024-07-29
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: G06V20/56 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明涉及智能辅助驾驶领域，尤其涉及一种多目标检测与智能响应的方法、装置、设备及存储介质。该方法包括：采集环境数据和目标信息数据集；通过所述样本数据集对预设检测模型进行训练，得到目标检测模型；通过CSEF_YOLO目标检测算法对实时采集到的数据进行分析，实现对多个目标的识别；基于识别结果，通过融合决策模块，触发相应的智能响应。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.062 seconds)
