-
公开(公告)号：CN110334682B
公开(公告)日：2023-06-27
申请号：CN201910629380.8
申请日：2019-07-12
Applicant: 武汉中交交通工程有限责任公司 , 湖北工业大学
Abstract: 本发明属于自动驾驶技术领域，公开了一种基于迭代搜索优化哈希算法的自动驾驶系统域自适应方法，获取目标图像，对获取的图像提取特征，利用深度学习目标函数创建哈希码；将数据集进行n次迭代以得到最终的哈希码标签；将所生成的哈希码标签带入ILS迭代局部搜索来强化精度，进而得到最终的检测结果。本发明采用深度学习更注重行人细节的检测，准确率更高，提高了可行性；采取预局部迭代搜索的方法提高了容错率，更好的完成了鲁棒性及容错率与可行性两方面的需求。
-
公开(公告)号：CN110334682A
公开(公告)日：2019-10-15
申请号：CN201910629380.8
申请日：2019-07-12
Applicant: 武汉中交交通工程有限责任公司 , 湖北工业大学
Abstract: 本发明属于自动驾驶技术领域，公开了一种基于迭代搜索优化哈希算法的自动驾驶系统域自适应方法，获取目标图像，对获取的图像提取特征，利用深度学习目标函数创建哈希码；将数据集进行n次迭代以得到最终的哈希码标签；将所生成的哈希码标签带入ILS迭代局部搜索来强化精度，进而得到最终的检测结果。本发明采用深度学习更注重行人细节的检测，准确率更高，提高了可行性；采取预局部迭代搜索的方法提高了容错率，更好的完成了鲁棒性及容错率与可行性两方面的需求。
-
公开(公告)号：CN118470685A
公开(公告)日：2024-08-09
申请号：CN202410618416.3
申请日：2024-05-17
Applicant: 武汉中交交通工程有限责任公司
IPC: G06V20/58 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/08 , G06N3/0455
Abstract: 本发明属于交通安全检测领域，公开了一种基于多尺度注意力的交通标志检测识别方法及系统，方法包括以下步骤：步骤1，构建基于多尺度注意力的交通标志实时检测识别网络；步骤2，构建交通该标志图像数据集；步骤3，利用步骤2的交通标志图像数据集对基于多尺度注意力的交通标志实时检测网络进行训练；步骤4，利用训练好的基于多尺度注意力的交通标志实时检测网络进行实时交通标志检测测试。本发明通过深度学习方法实现了对交通标志检测与识别，并且具有较高的准确性，运算速度快，提高了道路驾驶的安全性。
-
公开(公告)号：CN119646681A
公开(公告)日：2025-03-18
申请号：CN202411198639.5
申请日：2024-08-29
Applicant: 武汉烽火技术服务有限公司 , 湖北工业大学
IPC: G06F18/2431 , G06F18/10 , G06F18/214
Abstract: 本发明适用于表面贴装技术领域，公开了一种SMT‑AOI AI复判系统数据自动标注方法及装置，该方法包括：根据复判人员在SMT‑AOI复判系统的用户界面中的输入操作，采集第一样本数据；基于所述第一样本数据，确定输入操作有效范围的模板；基于所述输入操作有效范围的模板，对所述第一样本数据进行清洗，得到第二样本数据；根据缺陷标签的类型，对所述第二样本数据进行标注，得到标注后的目标数据。本发明的技术方案，可以自动生成训练SMT‑AOI AI复判系统中的AI模型的标注数据，无需额外投入标注人员，并且不受SMT‑AOI复判系统供应商的限制。
-
公开(公告)号：CN114842279B
公开(公告)日：2024-08-06
申请号：CN202210555562.7
申请日：2022-05-20
Applicant: 湖北工业大学
IPC: G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/764
Abstract: 本发明提供一种目标检测方法、装置、设备及可读存储介质，目标检测方法包括：将输入的图像进行预处理，得到初始特征图；将初始特征图输入到预设卷积神经网络中，基于每一卷积层在神经网络中所处的位置进行对应的特征提取操作，得到每一卷积层输出的特征图；将预设卷积层输出的特征图按预设方式进行通道调整，并加权融合得到若干目标特征图；将所述若干目标特征图按通道维度进行拼接后输入给检测头进行预设目标的检测，输出预设目标对应的类别与位置。本发明减少了目标检测过程中冗余特征图的生成从而减少了模型参数，加强了底层特征图的细节信息，丰富了深层特征图的语义信息，达到了特征的有效融合，提高了目标检测器在定位和识别物体时的精度。
-
Patent Agency Ranking
公开(公告)号：CN111915526B
公开(公告)日：2024-05-31
申请号：CN202010778450.9
申请日：2020-08-05
Applicant: 湖北工业大学 , 武汉烽火技术服务有限公司 , 烽火通信科技股份有限公司
IPC: G06T5/90 , G06T5/60 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明属于图像处理技术领域，公开了一种基于亮度注意力机制低照度图像增强算法的摄影方法，将低照度图像增强算法嵌入摄像设备中，在摄像机的程序中编入低照度图像增强模式，利用摄像设备的低照度图像增强模式进行摄影，直接应用基于亮度注意力生成对抗网络的低照度图像增强网络增强图像结果；或者，利用摄像设备摄影进行低照度图像获取，利用基于亮度注意力生成对抗网络的低照度图像增强网络对获取的图像进行增强，得到增强后的摄影图像。本发明引入亮度注意力机制，提升了增强图像的图片感知质量，提高了增强效率，进而引入科学摄影领域，形成能够解决科学摄影中问题的应用。
-
公开(公告)号：CN113568954B
公开(公告)日：2024-03-19
申请号：CN202110882923.4
申请日：2021-08-02
Applicant: 湖北工业大学 , 武汉烽火技术服务有限公司
IPC: G06F16/2458 , G06F16/26 , G06F16/215
Abstract: 本发明属于数据处理技术领域，公开了一种网络流量预测数据预处理阶段的参数最优化方法及系统，网络流量预测数据预处理阶段的参数最优化方法包括：对数据集进行改进策略上的Q‑Learning强化学习预处理；进行基于流程压缩的快速估值网络模型的构建；进行基于混合精度的模型训练；进行基于改进Q‑Learning的最优化参数搜索。本发明提出了基于流程压缩的快速估值网络模型，基于流量预测模型出发，通过省略原模型中的预处理步骤并降低预测模型的训练代数的策略，构建能够用于快速估算回报值的网络模型；提出基于混合精度的模型训练流程，通过压缩数据尾款加快算法的计算性能，大幅度的提高了搜索最优化非空值率参数的速度。
-
公开(公告)号：CN111950615B
公开(公告)日：2023-12-05
申请号：CN202010763097.7
申请日：2020-07-31
Applicant: 武汉烽火技术服务有限公司 , 湖北工业大学 , 烽火通信科技股份有限公司
IPC: G06F18/2111 , G06N3/006
Abstract: 本发明公开了一种基于树种优化算法的网络故障特征选择方法，涉及智能计算技术领域，本发明采用改进Sigmod函数对树种优化算法进行二进制转换，并利用改进的二进制树种优化算法对网络故障原始的数据集进行特征选择，剔除不相关或冗余的对等网络故障特征，取出真正相关的特征，节省网络故障识别中特征提取的计算时间，从而提高网络故障识别的效率和精度；无需人为指定要选择的特征维数，能够智能的在识别精度和特征维数之间取得很好的平衡，快速自动寻找到比较合适最优特征子集。
-
公开(公告)号：CN111611427B
公开(公告)日：2023-06-30
申请号：CN202010433167.2
申请日：2020-05-21
Applicant: 湖北工业大学
IPC: G06F16/583 , G06N3/0464 , G06N3/09
Abstract: 本发明属于图像检索技术领域，公开了一种基于线性鉴别分析深度哈希算法的图像检索方法及系统，利用CNN提取图像特征；构造基于线性判别分析LDA的目标函数，将图像特征映射到哈希标签中；利用生成的hash标签训练一个简单的图像哈希深度学习网络，利用深度哈希模型将新的图像的特征映射到哈希码完成图像检索。对于目前的图像检索技术来说，图像数据庞大，并且标签在大数据时代是难以获取的，在大量图像中进行图像检索，这是非常耗时和不可扩展的，所以根据现有的问题，本发明提出的技术方法一方面避免了依赖类标签来监督散列的过程，另一方面也避免了由于深度网络获取图像特征而导致的大量的时间消耗。
-
公开(公告)号：CN111046562B
公开(公告)日：2023-06-16
申请号：CN201911294075.4
申请日：2019-12-16
Applicant: 湖北工业大学
Abstract: 本发明属于智能计算与运筹学交叉应用技术领域，公开了一种基于蜂群算法的多目标引导人员疏散仿真方法及系统，通过对人工蜂群算法和粒子群算法进行优化结合解决多目标引导疏散问题，利用视觉引领蜂，减少跟随蜂对引领蜂的盲目选择，再结合粒子群的基本思想，优化跟随蜂的疏散目标，并采用元胞自动机模型构建疏散场景，从而达到简化个体疏散路径。通过在单个教室的疏散场景下的人群疏散仿真的结果可知，本发明在疏散总时间上比基于基本人工蜂群算法的疏散模型更快，在疏散时间上提高了35.5％。为多障碍物情况下的疏散建模提供思路，为减少疏散时间、减少灾害损失及制定疏散策略提供有益的指导依据。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.058 seconds)
