-
公开(公告)号：CN114842308A
公开(公告)日：2022-08-02
申请号：CN202210260015.6
申请日：2022-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于全特征融合建立目标预判优化模型的方法，包括：一：采集若干待识别图像，并确定出各待识别图像的不规则显著像素簇；二：对待识别图像进行去噪增强处理，得到去噪增强图像；三：引入品质函数，将去噪增强图像转换成空间序列，并基于空间序列得到时序信息、空序信息以及初始预判模型；四：将时序信息与空序信息融合至初始预判模型，并在保留时序信息的情况下，将所有待识别图像的图像帧融合至初始预判模型中，得到基于全特征融合的目标预判模型；五：对目标预判模型进行智能优化，得到目标预判优化模型。该方法赋予模型自学习和自适应能力，使模型能够随着时间推移不断提升识别效率，最终实现熟悉目标的快速检测和高效识别。
-
公开(公告)号：CN111241910A
公开(公告)日：2020-06-05
申请号：CN201911255983.2
申请日：2019-12-10
Applicant: 电子科技大学
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于双信息流结构与视网膜感受野结构的快速行人检测网络设计方法。包括Conv1卷积单元构建步骤、TIFB双信息流模块构建步骤、RRFB视网膜感受野单元构建步骤、特征图处理卷积构建步骤和多尺度行人检测构建步骤，是一种变尺度单阶段的快速行人检测算法网络的结构设计，其所含卷积层较少，推理过程只需要对输入图片进行一次前向运算，有效地兼顾了行人检测中的精度和速度问题。
-
公开(公告)号：CN111160316A
公开(公告)日：2020-05-15
申请号：CN202010009951.0
申请日：2020-01-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于轻量级神经网络的车牌识别方法，包括数据集的准备、轻量级神经网络模型的构建及车牌的识别，所述轻量级神经网络模型的构建包括下述步骤：1）形成第一特征矩阵x1；2）形成第二特征矩阵x2；3）形成第三特征矩阵x3；4）形成第四特征矩阵x4；5）将第一特征矩阵x1，第二特征矩阵x2，第三特征矩阵x3，第四特征矩阵x4的通道进行融合，而后通过卷积核大小为1×1、步长为1的卷积层得到特征向量；6）基于CTC损失函数完成轻量级神经网络网络模型训练；采用CTC损失函数进行轻量级神经网络模型训练，实现无需分割的端到端训练，有效解决输入和输出不对齐的情况。
-
公开(公告)号：CN110457984A
公开(公告)日：2019-11-15
申请号：CN201910425208.0
申请日：2019-05-21
Applicant: 电子科技大学
Abstract: 本发明公开了监控场景下基于ResNet-50的行人属性识别方法，包括以下步骤：1）选用公开数据集和监控视频，构建行人数据集；2）选用ResNet-50卷积神经网络模型作为实验模型；3）对loss损失函数进行改进，并提出N+1类预测方法进行N/A标签的预测；4）把训练集输入改进loss损失函数后的ResNet-50卷积神经网络，得出行人属性识别模型；5）将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估；采用ResNet-50网络结构，可以分析更深层次的行人属性，更好的挖掘属性之间的关系，在挖掘属性之间的关系时，提出了统一的多属性联合学习框架来同时识别多属性。
-
公开(公告)号：CN119653361A
公开(公告)日：2025-03-18
申请号：CN202510185176.7
申请日：2025-02-19
Applicant: 电子科技大学
IPC: H04W12/065 , H04W12/37 , H04W12/68 , G06F21/31 , G06F18/213 , G06F18/25 , G06F18/2411 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N20/10 , G06F123/02
Abstract: 本发明提供了一种基于多模态特征融合的隐式身份认证方法，该方法将获取到的传感器数据的离散信号转换成为灰度图像，然后，使用预训练好的卷积神经网络进行特征提取，结合GRU提取触摸屏序列数据特征，然后将两种模态的特征送入多模态融合网络进行特征融合，包括初步特征融合和深层特征融合，初步特征融合通过自适应特征融合模块和通道交换特征融合模块分别对两种模态的特征进行初步融合，深层特征融合通过改进的网络模型CrossMamba进行多模态的深度特征融合，并生成融合后的最终特征，最后通过身份认证模块进行身份认证。通过本发明方案增强了模型的灵活性和适应性，大大提高了身份认证的准确率和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN117728860A
公开(公告)日：2024-03-19
申请号：CN202311750191.9
申请日：2023-12-19
Applicant: 西安电子科技大学
Abstract: 一种收发完全分离型的RFID系统及基于该系统的信号模态检测方法，系统包括发射单元，发射单元由信号生成上位机连接信号发射机，信号发射机连接发射天线；由发射单元发射的信号激励标签，并且通过反向散射的方式将标签ID编码调制发送，接收单元包括接收天线，接收天线连接信号接收机，信号接收机连接信号采集上位机，进行信号处理；信号模态检测方法为：搭建系统模型，在Miller编码中插入信号模态检测监督码，信号发送、接收，信号滤波与数字化，信号模态检测，信号模态校正与解码方法；本发明解决了收发分离的RFID系统中，信号模态模糊的问题。
-
公开(公告)号：CN114926420A
公开(公告)日：2022-08-19
申请号：CN202210505926.0
申请日：2022-05-10
Applicant: 电子科技大学
Abstract: 本发明涉及图像识别与检测技术领域，特别是涉及一种基于跨级特征增强的目标馕的识别及计数方法，包括目标馕区域的提取、浅层纹理信息提取、浅层纹理特征提取、深层语义特征提取以及利用浅层纹理特征和深层语义特征构造全连接层，得到跨级特征增强的结果，对该结果进行分类和计数。通过本识别及计数方法，能有效解决现有技术中不能快速、有效、自动地识别出纹理特征差异过小的不同种类馕的问题。
-
公开(公告)号：CN115035324B
公开(公告)日：2024-10-29
申请号：CN202210524304.2
申请日：2022-05-13
Applicant: 电子科技大学
Abstract: 本发明涉及图像识别与启发式学习技术领域，特别是涉及一种多方位算法模型的自适配方法，包括算法模型自适配、外设自适配和传输自适配；其中算法模型自适配即选择最合适的算法模型，具体包括图像的采集与预处理以及算法模型的统计分析；所述外设自适配具体指：通过调节外设参数，识别并训练得到的最合适的算法模型，最终输出专有化模型；所述传输自适配具体指：对输出的专有化模型进行仿真和测试，并根据结果进一步优化该专有化模型。通过本自适配方法，能有效解决普适算法在某些场景或时间下精确度不高的问题。
-
公开(公告)号：CN114842308B
公开(公告)日：2023-07-14
申请号：CN202210260015.6
申请日：2022-03-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于全特征融合建立目标预判优化模型的方法，包括：一：采集若干待识别图像，并确定出各待识别图像的不规则显著像素簇；二：对待识别图像进行去噪增强处理，得到去噪增强图像；三：引入品质函数，将去噪增强图像转换成空间序列，并基于空间序列得到时序信息、空序信息以及初始预判模型；四：将时序信息与空序信息融合至初始预判模型，并在保留时序信息的情况下，将所有待识别图像的图像帧融合至初始预判模型中，得到基于全特征融合的目标预判模型；五：对目标预判模型进行智能优化，得到目标预判优化模型。该方法赋予模型自学习和自适应能力，使模型能够随着时间推移不断提升识别效率，最终实现熟悉目标的快速检测和高效识别。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.026 seconds)
