-
公开(公告)号：CN110550518A
公开(公告)日：2019-12-10
申请号：CN201910806149.1
申请日：2019-08-29
Applicant: 电子科技大学
Abstract: 本发明公开一种基于稀疏去噪自编码的电梯运行异常检测方法，包括：分别获取电梯正常和异常振动的时域波形；根据正常和异常振动的时域波形得到正常和异常振动的频域波形；根据时域和频域波形制作训练集和测试集；采用单层稀疏去噪自编码对训练集进行学习，得到第一神经网络；采用层叠稀疏去噪自编码以及BP算法对第一神经网络进行调整，得到第二神经网络；采用测试集对第二神经网络进行测试，得到各样本的时域重构误差和频域重构误差，从而得到融合重构误差序列；将融合重构误差序列的中值设为区分正常和异常数据的阈值；利用阈值和第二神经网络判断待检测信号是否异常。本发明能够解决异常样本过少的问题，提高异常检测的效率和准确率。
-
公开(公告)号：CN110550518B
公开(公告)日：2020-07-28
申请号：CN201910806149.1
申请日：2019-08-29
Applicant: 电子科技大学
Abstract: 本发明公开一种基于稀疏去噪自编码的电梯运行异常检测方法，包括：分别获取电梯正常和异常振动的时域波形；根据正常和异常振动的时域波形得到正常和异常振动的频域波形；根据时域和频域波形制作训练集和测试集；采用单层稀疏去噪自编码对训练集进行学习，得到第一神经网络；采用层叠稀疏去噪自编码以及BP算法对第一神经网络进行调整，得到第二神经网络；采用测试集对第二神经网络进行测试，得到各样本的时域重构误差和频域重构误差，从而得到融合重构误差序列；将融合重构误差序列的中值设为区分正常和异常数据的阈值；利用阈值和第二神经网络判断待检测信号是否异常。本发明能够解决异常样本过少的问题，提高异常检测的效率和准确率。
-
公开(公告)号：CN110598586A
公开(公告)日：2019-12-20
申请号：CN201910794312.7
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开一种目标检测方法及系统。本发明提供的目标检测方法及系统，首先通过模式引导分类模型对待检测图像的场景模式进行识别，然后根据场景模式选择目标检测模型中对应场景的目标检测子模型进行目标检测，获得检测目标的位置信息。本发明首先将多场景的检测任务进行模式分离后，然后在相应的模式分支里进行精准的目标检测，从而在不需要大量扩充网络深度或宽度的前提下，对目标进行高精度检测。
-
公开(公告)号：CN110458133A
公开(公告)日：2019-11-15
申请号：CN201910762210.7
申请日：2019-08-19
Applicant: 电子科技大学
Abstract: 本发明涉及基于生成式对抗网络的轻量级人脸检测方法，包括：A.构建人脸检测数据集；B.根据基于关键点的实时高精度目标检测算法，建立基于生成式对抗网络的轻量级人脸检测模型；C.对所述的轻量级人脸检测模型进行训练，并根据损失，进行随机梯度下降，更新模型参数；D.输入一张待检测的人脸图片，通过训练好的轻量级人脸检测模型进行一次前向传播，输出含有标注信息的人脸检测图片。本发明在检测过程中能够更易于生成更清晰的人脸，由此大幅度提高了检测的速度和准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
