-
公开(公告)号：CN120070345A
公开(公告)日：2025-05-30
申请号：CN202510107322.4
申请日：2025-01-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种融合多尺度特征的预制叠合板与钢筋精确检测方法，包括：步骤一、设置拍摄距离及视场，获取摄像头拍摄图像；步骤二、进行相机标定及畸变矫正；步骤三、采集矫正后图像数据并划分数据集，送入改进的YOLOv8模型进行推理，获取初步检测结果；步骤四、根据检测结果，对叠合板及其钢筋、线盒进行配对；步骤五、修正检测结果；步骤六、对识别漏检和只部分检测的钢筋进行再次检测，并更新检测结果；步骤七、对像素距离与实际距离进行换算，得到换算比例；步骤八、根据换算比例和检测结果，计算目标的实际物理尺寸。本发明有效解决了现有技术中检测精度不足、畸变影响和测量误差大的问题，提高了检测效率和自动化水平。
-
公开(公告)号：CN119623169A
公开(公告)日：2025-03-14
申请号：CN202411668792.X
申请日：2024-11-21
Applicant: 电子科技大学
IPC: G06F30/23 , G06F119/08
Abstract: 本发明公开一种基于有限元法的高热耗率SiC MOSFET功率器件热分析方法，包括以下步骤：步骤1、载入材料信息，步骤2、三维建模，根据所述各个零部件的三维尺寸与布置位置进行建模，获得三维模型；步骤3、模型修正，将三维模型的棱角进行圆弧化处理和简化处理；基于简化模型划分计算网格；步骤4、设置，对简化模型的各部分的材料属性进行设置；设置所述简化模型的边界条件；步骤5、获取稳态温度，选择固体传热物理场模型，利用热传导方程的有限元数值方法求取待分析的高热耗率SiC MOSFET功率器件的稳态温度。本发明能更高效地计算出高热耗率的SiC MOSFET功率器件的工作稳态温度，所使用简化的SiC MOSFET模型可以在满足工程误差需求下，提高计算速度。
-
公开(公告)号：CN112270323B
公开(公告)日：2024-02-02
申请号：CN202011057659.2
申请日：2020-09-29
Applicant: 西安电子科技大学
IPC: G06V10/75 , G06V10/46 , G06V10/82 , G06N3/0464
Abstract: 本发明属于信息处理技术领域，公开了一种智能医疗复检控制方法、系统、介质、计算机设备及应用，针对每种待复检的输液袋种类都筛选出一张清晰的模板图用于辅助复检，标注出模板图的关键位置并记录；将待检测的输液袋图片与对应模板进行整体相似度计算；对整体相似度过关的输液袋进行关键位置的相似度计算与OCR识别，得到最终的复检结果。本发明采用初步筛查和精细筛查，初步筛查计算量小，筛除大部分干扰项后再进行精细的二次筛查，有效的节省了复检时间，二次筛查同时采用了OCR识别和相似度计算的方法，保证了复检结果的准确性。本发明对于变形程度在25％以内的图片也能精准识别，有效减少了复检过程的耗时。
-
公开(公告)号：CN113704235A
公开(公告)日：2021-11-26
申请号：CN202110887444.1
申请日：2021-08-03
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习，深度学习及数据挖掘等技术领域，具体是一种基于自注意力机制的深度知识追踪模型。针对目前基于循环神经网络的知识追踪方法中普遍存在的可解释性差和长期依赖问题，提供了一种基于自注意力机制的模型，在一定程度提高可解释性且没有长期依赖问题。且利用了学习过程中的时间信息，以时间信息代替位置编码，结合遗忘曲线理论，模拟学习过程中的遗忘行为，同时，使用以知识点信息为主，以题目信息为辅，两者结合的建模方法，以保留题目的差异信息且避免了题目数量过多带来的参数爆炸，造成模型难以训练的问题。
-
公开(公告)号：CN112270323A
公开(公告)日：2021-01-26
申请号：CN202011057659.2
申请日：2020-09-29
Applicant: 西安电子科技大学
Abstract: 本发明属于信息处理技术领域，公开了一种智能医疗复检控制方法、系统、介质、计算机设备及应用，针对每种待复检的输液袋种类都筛选出一张清晰的模板图用于辅助复检，标注出模板图的关键位置并记录；将待检测的输液袋图片与对应模板进行整体相似度计算；对整体相似度过关的输液袋进行关键位置的相似度计算与OCR识别，得到最终的复检结果。本发明采用初步筛查和精细筛查，初步筛查计算量小，筛除大部分干扰项后再进行精细的二次筛查，有效的节省了复检时间，二次筛查同时采用了OCR识别和相似度计算的方法，保证了复检结果的准确性。本发明对于变形程度在25％以内的图片也能精准识别，有效减少了复检过程的耗时。
-
Patent Agency Ranking
公开(公告)号：CN111241343A
公开(公告)日：2020-06-05
申请号：CN202010012511.0
申请日：2020-01-07
Applicant: 西安电子科技大学
IPC: G06F16/783 , G06F16/78 , G06F16/732 , G06F16/74 , G06N3/04 , G06N3/08
Abstract: 本发明属于交通目标检测技术领域，公开了一种道路信息监控与分析检测方法、智慧交通控制系统，从外部连接的视频采集设备获取携带交通路况图像的视频数据并转码为带有时间戳的视频流；从获取的视频流中提取关键帧；用深度学习算法对关键帧进行检测，得到带有检测结果的视频流和图像；对检测结果在可视化平台上进行实时模块化展示；完成检测结果的保存与分析，对带有检测结果的视频、目标截图、区间统计数据等结果进行输出保存。本发明有效的解决了单标签目标检测表示物体不充分的问题，对于实时检测速度慢的问题提出了关键帧提取的方法进行加速，同时深度学习算法YOLOv3具有更好的小目标检测能力，具有更好的精确性与稳定性。
-
公开(公告)号：CN111553205B
公开(公告)日：2022-11-15
申请号：CN202010282766.9
申请日：2020-04-12
Applicant: 西安电子科技大学
Abstract: 本发明属于图像处理技术领域，公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统，获取数据集并进行数据集划分、预处理；使用预先训练过的ResNet‑50作为主干网络，进行提取基础特征张量；加入通道注意力机制与空间注意力机制得到新的特征张量；设计四个相对独立的网络分别用于提取更高层次的语意特征；利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型；用训练好的模型对测试图像测试得到重识别初始排序结果；对初始排序结果使用重排序算法再次排序；可视化最终排序结果。本发明有效提高无车牌信息情况下的车辆重识别识别率，提高了复杂场景下的基于无车牌信息的车辆重识别准确率。
-
公开(公告)号：CN113935404A
公开(公告)日：2022-01-14
申请号：CN202111120902.5
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06V10/776 , G06V10/774
Abstract: 本发明公开了一种光场显著性检测数据集清晰度评价方法。首先通过显著性区域掩膜制作三个掩膜，并获取对应的窗函数；通过掩膜A获得光场焦堆栈图像显著性区域图像；用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；对显著性区域高频信息进行傅里叶反变换，得到空域图像；用腐蚀的掩膜B截取空域高频部分，计算高频图像灰度值之和，用以表示焦堆栈图像显著性区域高频能量值大小；对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重。本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。
-
公开(公告)号：CN113435685A
公开(公告)日：2021-09-24
申请号：CN202110467407.5
申请日：2021-04-28
Applicant: 桂林电子科技大学
IPC: G06Q10/06 , G06Q50/20 , G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种分层Attention深度学习模型课程推荐方法。通过利用用户顺序行为数据，使用LSTM建模用户兴趣的动态变化，通过构建分层的Attention结构，得到用户的长期和短期偏好，从而生成用户的高级混合表示，以此提高推荐结果的用户个性化和准确度。具体为：利用原始在线学习相关行为数据进行筛选和预处理，将用户的顺序行为划分为会话，然后使用embedding层和全连接层对细粒度(信息用户ID和课程ID)与粗粒度信息(课程类型)三种数据进行处理，得到用户向量表示；应用LSTM来捕捉用户不同历史会话兴趣的交互和演化，得到序列化的兴趣向量，将兴趣向量输入到Attention网络中，得到用户的长期兴趣表示；然后将用户最近行为数据和长期兴趣表示输入到第二层Attention网络中，得到用户的混合兴趣表示；最后将用户的混合兴趣表示和课程向量表示做内积，将得到的值作为该候选项目的得分，将候选项目得分排序得到推荐列表以为学生进行个性化推荐。
-
公开(公告)号：CN109655815A
公开(公告)日：2019-04-19
申请号：CN201811407252.0
申请日：2018-11-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于SSD的声呐目标检测方法。当下的水下目标检测识别方法难以精准的同步识别多个目标。本发明如下：一、建立SSD神经网络模型。二、用需要被识别的声呐数据生成n张被测声呐图像。三、将被测声呐图像送入SSD神经网络模型，获取特征图。四、对特征图设置检测框。五、将检测框输入两个卷积核，获取检测框针对各个目标类别的类别分数以及形状偏移量。六、确定被测声呐图像含有的目标类型，并框选出所有目标。本发明将深度学习技术融入到声呐目标检测中，将声呐数据生成的声呐图像输入SSD神经网络模型中，在模型中一次性完成特征提取、目标检测、目标分类，从而大大提高检测速度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.026 seconds)
