-
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。
-
Patent Agency Ranking
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：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：CN102821522A
公开(公告)日：2012-12-12
申请号：CN201210291317.6
申请日：2012-08-16
Applicant: 电子科技大学
IPC: H05B37/02
CPC classification number: Y02B20/72
Abstract: 本发明涉及LED（发光二极管）路灯驱动电源。本发明针对LED路灯照明电源系统技术复杂、设计步骤繁琐、所需元件多、体积大、成本高的缺点，公开了一种用于LED路灯的LLC谐振式恒流驱动电源。本发明将功率因数校正技术与LLC谐振软开关技术以及后级多路恒流驱动电路相结合，采用最适合的电路拓扑，更简化的控制策略，更集成化的电路，提高了LED驱动电源的性能。本发明集功率因数校正和LLC谐振控制于一体，充分发挥了LLC谐振式电路拓扑结构隔离功能、动态电压调整功能，具有集成度高、效率高、稳定性好、成本低、体积小的特点，特别适合LED路灯等大功率应用的场合。
-
公开(公告)号：CN119829766A
公开(公告)日：2025-04-15
申请号：CN202411890125.6
申请日：2024-12-20
Applicant: 桂林电子科技大学 , 桂林瑞威赛德科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/289 , G06F40/30 , G06F18/2431 , G06F18/2415 , G06N3/045 , H04M1/72436
Abstract: 本发明提供一种基于RoBERTa模型的电信诈骗文本分类检测方法，通过采用深度学习和自然语言处理技术，基于RoBERTa模型的深度学习框架，构建了一种能够自动学习电信诈骗文本深层语义特征的分类模型，该模型的架构，包含多头注意力、残差连接、全连接层分类三部分。在模型训练过程中结合了交叉熵损失函数和不一致性损失函数，旨在同时优化分类准确性和模型鲁棒性。交叉熵损失函数有助于提升分类精度，而不一致性损失函数则增强了模型对异常或不确定文本的辨识能力，从而有效防止了过拟合现象，提高了模型在复杂场景中的适应性和稳定性。使用本方法能够有效地提升对电信诈骗文本的分类准确性和模型鲁棒性。
-
公开(公告)号：CN110490174A
公开(公告)日：2019-11-22
申请号：CN201910799142.1
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征融合的多尺度行人检测方法，属于计算机视觉中的行人检测技术领域，解决现有技术中，对行人检测所用的特征融合、多级检测方法会造成小目标检测精度低，或检测时间长、资源需求高，从而无法达到实时性的问题。本发明包括：将获取的行人检测数据集进行预处理；构建基于特征融合的多尺度行人检测卷积神经网络，多尺度行人检测卷积神经网络包括用于特征融合提取的共享卷积神经网络和将融合特征进行检测的尺度子网络；将预处理后的行人检测数据集输入到多尺度行人检测卷积神经网络中进行训练，得到训练好后的多尺度行人检测卷积神经网络；将待检测的行人图像输入到训练好后的多尺度行人检测卷积神经网络，得到最终的检测结果。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
