-
公开(公告)号：CN116796236A
公开(公告)日：2023-09-22
申请号：CN202310836859.5
申请日：2023-07-10
Applicant: 电子科技大学中山学院
IPC: G06F18/24 , G06F18/22 , G06V10/764 , G06V10/75 , G06N20/00
Abstract: 本发明公开了一种模型训练的多阶段调节数据增强方法，包括信息预处理模块、判别器模块、训练偏好计算模块、类别信息扩增模块和训练集更新模块五个模块，该方法的步骤包括在线类别信息库的建立与模型的预训练、模型训练与判别、阶段性训练偏好的计算、类别信息的扩增和训练集更新与模型续练，本发明基于模型训练偏好对数据增强方法进行优化，优化目前大部分数据增强手动设置参数与人工匹配的问题，使数据增强与模型的匹配更具客观性，同时，在模型的训练中引入判别器，依据模型的训练情况将训练划分为多个阶段，用阶段性的训练偏好多次调节训练集的类别信息量，迫使模型在下一次训练中更加关注对某些类别的学习，使数据增强算法与模型之间的匹配更加完善。
-
公开(公告)号：CN111860631B
公开(公告)日：2023-08-22
申请号：CN202010669159.8
申请日：2020-07-13
Applicant: 电子科技大学中山学院
IPC: G06V10/774 , G06F17/15
Abstract: 本发明公开了一种采用错因强化方式优化损失函数的物品识别方法，优化后的损失函数取名为corloss，在原来的交叉熵损失函数的基础上加入惩罚项实现,惩罚项包含以下三个模块:惩罚程度调节因子T，用于调节相关性对交叉熵损失函数影响的强弱，在模型训练时可根据实际情况设置T值；数据集各类别之间的相关性，通过初步模型测试所有物品类别的输出，并使用信息熵公式计算后获得相关性；相关类别的概率，即在训练过程中将目标物品识别为与之相关的物品类别的概率，非定值，根据模型的每一次训练情况动态调整；通过加入惩罚性，提高了模型对物品识别的精度，能够提高深度学习网络模型的识别准确程度。
-
公开(公告)号：CN111351563A
公开(公告)日：2020-06-30
申请号：CN202010288291.4
申请日：2020-04-14
Applicant: 电子科技大学中山学院
IPC: G01H9/00
Abstract: 本发明公开一种远程内调制光纤干涉振动测量装置及方法，包括有调制器、激光器、耦合器组件、振动探头、光电探测器组和信号计算输出模组，所述调制器的输出端与激光器的输入端连接，所述激光器的输出端通过远距离光纤与耦合器组件、振动探头和光电探测器组串联，所述光电探测器组输出端与信号计算输出模组的输入端连接，所述信号计算输出模组与调制器互相连接传递信号，本发明具有精确的消除内调制光纤干涉的伴生调幅问题，提高光纤测量精度的优点，使测量更加精确，确保测量结果的精确性，符合测量需求。
-
公开(公告)号：CN110910841A
公开(公告)日：2020-03-24
申请号：CN201911294868.6
申请日：2019-12-16
Applicant: 电子科技大学中山学院
IPC: G09G3/34
Abstract: 本发明公开了一种电泳电子纸的鬼影减弱系统和减弱方法，该电泳电子纸的鬼影减弱系统包括主控模块、摄像模块、显示模块、储存模块、驱动模块和PC端；本发明的鬼影减弱系统的减弱方法为摄像模块拍摄电子纸显示屏的图像并储存在储存模块中，通过PC端对其图像进行图像预处理包括第一次灰度变换、直方图均衡化、第二次灰度变换、二值化和中值滤波，然后对图像进行边缘提取，裁剪出有字符的区域，进行字符识别，最后将识别出的字符通过驱动模块进行反向驱动一遍，减弱鬼影现象。本发明通过识别出图像鬼影的字符，对其用驱动模块反向驱动一遍以此达到减弱鬼影的效果，大大提高用户的阅读体验。
-
公开(公告)号：CN118197342A
公开(公告)日：2024-06-14
申请号：CN202410600756.3
申请日：2024-05-15
Applicant: 电子科技大学中山学院
IPC: G10L21/0216 , G06F18/23213 , G06F17/16
Abstract: 本发明公开了一种基于改进NMF和K‑means++的高精度音频信号去噪方法。所述方法包括：S1.获取音频信号的原始矩阵，随机选择原始矩阵中的样本点进行聚类操作；S2.计算数据与聚类中心的距离，分配数据到最近的聚类中，输出聚类中心组成矩阵#imgabs0#，作为NMF算法训练过程中字典矩阵#imgabs1#的初始值；S3.在原始NMF算法中的稀疏编码部分，引入正则化参数#imgabs2#，使正则化参数α与系数矩阵H进行迭代，同时对字典矩阵#imgabs3#进行按列更新；S4.将带有噪声的语音信号#imgabs4#进行分离，输出干净的语音信号。本发明结合了NMF和K‑means++算法的优点，并对NMF算法进行了改进，解决NMF算法因初始化敏感，容易陷入局部最优解的缺点，提高了音频信号去噪的准确性和精度。
-
Patent Agency Ranking
公开(公告)号：CN116805053A
公开(公告)日：2023-09-26
申请号：CN202310839001.4
申请日：2023-07-10
Applicant: 电子科技大学中山学院
IPC: G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于卷积神经网络输出层的错因修正插件，其是在现有的卷积神经网络模型基础上，加入一个输出层错因修正插件实现修正网络输出的目的，该错因修正插件包含修正因子和误差修正量两个修正参数，修正因子用于修正误差修正量对网络输出的影响，误差修正量用于度量数据集各类别间的相互影响，通过网络插件的方式修正模型输出，增加模型学习难度，提高了模型对物品分类、识别的能力，有效提高深度学习网络模型的分类、识别准确率，同时错因修正插件作为独立于网络结构外的一种额外结构，不参与模型反向传播和网络参数更新，因此对模型优化更加完善。
-
公开(公告)号：CN115112219A
公开(公告)日：2022-09-27
申请号：CN202210853380.8
申请日：2022-07-20
Applicant: 电子科技大学中山学院
IPC: G01H9/00
Abstract: 本发明涉及一种长距离光纤分布式振动传感装置及工作方法，包括与第一耦合器第一端口连接的激光器，第一耦合器的第二端口依次与声光调制器、掺铒光纤放大器和光开关的第一端口连接，第一耦合器的第三端口与光混频器的第二端口连接；处理器通过数模转换器和射频驱动器连接声光调制器；光开关的第二端口与环形器的第一端口连接，光开关的第三端口与第二耦合器的第三端口连接；环形器的第二端口连接传感光纤，第三端口连接第二耦合器的第二端口，第二耦合器的第一端口连接光混频器的第一端口，光混频器的第三端口通过巴伦接收器和模数转换器与处理器连接。使得系统信噪比与光纤后向散射信号极化状态无关，以抑制长距离探测引起的极化衰落现象。
-
公开(公告)号：CN111982271A
公开(公告)日：2020-11-24
申请号：CN202010954553.6
申请日：2020-09-11
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于Wavenet的φ-OTDR模式识别系统及方法，包括：依次连接的激光器、光衰减器、声光调制器、掺铒光纤放大器和滤波器，所述滤波器的输出端连接环形器，环形器和拉曼放大器的输出端分别连接波分复用器，所述波分复用器的输出端经过PZT与传感光纤连接。本发明有益效果：本发明在φ-OTDR系统模式识别中，直接对采集到的原始信号进行特征提取和识别，避免了传统方法需人工提取特征的过程，能够更有效率地充分获取振动信息。
-
公开(公告)号：CN111912516B
公开(公告)日：2025-01-24
申请号：CN202010886385.1
申请日：2020-08-28
Applicant: 电子科技大学中山学院
IPC: G01H9/00
Abstract: 本公开提供了一种相位同步的光纤分布式振动测量装置、驱动器及方法，包括：依次连接的双路时钟源、信号调理器、可编程门阵列和声光调制器驱动器，所述双路时钟源还与放大器的一端连接，放大器的另一端与声光调制器驱动器连接；所述双路时钟源通过放大器传输调制时钟信号至声光调制器驱动器，通过信号调理器和可编程门阵列传输脉冲激励信号至声光调制器驱动器；所述可编程门阵列同时输出与脉冲激励信号同步的触发信号；在每一个脉冲周期内，脉冲调制信号的起始相位是固定不变的，不存在沿时间轴的轻微抖动，可以提高振动测量精度和空间分辨率。
-
公开(公告)号：CN111982271B
公开(公告)日：2024-12-20
申请号：CN202010954553.6
申请日：2020-09-11
Applicant: 电子科技大学中山学院
Abstract: 本发明公开了一种基于Wavenet的φ‑OTDR模式识别系统及方法，包括：依次连接的激光器、光衰减器、声光调制器、掺铒光纤放大器和滤波器，所述滤波器的输出端连接环形器，环形器和拉曼放大器的输出端分别连接波分复用器，所述波分复用器的输出端经过PZT与传感光纤连接。本发明有益效果：本发明在φ‑OTDR系统模式识别中，直接对采集到的原始信号进行特征提取和识别，避免了传统方法需人工提取特征的过程，能够更有效率地充分获取振动信息。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.024 seconds)
