-
公开(公告)号：CN119229469B
公开(公告)日：2025-04-01
申请号：CN202411767881.X
申请日：2024-12-04
Applicant: 苏州大学
IPC: G06V30/422 , G06V30/148 , G06V30/18 , G06V30/19 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像识别领域，公开了一种工业图纸关键符号语义识别方法及系统，方法包括通过设计基于基础模型SAM的通用图纸分割模型DrawSAM利用高效微调方法DoRA进行自适应微调SAM，结合Box Generator提示生成器进行图像分割，能够适应多样化的图纸类型和复杂结构布局，提升图纸中文字及符号的检测和识别准确率与效率；并通过优化的文本检测算法DrawDETR，减少了在识别工程图纸时的误识别率，提高了识别的准确性，有效解决了通用OCR模型在此领域的误识别和符号无法识别的问题，显著提升了图纸电子化数据的检索与应用，满足工业需求。
-
公开(公告)号：CN115545758B
公开(公告)日：2024-09-10
申请号：CN202211175414.9
申请日：2022-09-26
Applicant: 苏州大学
IPC: G06Q30/0203 , G06Q30/0204 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及设施选址领域，公开一种城市服务设施自适应增量选址的方法和系统，方法包括：获取城市路网结构和用户行为数据构建地址关联图；使用图神经网络构建地址位置的空间关联关系，根据空间关联关系从地址关联图中提取地址位置的局部隐特征和全局隐特征；使用长短时记忆网络构建地址位置的时间依赖关系，根据局部隐特征、全局隐特征和时间依赖关系预测缺失流行度分布；结合局部隐特征、全局隐特征和缺失流行度分布得到流行度预测结果进行选址；系统包括地址关联图构建模块、特征提取模块、缺失流行度预测模块和选址模块。本发明可以充分挖掘用户活跃度和社交行为等数据，实现与时空域结合的自适应选址，结果准确科学、效率高、效果好。
-
公开(公告)号：CN115908828B
公开(公告)日：2024-08-16
申请号：CN202211415263.X
申请日：2022-11-11
Applicant: 苏州大学
IPC: G06V10/32 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像描述技术领域，尤其是指一种图像描述生成方法及装置。本发明所述的图像描述生成方法，通过局部通道注意力计算图像各个通道的权重，关注不同布纹之间的底层特征差异，从而提升网络的表征能力；通过全局通道注意力将局部通道注意力所提取的特征进行更好的融合。此外，本发明将通道注意力结构进行堆叠，局部邻域向全局进行扩散，局部特征与全局相关性结合，以提取图像局部与全局特征间以及特征通道间依赖关系，从而获得图像的上下文信息，有利于生成更精确的描述。该模块能够减少冗余特征并抑制与任务无关特征的干扰，使得网络高效的利用于生成描述强相关的特征，得到更加准确、质量更高的布纹图像描述。
-
公开(公告)号：CN117312848A
公开(公告)日：2023-12-29
申请号：CN202311217587.7
申请日：2023-09-20
Applicant: 苏州大学
IPC: G06F18/214 , G06F18/23213 , G06F11/36
Abstract: 本发明涉及一种软件缺陷数据生成方法和系统，方法包括：步骤S1：获取软件数据集，其中，所述软件数据集包括缺陷数据集和非缺陷数据集，将所述缺陷数据集作为少数类数据集，将所述非缺陷数据集作为多数类数据集；步骤S2：对所述缺陷数据集和非缺陷数据集进行过采样，生成所需的新的缺陷样本，将新的缺陷样本放入缺陷数据集中，使放入新的缺陷样本后的缺陷数据集的样本点和非缺陷数据集的样本点达到平衡。本发明能够将软件数据集中的缺陷数据集和非缺陷数据集达到平衡，实验证明，本发明构造出的新的缺陷数据集能够使得用于软件缺陷预测的模型学习到有区分度的信息，保证模型的高效性。
-
公开(公告)号：CN113706564B
公开(公告)日：2023-07-18
申请号：CN202111113479.6
申请日：2021-09-23
Applicant: 苏州大学
IPC: G06V10/26 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0895 , G06N3/09
Abstract: 本申请涉及一种基于多种监督方式的睑板腺分割网络的训练方法及装置，属于计算机技术领域，该方法包括：使用第一数据集对UNet进行全监督训练，得到预训练后的UNet；将第一睑板腺样本图像、第二睑板腺样本图像和添加噪声后的第二睑板腺样本图像输入预训练后的UNet，得到第一睑板腺样本图像的预测结果、第二睑板腺样本图像的伪图像标签和添加噪声后的第二睑板腺样本图像的预测结果；基于预测结果和伪图像标签计算自监督学习损失、全监督学习损失和半监督学习损失，以对预训练后的UNet进行多监督训练，得到睑板腺分割网络；相比于只用全监督学习，还引入半监督与自监督学习能从无标注睑板腺图像中挖掘出更有用的信息。
-
Patent Agency Ranking
公开(公告)号：CN116232897A
公开(公告)日：2023-06-06
申请号：CN202310249040.9
申请日：2023-03-13
Applicant: 中电科(宁波)海洋电子研究院有限公司 , 苏州大学
IPC: H04L41/0894 , H04L41/0823 , H04L41/147 , H04L41/142 , H04L41/16 , H04L67/12 , H04L67/145 , H04L67/01 , H04W24/02 , H04W4/024 , H04W4/90 , G06F9/54 , G06N20/00 , G06N5/01
Abstract: 本发明涉及海上交通服务技术领域，具体涉及一种基于移动及北斗短报文混合通信的近海通用航海监控方法，包括以下步骤：S1、构建通信模型，包括基础架构和通信方式；基础架构基于客户端/服务器模式；通信方式包括移动通信、北斗短报文和混合通信；S2、客户端和服务器基于策略模式，根据通信需求和通信状况，动态地调整通信方式；所述通信策略包括移动通信优先策略、基于统计的传输策略和基于机器学习的传输策略；S3、构建通信过程，包括通信阶段的划分、通信状态的设定及转换，以及通信进程间的关系。本发明支持通信策略的实时切换，在频繁掉线、长时断网重连等复杂情况下，具备监控数据的发送、接收与管理能力。
-
公开(公告)号：CN115374840A
公开(公告)日：2022-11-22
申请号：CN202210906519.0
申请日：2022-07-29
Applicant: 苏州大学
IPC: G06K9/62 , G06F16/215
Abstract: 本发明公开了一种基于投影向量的轨迹相似度计算方法，包括如下步骤：(1)生成轨迹投影；(2)计算轨迹相似度。发明基于投影向量的轨迹相似度计算方法使用投影算法对轨迹进行投影得到轨迹的投影向量，基于轨迹的投影向量计算轨迹相似度，本发明能够在线性时间复杂度与线性空间复杂度下计算轨迹相似度，对轨迹相似度计算方法的进一步推广和研究有着重要意义。
-
公开(公告)号：CN114610877A
公开(公告)日：2022-06-10
申请号：CN202210169563.8
申请日：2022-02-23
Applicant: 苏州大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06F40/284 , G06N20/00
Abstract: 本发明涉及一种基于判别方差准则的影评情感分析预处理方法，包括对获取的原始影评数据进行分词、清洗和标准化的预处理，并整理得到影评语料库，其中影评语料库包括影评和特征项；基于影评语料库得到影评频次矩阵和词频矩阵；基于影评频次矩阵计算判别方差准则，利用判别方差准则计算影评语料库中每个特征项的判别相关性得分，按照得分降序排列得到特征项重要程度序列；将特征项重要程度序列输入至训练好的分析模型中，输出影评情感分析结果，并对影评情感分析结果进行评估。本发明判别方差准则有效地结合了方差和监督信息，利用判别方差准则对影评文本进行预处理，使得具有较高总体散度和较低类散度的特征项更具判别性，提高影评情感分析的性能。
-
公开(公告)号：CN114140699A
公开(公告)日：2022-03-04
申请号：CN202111416367.8
申请日：2021-11-25
Applicant: 苏州大学
IPC: G06V20/13 , G06V10/26 , G06V10/764 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种基于在线局部Fisher矢量机的SAR图像目标识别方法及系统，包括：S1、对SAR图像训练数据进行裁剪并在行上堆叠为向量数据，对向量数据划分预训练集并利用预训练集中的SAR图像训练数据进行分类模型预训练，以得到一次更新的分类模型参数；S2、将一次更新后的分类模型参数作为初值输入分类模型，并将预训练集加入缓冲池，在分类模型接收到任意样本数据时，将样本数据加入缓冲池对分类模型进行训练，并遍历所有样本数据以得到二次更新的分类模型参数；S3、对SAR图像检测数据进行裁剪并在行上堆叠为向量数据，利用二次更新的分类模型参数来计算分类模型函数值并对数据进行预测分类。本发明具有更高效、更准确、可适应大规模数据的优势。
-
公开(公告)号：CN106096602A
公开(公告)日：2016-11-09
申请号：CN201610445168.2
申请日：2016-06-21
Applicant: 苏州大学
CPC classification number: G06K9/2054 , G06K9/3258 , G06K9/6269 , G06K2209/01
Abstract: 本发明公开了一种基于卷积神经网络的中文车牌识别方法，S1：车牌定位，将颜色模板匹配算法和轮廓查找算法相结合，定位出车牌；S2：字符分割，将灰度化后的车牌矩形块，二值化、闭操作、取轮廓后，可以得到外接矩形，从而截取出字符图块；S3：卷积神经网络的设计和训练，其中，卷积神经网络设置为10层结构；S4：字符识别，使用S3中预先训练好的卷积神经网络，作为分类器，将要识别的字符输入，得到分类结果和其置信率。通过上述方式，本发明提供的基于卷积神经网络的中文车牌识别方法，具有准确率极高、普适性极强、处理时间很短等优点，在现代智能交通系统、停车场管理、高速公路收费站等场景上有着广泛的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.03 seconds)
