-
公开(公告)号：CN120070244A
公开(公告)日：2025-05-30
申请号：CN202510226163.X
申请日：2025-02-27
Applicant: 西安理工大学
IPC: G06T5/70 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于条件扩散模型的低照度事件流增强方法，具体按照以下步骤实施：首先对数据集进行预处理，将正常光线条件下的事件流每连续5帧视频帧进行时序堆叠，对于低照度事件流，同样执行这一操作；在前向过程中，依次对每个正常光线条件下的事件流的堆叠序列添加噪声；在反向过程中，依次对每个低照度事件流的堆叠序列执行去噪操作，最终输出去噪后的图像。本发明尽可能地保留场景目标信息的完整性，并增强纹理细节及视觉特征的丰富性。
-
公开(公告)号：CN114611573B
公开(公告)日：2025-04-08
申请号：CN202210107768.3
申请日：2022-01-28
Applicant: 西安理工大学
IPC: G06F18/214 , G06N3/0464 , G06N3/088 , G01D21/02 , G01R31/3842 , G01R31/389 , G06N3/0455
Abstract: 本发明公开了一种基于变分自编码器的锂电池缺失观测数据填充方法，步骤包括：S1、获取正常周期内观测的数据；S2、对正常观测数据的数据集合进行标注，确定缺失数据的周期；S3、构建变分自编码器；S4、使用正常数据作为输入，训练该变分自编码器；S5、使用编码器模型，获取正常数据的潜在向量；S6、选取潜在向量的任意两维数据，构建潜在变量坐标系，并观测潜在向量的分布规律，判断所构建的变分自编码器是否符合要求；S7、依照正常数据的潜在向量，线性插值缺失数据的潜在向量；S8、将缺失周期所对应的潜在向量输入到解码器模型当中，重构出缺失数据。本发明的方法，对提升锂离子电池寿命估计的精度和泛化性有重要意义。
-
公开(公告)号：CN114359600B
公开(公告)日：2025-03-28
申请号：CN202111614081.0
申请日：2021-12-27
Applicant: 西安理工大学
Abstract: 本发明公开了一种结合图像语义与坐标关系的特征误匹配检测方法，该方法由三个特定功能模块构成的深度学习检测网络对图像误匹配点进行检测，三个功能模块包括语义向量生成模块、坐标位置关系向量生成模块、以及匹配点对判别模块；其中语义向量生成模块输入需先进行旋转方向和尺度的对齐操作，通过在大量包含正确匹配点对和误匹配点对的已标注训练数据集上进行深度学习网络训练，训练后网络可以对待检测的匹配图像点对的匹配关系的正确性进行有效判别；本发明采用新的深度学习方法显著提升了对匹配点对正确性判别的准确率与鲁棒性，此外本发明还可为人脸识别，三维重建，图像检索，自动驾驶等领域应用提供高质量的特征点匹配关系校验方法。
-
-
公开(公告)号：CN119561844A
公开(公告)日：2025-03-04
申请号：CN202411689721.8
申请日：2024-11-25
Applicant: 西安理工大学
Abstract: 本发明公开了多层复杂网络关键节点排序识别方法，具体过程为：根据多层网络不同层的邻接矩阵、层间链接关系生成整体网络的邻接矩阵#imgabs0#，并计算多层网络中每个节点的度值；分别计算多层网络中不同层中的每个节点的Betwenness值；对每个节点的度值和Betwenness值进行归一化处理；融合每个节点的度值和Betweenness值，得到每个节点的重要性系数；根据得到的每个节点的重要性系数对多层网络中的节点进行降序排列；利用网络瓦解算法对关键节点进行识别。本发明方法解决现有关键节点识别方法对于多层复杂网络存在误差大且效率低的问题。本发明成果可应用于电力、通信、物流、交通等基础网络的控制，在传染病、生物医疗等众多领域有重要应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119401982A
公开(公告)日：2025-02-07
申请号：CN202411542270.5
申请日：2024-10-31
Applicant: 西安理工大学
IPC: H03H17/02
Abstract: 本发明公开了一步量测随机延迟和同步噪声相关条件下系统高斯滤波器的设计方法。借助伯努利随机序列来描述非线性高斯离散系统中的量测单步随机延迟现象，将系统量测噪声作为状态增量以实现对延迟量测信息的一步预测，同时利用条件高斯分布引理来解决噪声相关问题，从而构建具有一步量测随机延迟和同步相关噪声特性的目标状态模型和量测模型，设计了一种高斯滤波框架形式的最优估计算法，并采用泰勒级数展开公式来线性化系统，给出了一步量测随机延迟和同步相关噪声条件下的扩展卡尔曼滤波算法。通过上述方式，本发明提高了滤波器在处理一步量测随机延迟和同步相关噪声时的准确性，减少了滤波结果中的偏差，具有更高的精度和更好的数值稳定性。
-
公开(公告)号：CN118861644A
公开(公告)日：2024-10-29
申请号：CN202411152405.7
申请日：2024-08-21
Applicant: 西安理工大学
IPC: G06F18/213 , G06N3/126 , G06N3/0464 , G06N3/08 , G01R31/367
Abstract: 本发明公开了基于双路径编码与遗传规划的电池容量退化曲线预测方法，步骤是：1)识别锂离子电池真实容量退化曲线中的拐点；2)对锂电池的真实容量退化曲线进行归一化处理，形成训练数据集和测试数据集；3)构建双路径自编码器网络；4)将训练数据集输入到双路径自编码器网络中，获取最优的模型；5)利用双路径自编码器网络预测锂电池的Knee‑points，计算预测值与实际观测值之间的相似性得分，评估模型的预测性能；6)采用遗传规划算法对预测的Knee‑points进行曲线拟合；计算拟合曲线与真实容量曲线之间的损失，评估拟合的精确性。本发明属于锂电池退化分析与预测技术领域，预测精度高，模型可解释性好。
-
公开(公告)号：CN118823031A
公开(公告)日：2024-10-22
申请号：CN202410837251.9
申请日：2024-06-26
Applicant: 西安理工大学
IPC: G06T7/10 , G06T5/70 , G06T7/66 , G06T17/10 , G06V10/762
Abstract: 本发明公开了基于迭代聚类与模型拟合的建筑物点云分割方法，具体按照如下步骤实施：步骤1，改进DBSCAN聚类算法，并完成建筑物点云的初始粗分割；步骤2，将步骤1的分割结果作为输入参数，利用法线评估的RANSAC模型拟合算法完成建筑物点云的精细分割，并将点云场景中的剩余点云进行迭代；步骤3，从模型合并、模型修正以及模型去噪三个方面对分割结果进行模型优化。本发明改善了对于大型复杂建筑物场景的分割工作中仍然存在分割效率低、分割准确率不高的问题。
-
公开(公告)号：CN118736257A
公开(公告)日：2024-10-01
申请号：CN202410857687.4
申请日：2024-06-28
Applicant: 西安理工大学
IPC: G06V10/762 , G06V10/26 , G06V10/80 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了语义实例联合与动态漂移特征聚类的单棵树木提取方法，该方法首先通过点云的特征提取与融合以增强主干网络下不同层级的特征，然后利用基于点相关性的语义‑实例联合分割模块，建立点与点、点与通道之间在全局以及局部区域下的相关性，以此促进语义与实例分割任务的特征提取，最后将提取到的实例特征通过动态漂移特征聚类模块使待聚类点收敛到不同实例的中心，以此得到最终的单棵树木提取结果。
-
公开(公告)号：CN118229601A
公开(公告)日：2024-06-21
申请号：CN202410335322.5
申请日：2024-03-22
Applicant: 西安理工大学
IPC: G06T5/94 , G06T5/50 , G06T7/90 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了自校准机制的无监督弱光图像增强方法，采用亮度自校准子网络和颜色自校准子网络，使网络同时关注低光照图像的局部亮度信息和颜色信息，采用递归的方式实现网络架构，然后将网络输出特征经过大尺度U‑Net网络关注图像的全局亮度信息，最终得到亮度重构图像，通过动态调整损失函数的权重，以约束网络达到最优的融合结果，从弱光环境中的可见光图像出发得到最终增强图像。本发明解决了现有技术中存在的增强方法并不容易得到一个清晰、细节轮廓结构明显和颜色恢复自然的图像的问题。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.03 seconds)
