-
Patent Agency Ranking
公开(公告)号：CN112270280B
公开(公告)日：2022-10-14
申请号：CN202011204160.X
申请日：2020-11-02
Applicant: 重庆邮电大学
IPC: G06V20/13 , G06V10/82 , G06V10/25 , G06V10/26 , G06V10/44 , G06N3/04 , G06N3/08 , G06T7/11 , G06V10/774
Abstract: 本发明涉及一种基于深度学习的遥感图像中的露天矿场检测方法，属于目标检测领域。基于Mask R‑CNN网络，在此网络上设计了基于混合注意力的区域生成网络MA‑RPN和基于扩展的特征金字塔网络ET‑FPN，MA‑RPN引入了混合注意力机制，在区域生成网络中添加注意力模块，通过注意力掩码将图片中露天矿场的关键特征标识出来，从而帮助模型学习到需要关注的露天矿场区域；ET‑FPN具有专门用于露天矿场检测的金字塔层，用以提取遥感图像中露天矿场的信息，扩展的特征金字塔层反馈到后续的检测器进一步进行定位和分类。本发明能够在遥感图像中实现露天矿场的检测。
-
公开(公告)号：CN112270278A
公开(公告)日：2021-01-26
申请号：CN202011204133.2
申请日：2020-11-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于关键点的蓝顶房检测方法，属于目标检测领域。基于不需要锚框的方式来产生候选角点，致力于改善关键点匹配，根据向心位移算法获得高质量的角点对，然后根据角点对生成目标边界框，左上和右下角点预测模块都使用交叉可变形卷积特征适配以丰富角点位置处的视觉特征，角点预测和交叉可变形卷积的结果输入到向心偏移模块中，进行角点匹配，在匹配过程中形成得分比较高的边界框，作为最终输出的预测框。本发明提出的蓝顶房检测模型将特征提取、角点预测、边界框形成、目标检测过程都融入到一个端到端的深度网络模型中，最终本发明能够在遥感图像上完成快速准确的蓝顶房检测。
-
公开(公告)号：CN114545279A
公开(公告)日：2022-05-27
申请号：CN202210175767.2
申请日：2022-02-24
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G06N3/04 , G06N3/08
Abstract: 本发明涉及锂电池健康状态评估技术领域，公开了一种基于神经网络常微分方程的锂电池健康状态估计方法，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试。本发明将元学习剪枝(Meta‑pruning)应用在ODE网络中，简化网络结构并减少网络参数量，达到进一步精简轻量化的ODE网络的效果，并提高神经网络预测锂电池SOH的精度。
-
公开(公告)号：CN114545279B
公开(公告)日：2024-09-06
申请号：CN202210175767.2
申请日：2022-02-24
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/367 , G06N3/0985 , G06N3/082 , G06N3/084 , G06F17/13
Abstract: 本发明涉及锂电池健康状态评估技术领域，公开了一种基于神经网络常微分方程的锂电池健康状态估计方法，包括如下步骤：步骤1、对收集到的锂电池数据集进行预处理得到原始数据集；步骤2、将所述原始数据集分类成训练数据集和测试数据集；步骤3、将所述训练数据集输入至通过元学习剪枝后得到的轻量化ODE网络，对所述轻量化ODE网络进行训练得到锂电池的预测容量，并通过所述测试数据集对训练后的轻量化ODE网络进行测试。本发明将元学习剪枝(Meta‑pruning)应用在ODE网络中，简化网络结构并减少网络参数量，达到进一步精简轻量化的ODE网络的效果，并提高神经网络预测锂电池SOH的精度。
-
公开(公告)号：CN112270280A
公开(公告)日：2021-01-26
申请号：CN202011204160.X
申请日：2020-11-02
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的遥感图像中的露天矿场检测方法，属于目标检测领域。基于Mask R‑CNN网络，在此网络上设计了基于混合注意力的区域生成网络MA‑RPN和基于扩展的特征金字塔网络ET‑FPN，MA‑RPN引入了混合注意力机制，在区域生成网络中添加注意力模块，通过注意力掩码将图片中露天矿场的关键特征标识出来，从而帮助模型学习到需要关注的露天矿场区域；ET‑FPN具有专门用于露天矿场检测的金字塔层，用以提取遥感图像中露天矿场的信息，扩展的特征金字塔层反馈到后续的检测器进一步进行定位和分类。本发明能够在遥感图像中实现露天矿场的检测。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
