-
公开(公告)号：CN114942951B
公开(公告)日：2025-03-25
申请号：CN202210640301.5
申请日：2022-06-08
IPC: G06F18/2431 , G06F18/214 , G06F18/213 , G06F18/15 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于AIS数据的渔船捕鱼行为分析方法，包括：对原始数据进行异常处理得到轨迹数据序列；基于轨迹数据序列构建数据集；基于数据集识别渔船捕捞状态和渔船作业类型。本发明提供了一种渔船捕捞状态和渔船作业类型识别方法，从使用深度学习算法挖掘数据集中有用的信息出发，构建了一条包含数据处理、渔船捕捞状态识别和渔船作业类型识别的一整套实验过程和标准，为渔业的可持续发展提供了数据信息保障。
-
公开(公告)号：CN118673804B
公开(公告)日：2025-01-28
申请号：CN202410791388.5
申请日：2024-06-19
Applicant: 中科奇驭机器人(东营)有限公司 , 兰州大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0475 , G06N3/094 , G01W1/00
Abstract: 本发明公开了一种云团短期运动趋势预测方法，包括：获取卫星云图序列数据集，并构建基于深度体素流和Vision Transformer的云团短期运动趋势预测模型；基于所述卫星云图序列数据集对云团短期运动趋势预测模型进行训练，获得目标预测模型；通过所述目标预测模型对云团短期运动趋势进行预测，获得预测结果。本发明提高了预测的准确性和可信度，能够在不同尺度上捕获云团运动的细节，极大地增强了对大范围动态变化的感知能力。
-
公开(公告)号：CN118692025A
公开(公告)日：2024-09-24
申请号：CN202410786257.8
申请日：2024-06-18
Applicant: 兰州大学
IPC: G06V20/52 , G06V10/26 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06T7/50 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的道路能见度识别方法，属于图像处理领域，该方法包括以下步骤：构建真实场景下的道路能见度数据集，其中，道路能见度数据集包括若干张道路图像；基于道路图像的原始图像特征、景深信息和透射率信息构建双分支多模态融合能见度识别网络；将道路图像输入双分支多模态融合能见度识别网络进行图像识别得到不同能见度下的道路识别结果。
-
公开(公告)号：CN118644724A
公开(公告)日：2024-09-13
申请号：CN202410786055.3
申请日：2024-06-18
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
IPC: G06V10/764 , G06V10/77 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于多级特征迭代融合的能见度分类方法，包括：收集历史能见度图像，构建能见度分类模型；基于所述历史能见度图像对能见度分类模型进行训练，获得目标能见度分类模型；通过所述目标能见度分类模型对待分类的能见度图像进行能见度分类，获得分类结果。本发明的能见度分类方法基于多级特征迭代融合的能见度分类模型，采用双分支结构，ConvNeXt分支处理原图像，而物理分支结合能见度识别的传统方法进行特征提取，最后通过迭代融合模块进行连接，输出经过不同速率的并行空洞卷积结构，将全局信息最优化提取，能够更好的进行分类。
-
-
Patent Agency Ranking
公开(公告)号：CN111753503B
公开(公告)日：2023-11-21
申请号：CN202010571287.9
申请日：2020-06-19
Applicant: 兰州大学
IPC: G06F40/151 , G06F40/126 , G06F40/166
-
公开(公告)号：CN116681090A
公开(公告)日：2023-09-01
申请号：CN202310659771.0
申请日：2023-06-06
Applicant: 兰州速微网络科技有限公司 , 兰州大学
IPC: G06F40/49 , G06F40/157 , G06F16/35
Abstract: 本发明公开了BestTransformer汉盲转换方法及系统，包括以下步骤：S1、采集训练数据，并对训练数据进行预处理，并对预处理后的训练数据进行分类，得到训练数据集和测试数据集；训练数据包括：中文文本数据以及盲文文本数据；S2、构建转换模型，基于训练数据集对转换模型进行训练，并基于测试数据集对训练后的所述转换模型进行测试，得到BestTransformer模型；S3、基于BestTransformer模型对待转换句子进行汉盲转换。本发明提出的方法只需要建立句子级汉盲对照语料库，建设难度低，无需进行分词模型和拼音模型的构建和训练，打破了多模型的思路壁垒。
-
公开(公告)号：CN113269121B
公开(公告)日：2023-02-10
申请号：CN202110635444.2
申请日：2021-06-08
IPC: G06V20/00 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于融合CNN模型的渔船捕捞状态识别方法，首先对实验数据进行分析及预处理，包括异常值处理、航迹分段、特征衍生；然后基于Inception‑ResNet神经网络架构搭建融合CNN模型来识别渔船捕捞状态，其中输入级采用原始特征与衍生特征的组合作为输入，卷积级采用特征融合的方式输出特征，输出级进行最后的分类输出；最后为探究方法的有效性，比较了普通CNN模型、传统SVM模型及融合CNN模型在识别渔船捕捞状态上的效果。本发明在识别渔船捕捞状态时，准确度高，识别效果好，识别类型广。
-
公开(公告)号：CN115496214A
公开(公告)日：2022-12-20
申请号：CN202211136626.6
申请日：2022-09-19
Applicant: 兰州大学 , 支付宝(杭州)信息技术有限公司
IPC: G06N5/02 , G06F16/901
Abstract: 本说明书实施例公开了一种基于记忆机制的注意力图的生成方法、装置以及设备。通过确定所述知识点序列所对应的特征矩阵；获取特征值Qi和获取Kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；确定所述第i个知识点与所述第j个知识点之间所存在的其它知识点；确定时间差Δ(ti,tj)和时间差Δ(ti,tk)；根据所述Δ(ti,tj)和Δ(ti,tk)对预设的衰减函数进行修正，生成修正后的衰减函数；根据所述特征值Qi、特征值Kj、所述修正后的衰减函数和所述值矩阵V生成注意力图，从而通过考虑学习者遗忘行为的时间间隔因素来强化知识点的表现信息，体现用户学习过程中的遗忘行为而得到包含准确特征的注意力图。
-
公开(公告)号：CN114880538A
公开(公告)日：2022-08-09
申请号：CN202210639903.9
申请日：2022-06-08
Applicant: 读者出版集团有限公司 , 兰州大学
IPC: G06F16/906 , G06F17/16 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于自监督的属性图社团检测方法，包括：提取图注意力网络中的初始邻接矩阵、初始特征矩阵，分别对初始邻接矩阵和初始特征矩阵进行预处理，得到转换后的邻接矩阵以及过滤后的特征矩阵；基于转换后的邻接矩阵和过滤后的特征矩阵通过自编码单元进行重构，得到重构后的邻接矩阵与重构后的特征矩阵；将重构后的特征矩阵输入到聚类单元中进行计算，得到聚类结果；分别将自编码单元和聚类单元中的损失函数进行合并，得到最终的整体损失函数，对最终的整体损失函数进行聚类计算，得到最终聚类结果，基于最终聚类结果得到划分结果。本发明比图卷积网络具有可以添加权重的优势，在节点连接密集的网络中具有更好的作用。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.029 seconds)
