-
公开(公告)号：CN117852498A
公开(公告)日：2024-04-09
申请号：CN202410132311.7
申请日：2024-01-30
Applicant: 无锡学院
IPC: G06F40/126 , G06F40/30 , G06F16/35 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于关系原型和实体类型的关系提取方法，包括：构建约束图；构建关系抽取模型ERPET，关系抽取模型ERPET包括句子编码器、约束图编码器和关系分类器；将句子中的每个单词向量化，得到单词向量；采用PCNN网络构建句子袋中每个句子的向量表示；将每个单词相对于头实体和尾实体的相对位置进行向量化，得到位置向量；将句子表示和实体类型表示进行拼接，得到包含实体类型信息的第二句子表示；将上述步骤得到的表示输入两层全连接层和预设的softmax函数，得到各个类别的概率分布预测，最大概率对应的类别即为分类结果；通过本发明方法增强关系抽取模型ERPET对长尾关系实例的表征能力，提升提取长尾关系的能力。
-
公开(公告)号：CN118918148A
公开(公告)日：2024-11-08
申请号：CN202411411710.3
申请日：2024-10-11
Applicant: 无锡学院
Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。
-
公开(公告)号：CN117744481A
公开(公告)日：2024-03-22
申请号：CN202311735775.9
申请日：2023-12-15
Applicant: 无锡学院
IPC: G06F30/27 , G06N20/00 , G06F111/06
Abstract: 本发明公开了一种多目标问题优化方法及系统，包括以下步骤：构建多目标优化问题模型；基于目标优化算法对所述多目标优化问题模型求解，且在求解过程中，利用切比雪夫分解方法对求解的方案进行对比，得到Pareto最优解集PS和Pareto前沿解集PF，实现实现多目标优化调度。本发明采用目标优化算法优化得到下一时刻初始种群，使用基于精英个体的差分进化(DE)算子以得到Pareto最优解，使用快速非支配排序方法选择最适应的个体，生成一个新的种群，增加种群多样性，使得新环境下的初始种群更加接近真实Pareto解集，达到加快算法收敛速度的目的。
-
Patent Agency Ranking
公开(公告)号：CN119360325B
公开(公告)日：2025-04-18
申请号：CN202411896708.X
申请日：2024-12-23
Applicant: 无锡学院
IPC: G06V20/54 , G06V10/82 , G06V10/40 , G06V10/80 , G06V20/17 , G06V20/40 , G06V10/62 , G06N3/082 , G06N3/0464
Abstract: 基于YOLO‑Light对交通图像目标检测方法，属于图像识别技术领域，解决了现有技术对于无人机视角下的尺寸小、场景复杂且遮挡频繁的目标，容易出现漏检和误检，从而影响检测精度和目标跟踪的稳定性的问题。在YOLO‑Light的骨干，交通图像经过特征提取后，经过改进快速空间池化层再次进行特征提取，输出交通特征图；调整YOLO‑Light的骨干的最后三层通道数；在YOLO‑Light的颈部，交通特征图经过多联级的上采样、连接层和特征分解，再进行多尺度特征融合，输出多尺度的交通特征图；在YOLO‑Light的头部，多尺度的交通特征图依次输入空间注意力机制和检测头对交通目标进行检测。
-
公开(公告)号：CN118918148B
公开(公告)日：2025-03-18
申请号：CN202411411710.3
申请日：2024-10-11
Applicant: 无锡学院
Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。
-
公开(公告)号：CN119336586A
公开(公告)日：2025-01-21
申请号：CN202411885737.6
申请日：2024-12-20
Applicant: 无锡学院
IPC: G06F11/30 , G06N3/0442 , G06N3/0464 , G06F11/32 , G06F16/23 , G06F16/2458
Abstract: 本发明提出了一种基于龙蜥操作系统的高效应用性能监测和预测方法，属于计算机性能技术领域，首先定义了一个基础的模型架构，利用gwa‑t‑12‑bitbrains数据集进行预训练，得到预训练模型后导出为onnx模型并嵌入数据预测插件，由插件管理器管理，开发基于pidstat和Prometheus的数据收集插件，获取本地应用进程的真实数据一方面存放到时序数据库中以方便后续模型训练调用，另一方面经由数据处理后传到数据预测插件评估预测效果，以进一步改进预测模型；最后开发数据可视化页面，同时改进插件管理器，添加数据管道功能，整合数据收集和数据预测等插件；组织整个应用框架以方便拓展应用功能，适配不同场景下的监测与预测需求。
-
公开(公告)号：CN119360325A
公开(公告)日：2025-01-24
申请号：CN202411896708.X
申请日：2024-12-23
Applicant: 无锡学院
IPC: G06V20/54 , G06V10/82 , G06V10/40 , G06V10/80 , G06V20/17 , G06V20/40 , G06V10/62 , G06N3/082 , G06N3/0464
Abstract: 基于YOLO‑Light对交通图像目标检测方法，属于图像识别技术领域，解决了现有技术对于无人机视角下的尺寸小、场景复杂且遮挡频繁的目标，容易出现漏检和误检，从而影响检测精度和目标跟踪的稳定性的问题。在YOLO‑Light的骨干，交通图像经过特征提取后，经过改进快速空间池化层再次进行特征提取，输出交通特征图；调整YOLO‑Light的骨干的最后三层通道数；在YOLO‑Light的颈部，交通特征图经过多联级的上采样、连接层和特征分解，再进行多尺度特征融合，输出多尺度的交通特征图；在YOLO‑Light的头部，多尺度的交通特征图依次输入空间注意力机制和检测头对交通目标进行检测。
-
公开(公告)号：CN118520549A
公开(公告)日：2024-08-20
申请号：CN202410545794.3
申请日：2024-05-06
Applicant: 无锡学院
IPC: G06F30/13 , G06F30/27 , G06N3/126 , G06V10/54 , G06V10/762
Abstract: 本发明公开了一种基于灰度共生矩阵GLCM的大理石自动排版方法，包括以下步骤：步骤1：大理石纹理提取：将大理石图像转换成灰度图像，并进行降采样和高斯滤波；步骤2：采用ULBP算法提取灰度图像的纹理特征；使用GMM聚类算法将ULBP算法提取的纹理特征进行聚类分割并将像素值同一化；步骤3：通过灰度共生矩阵GLCM选择灰度图像的关键纹理特征；步骤4：将提取到的关键纹理特征输入改进后的遗传算法，获取大理石排版的最优解。本发明基于ULBP算法和GMM聚类算法融合的特征提取策略，通过灰度共生矩阵GLCM选择灰度图像的关键纹理特征，提取出来的特征信息包含的冗余信息少，从而使计算美观度的时候产生误差较小，更有利于产生好的排版效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
