-
公开(公告)号：CN119251225B
公开(公告)日：2025-02-28
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
公开(公告)号：CN114359255A
公开(公告)日：2022-04-15
申请号：CN202210037901.2
申请日：2022-01-13
Applicant: 西南林业大学 , 云南省公路科学技术研究院
Abstract: 本发明涉及一种基于改进Yolov5s的公路路面修补检测方法，属于目标检测技术领域。本发明首先构建路面修补样本集。再改进Yolov5s网络，使得改进后的Yolov5s网络可以减少模型参数，降低网络计算量。然后使用路面修补样本集对改进后的Yolov5s网络进行训练，得到修补检测模型。最后利用修补检测模型检测路面图像，判断路面图像是否存在修补，若存在，则确定修补位置。
-
公开(公告)号：CN117831301B
公开(公告)日：2024-05-07
申请号：CN202410247186.4
申请日：2024-03-05
Applicant: 西南林业大学
IPC: G08G1/01 , G08G1/065 , G06Q10/04 , G06Q50/40 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法，属于交通流时空数据预测领域。本发明构建了一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测模型，模型采用三维残差卷积结构，用以捕获交通数据的时空依赖性特征，时空注意力模块用以捕获时空动态性特征，建立起历史数据与未来交通的直接关系，进一步提高现有方法在交通数据时空特征建模不充分的问题，提高了交通流量的预测精度，其预测结果可以缓解城市交通压力。
-
公开(公告)号：CN117876383A
公开(公告)日：2024-04-12
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN116894469A
公开(公告)日：2023-10-17
申请号：CN202311163761.4
申请日：2023-09-11
Applicant: 西南林业大学
Abstract: 本发明涉及深度学习技术领域，尤其涉及一种端边云计算环境中的DNN协同推理加速方法、设备及介质。根据多分支DNN的层类型和计算平台的计算资源，构建目标时延预测模型；基于目标时延预测模型，预测DNN层的执行时延；获取目标平台当前可用带宽资源和可用计算资源，并将可用带宽资源、可用计算资源、截止时延和网络类型，输入最佳退出点预测模型，预测最佳退出点；根据最佳退出点提取多分支DNN，并确定提取后的多分支DNN中的节点划分结果；根据节点划分结果，将提取后的所述多分支DNN中的各个节点，分配至节点划分结果对应的目标平台，目标平台包括终端设备、云服务器和边缘服务器中的至少一个。解决了如何提高端边云计算环境中的DNN协同推理速度的问题。
-
Patent Agency Ranking
公开(公告)号：CN110473591A
公开(公告)日：2019-11-19
申请号：CN201910769604.5
申请日：2019-08-20
Applicant: 西南林业大学
Abstract: 本发明公开了一种基于量子计算的基因网络功能模块挖掘及分析方法。本发明从生物复杂网络的角度，利用重整化方法研究生物由正常到疾病再到治疗时，相应复杂网络重整化特征的变化以及新属性、新结构的产生，探讨生物复杂系统疾病发生、发展和治疗过程中涌现产生的机制。本发明利用量子计算的退火算法代替了传统的经典模拟退火算法，量子退火中的势能函数包含了经典模拟退火中的评价函数，又引入横向场使其包含量子动能函数，这样可以产生隧穿效应，平行改变所有状态幅度的量子力学概率，提高了计算效率。
-
公开(公告)号：CN110473591B
公开(公告)日：2022-09-27
申请号：CN201910769604.5
申请日：2019-08-20
Applicant: 西南林业大学
Abstract: 本发明公开了一种基于量子计算的基因网络功能模块挖掘及分析方法。本发明从生物复杂网络的角度，利用重整化方法研究生物由正常到疾病再到治疗时，相应复杂网络重整化特征的变化以及新属性、新结构的产生，探讨生物复杂系统疾病发生、发展和治疗过程中涌现产生的机制。本发明利用量子计算的退火算法代替了传统的经典模拟退火算法，量子退火中的势能函数包含了经典模拟退火中的评价函数，又引入横向场使其包含量子动能函数，这样可以产生隧穿效应，平行改变所有状态幅度的量子力学概率，提高了计算效率。
-
公开(公告)号：CN119251225A
公开(公告)日：2025-01-03
申请号：CN202411773613.9
申请日：2024-12-05
Applicant: 西南林业大学
Abstract: 本申请公开了一种基于改进RT‑DETR的公路路面裂缝检测方法，涉及路面病害检测领域。该方法包括基于路面裂缝图像构建路面裂缝样本集；基于高低频注意力机制对RT‑DETR模型进行改进；基于所述路面裂缝样本集对改进后的RT‑DETR模型进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的路面图像进行检测，确定所述路面图像中的目标裂缝，本发明有效解决了在复杂路面情况下裂缝特征提取困难的问题，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致路面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高路面裂缝特征提取精度，统一路面病害检测标准的技术效果。
-
公开(公告)号：CN117876383B
公开(公告)日：2024-06-07
申请号：CN202410284089.2
申请日：2024-03-13
Applicant: 西南林业大学
IPC: G06T7/00 , G06N3/0464 , G06N3/084 , G06T7/73 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82
Abstract: 本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。
-
公开(公告)号：CN117831301A
公开(公告)日：2024-04-05
申请号：CN202410247186.4
申请日：2024-03-05
Applicant: 西南林业大学
IPC: G08G1/01 , G08G1/065 , G06Q10/04 , G06Q50/40 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/213 , G06F18/25
Abstract: 本发明涉及一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测方法，属于交通流时空数据预测领域。本发明构建了一种结合三维残差卷积神经网络和时空注意力机制的交通流量预测模型，模型采用三维残差卷积结构，用以捕获交通数据的时空依赖性特征，时空注意力模块用以捕获时空动态性特征，建立起历史数据与未来交通的直接关系，进一步提高现有方法在交通数据时空特征建模不充分的问题，提高了交通流量的预测精度，其预测结果可以缓解城市交通压力。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
