一种基于智能手机视觉检测的铁离子检测方法

    公开(公告)号:CN115684035A

    公开(公告)日:2023-02-03

    申请号:CN202211368655.5

    申请日:2022-11-03

    Abstract: 本发明公开了一种基于智能手机视觉检测的自然水体中铁离子浓度检测方法。该发明在环境监测方向上具有一定的通用性,该发明以自然水体中铁离子浓度检测为说明案例。现有检测方法检测设备使用复杂、价格昂贵、检测过程操作繁琐、且不能实地测量,在图像处理过程中使用比色法对自然光照条件下拍摄的图像进行处理使其可以反映所测水体样本中铁离子浓度的含量,并以此为基础设计开发完整可用的移动端手机应用程序。有移动端App作为平台的基于智能手机视觉检测的自然水体中铁离子浓度检测方法能够较精准的检测水体中铁离子浓度,且对于各种自然光环境下拍摄的图片都能够取得较好的识别效果。

    一种基于BERT-TextCNN的外卖评论分类方法

    公开(公告)号:CN115659972A

    公开(公告)日:2023-01-31

    申请号:CN202211368446.0

    申请日:2022-11-03

    Abstract: 针对线上外卖平台评论文本,本发明设计了一种基于BERT‑TextCNN的外卖评论分类方法。现有的针对外卖评论文本的极性判别多倾向于总体情感倾向判别,而忽略了对于食品不同特征的情感倾向分类。因此,本发明利用BERT做词嵌入处理,将BERT模型训练所获得词向量矩阵通过Text‑CNN网络对文本进行长距离编码。本发明首次将BERT‑TextCNN网络用作多特征文本分类,处理中文外卖评论文本一类的多属性评价。在Text‑CNN网络的卷积和池化模块,本发明加入了降维卷积模块注意力机制(CBAM)对模型做优化处理,这也是首次将CBAM应用于一维文本处理,可以有效提升分类准确率。通过上述模型,可以有效判别外卖评论中的不同主题并分析相关特征评价的情感极性,实现基于用户评论的多特征情感极性分析。

    一种基于两阶段局部特征对齐的目标检测方法

    公开(公告)号:CN113052184B

    公开(公告)日:2022-11-18

    申请号:CN202110270152.3

    申请日:2021-03-12

    Abstract: 本发明公开了一种基于两阶段局部特征对齐的目标检测技术。该发明可以进一步增强以Faster R‑CNN为代表的目标检测算法在不同应用场景下的泛化性能。以往基于特征对齐的目标检测技术通常存在两个问题:一是网络训练前期前景目标特征区域定位不准确;二是不按前景目标分类进行特征对齐,算法细粒度较低。本发明提出的两阶段特征对齐方法,在训练的第一阶段,利用中心特征点图生成的标准候选框解决前景目标特征区域定位不准确问题;在训练的第二阶段,对前景目标特征按分类结果进行特征对齐,提升算法的细粒度。该发明提出的方法网络结构简单,且能移植到其他目标检测算法中去。

    一种基于生成对抗网络的异源图像迁移方法

    公开(公告)号:CN113283444B

    公开(公告)日:2022-07-15

    申请号:CN202110340836.6

    申请日:2021-03-30

    Abstract: 本发明公开了一种基于生成对抗网络的异源图像迁移技术,属于图像生成技术领域。其具体步骤为:S1红外与可见光图像数据集的选取与制作;S2基于所提出生成对抗网络架构STVGAN,对网络模型循环训练。S3减少网络模型中总损失函数的值,得到训练好的生成器网络;S4通过训练好的生成器网络实现从红外图像到可见光图像的迁移。本发明是一种半监督学习的异源图像迁移算法,是半监督学习方法首次应用在异源图像迁移领域,相较于传统监督方法,仅需要部分配对的数据就可以达到更好的图像迁移效果。

    一种基于改进SiamFC的单目标交通标志跟踪方法

    公开(公告)号:CN114639082A

    公开(公告)日:2022-06-17

    申请号:CN202111471304.2

    申请日:2021-12-04

    Abstract: 本发明公开了一种基于改进SiamFC的单目标交通标志跟踪方法。该发明在多分辨率单目标检测方向上有一定的通用性,该专利以交通标志跟踪为说明案例,交通标志的跟踪采集易存在光照不均、模糊等影响。针对单目标跟踪问题,将SiamFC算法中的骨干网络由AlexNet变为ResNet‑50,以孪生网络(siamFC)为基础,引入多分辨率在线选择分支方法,加入分类和回归分支,优化单目标跟踪中遇到的形变、尺度变化等相关问题,使跟踪过程中更加准确,并且通过不同的数据集对实验数据进行整理及研究,最终实现了单目标跟踪算法,该算法可以在复杂的背景环境下跟踪单目标对象且在目标对象发生较大位移或者遮挡时依然取得了较好的效果。

    一种基于图注意力机制的经济领域知识图谱补全算法

    公开(公告)号:CN114625881A

    公开(公告)日:2022-06-14

    申请号:CN202111471322.0

    申请日:2021-12-04

    Abstract: 本发明提出一种基于ERP‑GAT的经济领域知识图谱补全算法。ERP‑GAT算法采用编码器‑解码器结构,编码器引入图注意力机制,输入实体嵌入矩阵和关系嵌入矩阵,计算每一个目标实体相邻的三元组的注意力分数,并更新嵌入矩阵,能够获取给定实体或节点周围的多跳关系、获取给定实体附近的丰富的语义信息和关系中所扮演的角色、对现有的知识在语义上相似的关系群进行巩固,解码器使用ConvKB模型,使用卷积层得到评分函数来分析在每一个维度上的全局嵌入特性并概括ERP‑GAT模型中的过渡特性。最终在标准数据集FB15K237的五项指标和NELL‑995的四项指标上相较其他现有算法有显著提升,取得了知识图谱补全任务的最佳效果。

    一种基于改进的YOLOv4的电梯内电动车检测方法

    公开(公告)号:CN114612814A

    公开(公告)日:2022-06-10

    申请号:CN202111471321.6

    申请日:2021-12-04

    Abstract: 本发明公开了一种基于改进YOLOv4的电梯内电动车检测方法。该发明在电梯检测方向上具有一定的通用性,该专利以电梯内电动车检测为说明案例。电梯内电动车中存在大量的误检缺陷以及速度慢。针对速度慢,在YOLOv4网络结构中改进了网络结构,将将CSPDarkNet‑53改为CSPDarkNet‑48,并将PANet结构减半;针对误检缺陷,考虑到本发明中电动自行车数据集的输入大小相差不大,且大多为中小型目标,为了更好地识别出目标并匹配输出特征图,采用2*3=6的预测帧作为候选。基于改进YOLOv4算法模型能够精准的识别电梯内电动车,且对于误检缺陷也能够取得较好的识别效果。

    一种基于语义分割的道路图像细节抓取方法

    公开(公告)号:CN114596316A

    公开(公告)日:2022-06-07

    申请号:CN202111479069.3

    申请日:2021-12-04

    Abstract: 本发明提出了一种基于语义分割的改进型DeepLabv3+技术来尽可能多的保留道路图像分割中的细节特征。该发明在图像分割细节提取方向上具有一定的通用性,该专利以道路图像分割为说明案例。传统的道路分割方法中存在着道路的细节特征被当成噪声滤除的不足,针对该问题,本发明引用了深度学习中的通用语义分割框架DeepLabv3,并对传统的人工图像分割以及采用MobileNetV2的分割所产生的细节特征滤除问题对DeepLabv3进行了进一步的改进。基于语义分割改进后的DeepLabv3+算法模型能够用于对具有复杂背景噪声的无人机图像进行道路分割并且在复杂的背景下实现细节特征的抓取。

Patent Agency Ranking