-
公开(公告)号：CN119598293A
公开(公告)日：2025-03-11
申请号：CN202411805027.8
申请日：2024-12-10
Applicant: 桂林电子科技大学 , 桂林瑞威赛德科技有限公司
IPC: G06F18/241 , G06N3/0464 , G06N3/042 , G06N3/0455
Abstract: 本发明公开了一种用于谣言识别的连续时间动态图处理方法，包括如下步骤：步骤1，构建时序传播图；步骤2，构建时序知识图；步骤3，将构建的时序传播图和时序知识图作为输入，使用时间‑空间特征融合模块分别对输入的时序传播图和时序知识图进行融合，生成两个节点嵌入集合；步骤4，以步骤3中生成的两个节点嵌入集合作为输入，使用子图融合模块生成融合了两个子图结构信息的一个节点嵌入集合；步骤5，以步骤4中生成的节点嵌入集合作为输入，使用分类模块对该输入进行分类，得到最终预测结果。这种技术能获得更好的节点嵌入，对谣言检测效率高。
-
公开(公告)号：CN112394356B
公开(公告)日：2024-04-02
申请号：CN202011055629.8
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: G01S13/933 , G01S13/89 , G01S13/04
Abstract: 本发明公开了一种基于U‑Net的小目标无人机检测系统，主要由云台控制模块、水平电机驱动单元、垂直电机驱动单元、摄像机固定支架、高清摄像机和计算机设备组成，满足了小目标无人机检测的必要条件。同时，本发明提供了一种基于U‑Net的小目标无人机检测方法，无论是在低分辨率图像还是在高分辨率的图像上，该检测方法都能充分提取目标的特征信息，对于小目标无人机而言，当距离较远时，无人机区域仅有几个像素，极易与鸟类混淆，利用U‑Net网络分割出无人机，再结合Yolov3‑tiny网络进行检测，将大大提高小目标无人机的检测准确率，减小误检、漏检的概率。该方法对于小目标检测具有参考意义。
-
公开(公告)号：CN111737980B
公开(公告)日：2023-05-16
申请号：CN202010573320.1
申请日：2020-06-22
Applicant: 桂林电子科技大学
IPC: G06F40/232 , G06F40/284 , G06F40/242 , G06F40/30
Abstract: 本发明提供一种英语文本单词使用错误的纠正方法，该方法是一个由顺序连接的英语文本预处理模块、目标英语单词匹配模块、英语单词上下文语义分析模块、英语单词使用错误纠正模块组成的纠正模型。一篇英语文本通过该纠正模型和纠正方法处理后，最后能够得到这篇英语文本的单词使用错误纠正结果。本发明纠正方法解决了英语文本的单词使用错误自动纠正问题，其纠正结果比传统的英语文本单词使用错误的纠正方法的纠正结果更好。
-
公开(公告)号：CN111737980A
公开(公告)日：2020-10-02
申请号：CN202010573320.1
申请日：2020-06-22
Applicant: 桂林电子科技大学
IPC: G06F40/232 , G06F40/284 , G06F40/242 , G06F40/30
Abstract: 本发明提供一种英语文本单词使用错误的纠正方法，该方法是一个由顺序连接的英语文本预处理模块、目标英语单词匹配模块、英语单词上下文语义分析模块、英语单词使用错误纠正模块组成的纠正模型。一篇英语文本通过该纠正模型和纠正方法处理后，最后能够得到这篇英语文本的单词使用错误纠正结果。本发明纠正方法解决了英语文本的单词使用错误自动纠正问题，其纠正结果比传统的英语文本单词使用错误的纠正方法的纠正结果更好。
-
公开(公告)号：CN109737941A
公开(公告)日：2019-05-10
申请号：CN201910084352.2
申请日：2019-01-29
Applicant: 桂林电子科技大学
Abstract: 在本发明提供的人体动作捕捉方法中，将4个惯性传感器分别固定在人体两只手臂的大臂和小臂上，此时骨骼的运动数据就等效于传感器采集的数据。人体手臂在运动的时候，数据采集芯片就会采集数据，数据在主控芯片内完成一系列数据处理，其中包括数据修正，积分，坐标匹配等，之后就会通过打开发射模块进行发射。另一端通过事先已经配置好的接受模块来接收数据，再通过USB数据线传送给上位机，上位机将传送过来的旋转增量匹配到对应的手臂位置就可以驱动人体模型。通过旋转增量驱动人体模型，有效的解决了传感器固定的敏感问题。
-
Patent Agency Ranking
公开(公告)号：CN104022509A
公开(公告)日：2014-09-03
申请号：CN201410227472.0
申请日：2014-05-27
Applicant: 桂林电子科技大学 , 广西电网公司桂林供电局
Abstract: 快速准确检测指令信号的多功能电能质量调节器，串联侧逆变器D1的直流侧与并联侧逆变器D2的直流侧均接入电容C，串联侧APF的电压指令信号运算模块连接电压跟踪控制模块，电压跟踪控制模块接入逆变器D1；并联侧APF的电流谐波补偿信号产生模块连接电流跟踪控制模块，电流跟踪控制模块接入逆变器D2；串联侧APF中的电压指令信号运算模块连接并联侧APF中的电流谐波补偿信号产生模块；电容C接入并联侧APF中的电流谐波补偿信号产生模块中。该调节器消除了因电网电压波动造成的干扰，避免了使用传感器对检测精度造成的不利影响，改善指令信号检测的准确性和实时性，减少了传感器用量，降低了设备的成本。
-
公开(公告)号：CN119850918A
公开(公告)日：2025-04-18
申请号：CN202411926906.6
申请日：2024-12-25
Applicant: 桂林电子科技大学 , 广西水发集团数字智慧水务科技有限公司
Inventor： 黄文明 , 周港顺 , 张海斌 , 李达兵 , 唐浩 , 成七一 , 李俊林 , 蒋云灿 , 王喆 , 黄剑峰 , 巫秋莹 , 邓珍荣 , 李晓明 , 谭维国 , 李俊 , 吴章辉
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于YOLO模型的多尺度塔机部件识别方法，所述方法包括：获取塔吊部件图像数据；将塔吊部件图像数据输入SLM_YOLO模型并处理生成符合模型输入的增强数据集；SLM_YOLO模型的主干网络包括多个卷积层和C2f_SCConv层，并通过FPN和PAN结构的颈部网络提取有效特征层；最终通过检测头输出物理位置和类别信息；本发明通过改进的网络结构和算法，显著提升了塔机部件识别的准确性和效率。
-
公开(公告)号：CN119625269A
公开(公告)日：2025-03-14
申请号：CN202411711888.X
申请日：2024-11-27
Applicant: 桂林电子科技大学
Abstract: 本申请提出一种基于改进YOLOv8算法的航拍图像小目标检测方法，包括：S1：获取航拍图像数据集并转换为YOLO格式，并将数据集划分为训练数据集和测试数据集；S2：搭建改进YOLOv8检测模型；S3：将训练数据集输入改进YOLOv8检测模型，并训练至收敛，得到最终的改进YOLOv8检测模型；S4：对改进YOLOv8检测模型输入测试数据集进行测试，记录改进YOLOv8检测模型在该数据集上的mAP值；S5：将航拍图像输入到测试好的改进YOLOv8检测模型，进行小目标检测。从而提高目标检测的准确性，有效地提取小目标图像全局到局部的有效特征，提高了小目标的检测精度。
-
公开(公告)号：CN118675067A
公开(公告)日：2024-09-20
申请号：CN202410678278.8
申请日：2024-05-29
Applicant: 桂林电子科技大学
IPC: G06V20/17 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于SDE_YOLOv8的高压导线断散股检测方法，包括如下步骤：采集高压导线断散股数据收集；数据集扩容与整合；增强对数据特征的学习；引入EMA注意力机制提高SDE_YOLOv8提取和关注特征信息的；改进YOLOv8损失函数，将YOLOv8中的损失函数替换成Shape‑IOU损失函数，使得模型增强对目标形状和尺寸的关注，提高检测性能；结果预测，并输出检测结果。本发明方法，将DCNv4_Net嵌入YOLOv8可以提高模型对不规则变化的学习和归纳，提高模型检测精确度，SDE_YOLOv8模型能够精准高效检测高压导线断散股故障。本发明方法为小样本目标检测提供了一个方向，提高了模型学习的速度以及目标检测的质量，检测效果更加精确。
-
公开(公告)号：CN112394356A
公开(公告)日：2021-02-23
申请号：CN202011055629.8
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: G01S13/933 , G01S13/89 , G01S13/04
Abstract: 本发明公开了一种基于U‑Net的小目标无人机检测系统，主要由云台控制模块、水平电机驱动单元、垂直电机驱动单元、摄像机固定支架、高清摄像机和计算机设备组成，满足了小目标无人机检测的必要条件。同时，本发明提供了一种基于U‑Net的小目标无人机检测方法，无论是在低分辨率图像还是在高分辨率的图像上，该检测方法都能充分提取目标的特征信息，对于小目标无人机而言，当距离较远时，无人机区域仅有几个像素，极易与鸟类混淆，利用U‑Net网络分割出无人机，再结合Yolov3‑tiny网络进行检测，将大大提高小目标无人机的检测准确率，减小误检、漏检的概率。该方法对于小目标检测具有参考意义。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.077 seconds)
