-
公开(公告)号：CN116895098A
公开(公告)日：2023-10-17
申请号：CN202310891520.5
申请日：2023-07-20
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明公开了一种基于深度学习和隐私保护的视频人体动作识别系统与方法，所述系统包括依次连接的视频图像处理模块、人体检测模块、人体骨骼关键点提取模块、基于骨骼关键点的动作识别模块和输出模块，所述方法为从监控视频数据中提取关键帧图片并进行预处理、得到人体区域子图、提取模型得到人物动作信息、对连续累计的人物动作信息进行编码融合并进行动作预测、将动作预测结果进行输出，并对人体进行隐私处理。这种系统成本低、组网方便、便于应用和推广，这种方法在识别行人动作的同时能隐私、能够同时完成人体检测、动作识别、隐私保护这三个任务。
-
公开(公告)号：CN116883676A
公开(公告)日：2023-10-13
申请号：CN202310434545.2
申请日：2023-04-21
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G06V10/40 , G06V10/82 , G06V20/70 , G06V10/774
Abstract: 本发明涉及一种基于轻量级目标检测器的昏暗目标检测方法，用来提高昏暗环境下目标检测系统的性能。首先，采用Gaussianprocess和Moblienet模型来对图片进行数据增强。使用改进的EfficientDet算法来进行目标检测，舍弃了EfficientDet原本使用的基于固定Anchor的方法，而采用Anchor‑Free方法来进行特征框的选择。为了进一步提高算法的性能，对骨干网络EfficientNet进行了调整，采用动态simota来匹配样本数，以提高模型的收敛速度。由于Centernet模型每次训练的监督信息较少，训练代数会增多，为了提高模型的收敛速度，增加了更多的监督信息来训练模型。最后，沿用了Yolov3上的Mosaic数据增强方法，使检测器能够更好的检测昏暗环境下的目标。通过这些关键技术的应用设计出昏暗环境下的目标检测系统，提高了算法的准确率和稳定性。
-
公开(公告)号：CN116756363A
公开(公告)日：2023-09-15
申请号：CN202310657100.0
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06F16/583 , G06F16/383 , G06F18/213 , G06F18/22 , G06F18/25 , G06F18/214
Abstract: 本发明涉及跨模态检索技术领域，具体涉及一种由信息量引导的强相关性无监督跨模态检索方法，通过以下步骤实现：首先提取图像局部特征和全局特征，以及文本特征；对图像局部特征和全局特征进行增强；再对增强后的局部特征进行正则化处理；然后使用图像特征融合网络对图像全局特征和局部特征进行正交融合；接着使用多模态融合网络对图像特征和文本特征根据不同模态特征信息量转换比例原则进行融合；最后将不同模态特征映射成哈希码，利用汉明距离进行相似性排序，从而得出检索结果。本发明侧重于对数据特征的增强和融合，能获取更多的语义信息，提高了检索效率。
-
公开(公告)号：CN116739075A
公开(公告)日：2023-09-12
申请号：CN202310656829.6
申请日：2023-06-05
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06N3/088 , G06N3/048 , G06N3/0499 , G06V10/40 , G06V10/764 , G06V10/82
Abstract: 本发明涉及神经网络无监督学习技术领域，具体涉及一种用于图像处理的神经网络的无监督预训练方法，包括如下步骤：首先将图像分成图像块，再进行掩膜操作，接着计算感知损失，计算对比损失与重建损失，最后利用损失进行训练。训练完毕以后，使用训练后的模型对输入图像处理，获得类别特征向量和重建的图像向量。本发明通过使用感知损失能够衡量掩膜操作对于神经网络的影响，同时使用对比损失使其特征更加明显，最后通过重建损失令网络学习如何将图像抽象为特征同时减少抽象过程中信息的丢失，提高了神经网络对于图像的特征提取能力。
-
公开(公告)号：CN116721331A
公开(公告)日：2023-09-08
申请号：CN202310731009.9
申请日：2023-06-20
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司
IPC: G06V10/82 , G06V10/44 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/52 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于改进Faster RCNN算法的小目标检测方法，首先采用多尺度辅助特征网络从下采样图像中提取出包含空间信息和细节信息的浅层特征，采用Resnet50和FPN结合作为骨干特征提取网络提取骨干特征；然后使用融合模块将骨干特征和浅层特征融合成一个新的特征图，以此保证特征图中保留有空间信息和小目标信息。最后将特征图输入到分类和回归网络中，通过RPN提取候选框特征图，选用ROI Align代替ROI Pooling提取感兴趣特征图，并对感兴趣候选框进行目标分类和定位。
-
Patent Agency Ranking
公开(公告)号：CN116703426A
公开(公告)日：2023-09-05
申请号：CN202310692637.0
申请日：2023-06-12
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司 , 南宁桂电电子科技研究院有限公司
IPC: G06Q30/018 , G06Q50/26 , G06N5/02 , G06N20/00
Abstract: 本发明涉及碳排放监测技术领域，具体涉及一种基于深度学习的碳排放监测设备超标信息推送方法。通过实时监测碳排放数据，并与设定的超标阈值进行比较，本方法能够及时发现碳排放超标情况，并通过推送方式通知相关人员，以便采取相应措施进行处理。本发明对设备进行实时监控并利用云平台的硬件资源与强大的算力进行实时分析，不仅大大提高了工作协同效率，也能够在设备监测到碳排放超标后短时间内及时处理。
-
公开(公告)号：CN115617947B
公开(公告)日：2023-08-18
申请号：CN202211265262.1
申请日：2022-10-17
Applicant: 桂林电子科技大学
IPC: G06F16/33 , G06F16/36 , G06F40/126 , G06F40/194 , G06F40/295 , G06N3/08
Abstract: 本发明公开了一种基于预训练模型与提示学习的可解释电力设备查询方法，具体步骤如下：查询文本预处理；通过预处理后的查询文本数据训练实体抽取模型；通过预处理后的查询文本数据和实体抽取模型训练实体预测模型；电力设备查询，将预处理后的查询文本依次输入到实体抽取模型和实体预测模型中，得到电力知识图谱。采用上述一种基于预训练模型与提示学习的可解释电力设备查询方法，采用实体预训练模型结合提示学习的方法，对查询文本进行抽取，并匹配与之相关的电力设备，利用提示学习的优势将相关设备实体特征嵌入引入到查询中，提高查询准确率，同时通过相关设备实体特征对查询匹配做解释，帮助查询人员更全面的了解电力设备。
-
公开(公告)号：CN116564144A
公开(公告)日：2023-08-08
申请号：CN202310408561.4
申请日：2023-07-10
Applicant: 桂林电子科技大学 , 桂林慧光空间科技有限公司
Abstract: 本发明涉及一种在线教学系统，具体涉及一种基于元宇宙的数字虚拟人在线教学系统及方法，属于元宇宙在线教学技术领域。包括学生终端、大数据中心模块、教师师终端以及数字虚拟人交互模块四个部分。所述学生终端包括语音采集模块、虚拟人在线上课模块、虚拟人在线测试模块、虚拟人选择模块；所述大数据中心模块包括数据存储模块、数据比对模块；所述教师终端包括语音采集模块、虚拟人在线授课模块、虚拟人课外运动模块、虚拟人出题以及判卷模块；所述数字虚拟人交互模块包括语音动作数据解析模块、学生学习情况反馈模块、老师实时授课模块、虚拟人语音交流模块、虚拟人控制与决策模块。
-
公开(公告)号：CN116563108A
公开(公告)日：2023-08-08
申请号：CN202310513732.X
申请日：2023-05-09
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
IPC: G06T3/40 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及图像处理和深度学习领域，提出了一种基于残差通道注意力网络的水下图像超分辨率网络方法。本发明通过修改深层图像特征提取模块的通道注意力机制，引入了多谱通道注意力机制，通过离散余弦变换方法替代自适应全局池化层，提高了网络的性能，增强了水下图像超分辨率效果。
-
公开(公告)号：CN116110090A
公开(公告)日：2023-05-12
申请号：CN202211310143.3
申请日：2022-10-25
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/52 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/30 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于人脸关键点的高效伪造人脸视频检测方法，包括如下步骤：1）微表情面部特征点采集；2）视频帧特征点跟踪；3）真假人脸特征点光流分类。这种方法提高了检测速度，在公开假人脸数据集facefrensic++检测精度为0.99。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.065 seconds)
