一种自动生成方舱类建筑物施工方案的方法

    公开(公告)号:CN112184174B

    公开(公告)日:2022-05-27

    申请号:CN202011086939.6

    申请日:2020-10-12

    Inventor: 余孟达

    Abstract: 本发明公开了一种自动生成方舱类建筑物施工方案的方法,包括如下步骤:S1、根据作业面的数目K,运用K均值聚类算法均分平面内方舱,使得每个作业面内施工舱体数目大致相同;S2、根据步骤S1得到的最终的聚类中心点用泰森多边形算法确定定位舱的位置;S3、从定位舱出发,用递归算法对施工顺序进行编排,并估算施工时间。本发明实现了对现有方舱类建筑物施工方案的自动生成,提升了方舱类建筑物快速规划的能力,解决了当前方舱类建筑物施工方案快速部署能力不足的问题,有效节省了大量的人力和时间成本,同时提升了方舱类建筑施工方案设计编排的智能化。

    一种在方舱类建筑中生成动线规划的方法

    公开(公告)号:CN113312694B

    公开(公告)日:2022-07-15

    申请号:CN202110571011.5

    申请日:2021-05-25

    Inventor: 余孟达 安竹林

    Abstract: 本发明公开了一种在方舱类建筑中生成动线规划的方法,包括以下步骤:步骤一:根据方舱的基本坐标和舱体四面的相通性,判断舱体与舱体的相通性;步骤二:结合相通性和方舱挪动的权重,构建一个有权多边有向图;步骤三:通过Dijkstra算法求出约束条件下的各种类型的最短动线规划路径;步骤四:通过Dijkstra算法得到起点到终点最短路径所经过的舱体,映射到布局图中计算出最短路径坐标。本发明所述的一种在方舱类建筑中生成动线规划的方法,更针对使用需求快速输出精准、可靠的人员、物资等动线设计;能够减少目前方舱类建筑物动线规划中出现的人力和时间成本;提升方舱类建筑物快速规划的能力。

    一种多图片集曝光分布差异的衡量方法

    公开(公告)号:CN112200743A

    公开(公告)日:2021-01-08

    申请号:CN202011086121.4

    申请日:2020-10-12

    Abstract: 本发明公开了一种多图片集曝光分布差异的衡量方法,包括如下步骤:S1、构造衡量单一灰度图片曝光度的指标;S2、分别对多个图片集合IA,IB,…,IN的所有灰度图片进行曝光值计算,统计所有图片的曝光值,得到曝光值集合A,B,…,N,对不同曝光值集合分别统计在同一曝光值下的图片数量得到分布直方图;S3、衡量多个图片集合间的统计差异。本发明提出了衡量灰度图片曝光度以及灰度图片集合间曝光分布差异的方法,用于衡量是否由于数据集合曝光改变导致深度学习模型效果的下降,为深度学习模型的改进提供参考。

    一种基于XLNet的新闻文本地域提取的方法及系统

    公开(公告)号:CN111967267A

    公开(公告)日:2020-11-20

    申请号:CN202011009623.7

    申请日:2020-09-23

    Abstract: 本发明公开了一种基于XLNet的新闻文本地域提取的方法及系统,其方法包括如下步骤:S1、利用互联网上获取海量未标注生语料,输入XLNet预训练模型中进行预训练;S2、将预处理后的数据输入到步骤S1预训练好的XLNet预训练模型中进行编码,将编码后的隐状态输入到BiLSTM+CRF模型中进行识别,输出识别后的地域实体;S3、地域实体消歧;S4、地域实体汇总;S5、地域主体补全操作;其系统包括地域实体识别模块、实体拼接模块、地域消歧义模块和地域汇总模块,地域实体识别模块由XLNet预训练模型和BiLSTM+CRF模型组成。本发明的二阶段训练过程克服了现有技术存在的预训练阶段和训练阶段存在使用模式不一致的问题,解决了传统的自回归模型无法同时学习上下文信息的痛点,实现了完整建模。

    一种基于不同粒度特征匹配一致性的物体重识别方法

    公开(公告)号:CN111401249A

    公开(公告)日:2020-07-10

    申请号:CN202010186717.5

    申请日:2020-03-17

    Abstract: 本发明公开了一种基于不同粒度特征匹配一致性的物体重识别方法,其包括以下步骤:输入物体的原始图像及待识别图像,预处理待识别图像,通过投影变换得到无背景干扰的待识别图像;通过角点检测方法提取待识别图像及原始图像的细粒度特征,利用角点匹配方法匹配待识别图像与原始图像的细粒度特征匹配结果;通过图像算法过滤待识别图像及原始图像的细浅纹理,通过角点检测方法提取待识别图像及原始图像的粗粒度特征,利用角点匹配方法得到待识别图像与原始图像的粗粒度特征匹配结果;基于细粒度特征匹配结果和粗粒度特征匹配结果进行比对,得到物体重识别结果;本发明能够有效提升随机纹理物体的匹配精度,从而提高物体的重识别速度和效率。

    一种深度神经网络的可解释生成方法

    公开(公告)号:CN111353587A

    公开(公告)日:2020-06-30

    申请号:CN202010162181.3

    申请日:2020-03-10

    Abstract: 本发明公开了一种深度神经网络的可解释生成方法,包括:S1、挖掘推理路径:获取预训练网络和数据集,采用关键数据路由路径挖掘所述数据集中每一条数据在预训练网络的神经网络中对应的推理路径;S2、聚合推理路径:将同一类数据的推理路径进行聚合,得到该类数据对应的网络结构;S3、组合网络结构:将同一类数据对应的网络结构进行组合,得到针对特定任务进行推理的子网络,运用子网络进行针对于若干类网络的分类任务,可有效节省网络的存储和计算消耗。

Patent Agency Ranking