-
公开(公告)号：CN112017229B
公开(公告)日：2023-06-27
申请号：CN202010925216.4
申请日：2020-09-06
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种相机相对位姿求解方法，包括通过相机采集被测物体的图像；获取所述相机的加速度和角速度以及姿态角；估算所述相机在高度方向的运动，获取所述相机在高度方向上的高度值；估算所述相机在当前的所述高度值上的姿态，获取所述相机在二维平面上的二维位姿；将所述姿态角、所述高度值和所述二维位姿进行融合计算，获得所述相机的三维位姿，针对结构化的环境，比如走廊，将一个三维空间的位置估计问题转化为一个一维和二维位置估计问题，有效减少需要处理数据量的大小。相比于传统方法，大大提高计算机的效率。
-
公开(公告)号：CN111653292B
公开(公告)日：2023-03-31
申请号：CN202010573319.9
申请日：2020-06-22
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种中国学生英语朗读质量分析方法，该方法是一个由顺序连接的英语朗读发音预处理模块、英语朗读发音错误检测模块、英语朗读发音质量分析模块、英语朗读发音质量输出模块组成的分析模型。一段英语朗读语音通过该分析模型和分析方法处理后，最后能够得到这段英语朗读语音的质量分析结果。本发明分析方法解决了中国学生英语朗读发音的发音质量自动分析问题，其分析结果比传统的中国学生英语朗读发音的发音质量分析方法的分析结果更好。
-
公开(公告)号：CN114091453A
公开(公告)日：2022-02-25
申请号：CN202111427305.7
申请日：2021-11-29
Applicant: 桂林电子科技大学
IPC: G06F40/289 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种拉丁壮语向量表示与计算方法，包括一个由顺序连接的拉丁壮语预处理模块、拉丁壮语语言建模模块、拉丁壮语向量表示归一化模块、拉丁壮语向量表示与计算模块组成的表示与计算模型。一篇由拉丁壮语书写的文本通过该表示与计算模型处理后，最后能够得到该拉丁壮语文本的向量表示。本发明的方法解决了拉丁壮语的向量表示与计算问题，能够用于拉丁壮语的自动化处理与应用。
-
公开(公告)号：CN109737941B
公开(公告)日：2020-11-13
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。
-
公开(公告)号：CN105338254A
公开(公告)日：2016-02-17
申请号：CN201510904303.0
申请日：2015-12-09
Applicant: 桂林电子科技大学
Abstract: 本发明为一种数码相机影像数据在线采集传输系统及运行方法，本系统连接器一端的插头与数码相机的CF存储卡外形管脚相同，插在其卡槽内。连接器另一端连接包括FPGA和与DDR的处理控制模块，FPGA经传输模块接计算机。其运行方法为，开机后相机中心处理器发送初始化检测信号，FPGA正确反馈，完成初始化，相机准备摄影或录相；相机采集的影像数据向存储卡卡槽发送，经连接器进入FPGA、送入DDR缓存。一张照片或一段录相摄取完成FPGA自动将缓存于DDR的影像数据通过传输模块传送给计算机，并向相机反馈存储完成，相机准备下一次的摄影。本发明数码相机的影像数据可在线传送到计算机，实现实时摄影测量。结构简单，成本低，操作简便。
-
Patent Agency Ranking
公开(公告)号：CN119672816A
公开(公告)日：2025-03-21
申请号：CN202411871337.X
申请日：2024-12-18
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
IPC: G06V40/40 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06V40/16 , G06V10/44 , G06V10/46 , G06V10/34 , G06N3/048 , G06N3/0464
Abstract: 本发明提供了一种基于自混合的深度伪造检测方法，与现有技术比较，本发明通过使用自混合技术生成包含伪造伪影的混合图像，并结合主干网络EfficientNet‑b3和伪造伪影检测模块，对输入图像的伪影区域进行精准检测和识别。首先，对真实图像进行分帧处理，利用自混合技术生成源图像和目标图像，并通过mask生成器结合alpha blending模型生成具有伪造伪影的混合图像。随后，主干网络对混合图像提取全局特征，伪造伪影检测模块通过伪影空间协同注意力模块强化混合区域的局部特征表现，从而准确定位伪影区域。最终，利用残差连接融合全局和局部特征，并传入全连接层完成分类。本方法能够有效检测多种伪造图像类型，在跨数据集和未知场景中展现出优异的泛化能力。
-
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：CN111756521B
公开(公告)日：2022-05-27
申请号：CN202010592794.0
申请日：2020-06-25
Applicant: 桂林电子科技大学 , 国家工业信息安全发展研究中心
IPC: H04L9/06
Abstract: 本发明公开了基于Feistel‑SP结构的密码S盒设计方法，步骤包括：选择4比特最优密码S盒样本；设计8比特S盒构造方案；对构造的8比特S盒进行自动搜索；测试所搜索出来的密码S盒。基于所选择的4比特密码S盒的密码性质，可以知道新构造的8比特S盒的密码性质，有利于分析8比特S盒的密码性质，从而搜索出具有良好密码学性质的8比特S盒。经典密码算法AES的8比特S盒实现成本需要115个等效门，而最优4比特S盒的实现成本不到40个等效门，4比特S盒占用的内存和需要的等效门数远低于8比特S盒，实现几个小的4比特S盒比实现一个大的8比特S盒所需要的资源更少。因此，本发明设计的8比特S盒的硬件实现成本相对更低。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.077 seconds)
