-
公开(公告)号：CN103868460A
公开(公告)日：2014-06-18
申请号：CN201410094119.X
申请日：2014-03-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于视差优化算法的双目立体视觉自动测量方法，1）得到校正后的双目视图；2）利用立体匹配算法以左视图为基图进行匹配，得到初步的视差图；3）对校正后的左视图，目标物体区域为彩色原图，其他非目标区域全为黑；4）根据目标物体区域，获得目标物体区域的完整视差图；5）对完整视差图，根据投影模型获得三维点云；6）对三维点云，进行坐标重投影，合成坐标关联像素图；7）利用形态学的方法，实现自动测量目标物体的长度和宽度。本发明简化了双目测量操作过程；减少了平滑表面的镜面反射、投影缩减、透视失真、低纹理和重复纹理影响；实现了自动化智能化测量，扩展了双目测量的应用范围，为后续的机器人双目视觉提供技术支持。
-
公开(公告)号：CN102662183B
公开(公告)日：2013-07-24
申请号：CN201210128335.2
申请日：2012-04-27
Applicant: 桂林电子科技大学
IPC: G01S19/24
Abstract: 本发明公开一种GPS信号捕获方法与系统，该方法与系统将快速傅里叶变换(FFT)、双块零拓展(Double Block Zero Padding，DBZP)、差分相干、频差修正等技术有机地结合，使其既能实现高效快速的GPS信号捕获，还能改善快速傅里叶变换计算过程中由大多普勒频移引起码片速率变化而造成的相关功率损失；此外，频差修正技术还能够削弱残余多普勒频移误差造成的功率损失，并实现高效快速的捕获。
-
公开(公告)号：CN114529482B
公开(公告)日：2024-03-29
申请号：CN202210157461.4
申请日：2022-02-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了基于小波多通道深度网络的图像压缩感知重建方法，其特征在于，包括如下步骤：1）训练数据预处理对局部图像块进行二阶小波变换；2）线性映射；3）小波变换；4）多通道图像重建；5）特征融合；6）计算损失函数Loss；7）判断误差是否达到设定值。这种方法能更好地表示不同的图像内容、并且恢复更多的细节特征。
-
公开(公告)号：CN114708281B
公开(公告)日：2024-03-22
申请号：CN202210392717.X
申请日：2022-04-15
Applicant: 桂林电子科技大学
IPC: G06T9/00 , H04N19/176 , H04N19/85 , G06N3/0464 , G06N3/0985 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于自适应非局部特征融合网络的图像压缩感知重建方法，其特征在于，包括如下步骤：1)训练数据预处理；2)获取测数据yi；3)构造图像块压缩观测值yi协同重构组Yi；4)采用线性映射网络F获得初始重建图像块协同重构组Zi；5)将协同重构组Zi进行特征交互得到协同联合重建特征Zc；6)采用全局残差网络Fr对图像块zi进行增强重建获得重建图像z′i；7)采用图像块稀疏约束损失函数对网络训练进行约束。这种方法采用非局部特征为图像块重建提供互补信息，能有效恢复图像中的高频信息。
-
公开(公告)号：CN114898439B
公开(公告)日：2024-03-19
申请号：CN202210614368.1
申请日：2022-06-01
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/40 , G06V10/82 , G06V10/774 , G06N3/0464
Abstract: 本发明公开了一种基于分段策略和多头卷积注意力的视频人脸识别方法，包括如下步骤：1）对视频人脸数据集进行预处理；2）对步骤1）中得到的视频帧图像集进行分段线性映射、位置嵌入操作；3）深度特征提取；4）识别；5）损失函数进行训练；6）完成人脸识别。本技术方案分段策略有效去除了跨度较大的视频帧面部姿态、大小等变化较大而对特征提取施加的冗余噪声，并结合提出的多头卷积注意力模块有效提取冗长视频序列的上下文信息，同时大幅降低了模型的复杂程度，分段损失函数的设计加速了网络的训练并提高模型抗干扰的能力，最终使得模型具有更好的识别性能。
-
Patent Agency Ranking
公开(公告)号：CN117407808A
公开(公告)日：2024-01-16
申请号：CN202311475888.X
申请日：2023-11-07
Applicant: 桂林电子科技大学
IPC: G06F18/2431 , G06F18/214 , G06F18/213 , G06V10/764 , G06V10/40 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于分数的扩散模型生成回放的类增量学习方法，所述方法包括如下步骤：1)训练分类器；2)建立基于分数的扩散模型；3)训练鉴别器；4)基于分数的扩散模型的生成回放。本技术方案利用基于分数的扩散模型生成高质量的旧类样本来记忆旧类信息，并使扩散模型和鉴别器能够以与分类器相同的方式来增量式地学习新类别，以此避免顺序更新模型时遭受的灾难性遗忘问题，从而有效地提升分类性能。
-
公开(公告)号：CN112308884B
公开(公告)日：2023-06-16
申请号：CN202011227714.8
申请日：2020-11-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于张量核范数的视频背景减除方法，用改进的张量核范数去表征视频背景的低维特性，使得背景约束更加接近实际视频背景的秩，为前景背景更加准确的分离提供了一定的保证；用L1,1,2范数去建模视频前景的稀疏性，加强了视频前景的时空连续性和管稀疏性，从而达到了较好的背景前景分离效果。
-
公开(公告)号：CN114898439A
公开(公告)日：2022-08-12
申请号：CN202210614368.1
申请日：2022-06-01
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/40 , G06V10/82 , G06V10/774 , G06N3/04
Abstract: 本发明公开了一种基于分段策略和多头卷积注意力的视频人脸识别方法，包括如下步骤：1）对视频人脸数据集进行预处理；2）对步骤1）中得到的视频帧图像集进行分段线性映射、位置嵌入操作；3）深度特征提取；4）识别；5）损失函数进行训练；6）完成人脸识别。本技术方案分段策略有效去除了跨度较大的视频帧面部姿态、大小等变化较大而对特征提取施加的冗余噪声，并结合提出的多头卷积注意力模块有效提取冗长视频序列的上下文信息，同时大幅降低了模型的复杂程度，分段损失函数的设计加速了网络的训练并提高模型抗干扰的能力，最终使得模型具有更好的识别性能。
-
公开(公告)号：CN112801362A
公开(公告)日：2021-05-14
申请号：CN202110101091.8
申请日：2021-01-26
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于人工神经网络与LSTM网络的学业预警方法，其特征在于，包括如下步骤：1）基于RBF核的缺失数据处理；2）基于多维正态分布的自适应特征提取；3）基于细化网络的人工神经网络训练；4）自适应激励函数LSTM网络训练；5）与软件平台结合。这种方法普适性好、误检率低、预测准确度高。
-
公开(公告)号：CN112286891A
公开(公告)日：2021-01-29
申请号：CN201910670468.4
申请日：2019-07-24
Applicant: 桂林电子科技大学
IPC: G06F16/18 , G06F16/215 , G06F11/08 , H04L1/00
Abstract: 本发明涉及一种嵌入式以太网数据采集方法，解决的是实时性低并不能兼顾可靠性的技术问题，通过采用步骤一，FPGA系统初始化，在系统中安装Libpcap函数库；步骤二，FPGA系统设置n1条通道，根据Libpcap函数库采用乒乓方法在n1条通道中轮换进行数据包捕获；步骤三，将数据的数据包格式设置为源端口地址、目标端口地址、数据长度、校验码、数据内容传输给PC系统，所述校验码包含有数据序列信息；步骤四，PC系统接收到传输的数据后，进行数据过滤；步骤五，PC系统进行数据识别处理的技术方案，较好的解决了该问题，可用于中。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.023 seconds)
