-
公开(公告)号:CN118411592A
公开(公告)日:2024-07-30
申请号:CN202410445860.X
申请日:2024-04-15
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: G06V20/05 , G06V10/20 , G06V10/30 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/25 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T5/40
Abstract: 本发明涉及一种基于注意力机制的水下生物目标检测方法,包括以下步骤:获取水下生物目标图像;针对水下条件恶劣,图像质量较差的问题,采用对比度有限的自适应直方图均衡化算法(CLAHE)对水下图像进行预处理;在YOLOv5中添加针对小目标的检测层,缓解目标尺度方差较大带来的影响;将卷积注意力模块(CBAM)加入优化后的YOLOv5网络模型中,学习通道之间的关系,增强深度特征的语义信息;将增强后的数据集输入构建好的网络模型CC‑YOLOv5中,进行训练;用训练好的模型对水下生物图像进行目标检测。本发明能在复杂的水下环境中,为生物目标检测提供科学理论和技术支持,在提高对于水下生物小目标的检测精度的同时,模型的计算成本对于水下移动应用来说依然很小。
-
公开(公告)号:CN118070839A
公开(公告)日:2024-05-24
申请号:CN202410428992.1
申请日:2024-04-10
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: G06N3/006
Abstract: 本发明公开了一种混合策略的粒子群优化算法,旨在解决当前原始粒子群优化算法易陷入局部最优、搜索速度慢和局部搜索精度低等问题。传统优化算法在解决复杂问题时面临着诸多挑战,而本文提出的混合策略的粒子群优化算法通过采用自适应权重调整、反向学习策略、柯西变异机制和Hook‑Jeeves策略等方法,有效提高了全局搜索能力和搜索速度,并且在增强全局搜索能力的同时,也显著增强了局部搜索精度。本发明的算法可以广泛应用于各种领域,如工程优化、机器学习和数据挖掘等,为解决复杂问题提供了一种有效的优化方案。
-
公开(公告)号:CN116542854A
公开(公告)日:2023-08-04
申请号:CN202310517605.7
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
Abstract: 本发明涉及图像处理和深度学习领域,提出了一种基于元迁移的残差通道注意力水下图像超分辨率方法。本发明通过引入元迁移学习方法,基于残差通道注意力图像超分辨率网络进行了预训练,增加了网络的性能,提高了网络收敛速度,使得网络适应新任务的能力获得了提升。
-
公开(公告)号:CN116468610A
公开(公告)日:2023-07-21
申请号:CN202310519712.3
申请日:2023-05-10
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
Abstract: 本发明提出了一种基于神经隐式函数的点云上采样方法,以克服现有上采样技术的局限性并生成任意分辨率的点云数据。该方法首先训练神经隐式函数以在点云数据集的配对样本之间建立映射,然后使用训练好的神经隐式函数对低分辨率点云进行上采样,生成高分辨率点云。此外,该方法还通过使用优化算法调整生成的高分辨率点云,以最小化原始点云与生成点云之间的误差。通过这种方法,可以生成高质量的点云数据,同时提高处理效率,适用于需要进行点云处理的各种场景,如自动驾驶、游戏开发和虚拟现实等。
-
公开(公告)号:CN113205468A
公开(公告)日:2021-08-03
申请号:CN202110607071.8
申请日:2021-06-01
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本发明涉及一种基于自注意力机制和GAN的水下图像实时复原模型,属于深度学习技术领域。它将生成对抗网络作为基本架构,生成网络采用编码‑解码结构,通过9个残差块和反卷积运算,以原始分辨率生成合成图像,并引入自注意力模块,可以捕获更丰富的高级特征以提升模型性能,为了同时保持图像内容和去除水下噪声,判别网络采用一种包含对抗分支和批评分支的多分支判别器的结构。本发明通过增加自注意力模块,改进模型结构较为理想地解决了水下图像处理时间效率低的问题,训练有素的基于GAN‑RS的方法可以适应各种水下情况,具有出色的实时处理性能。
-
公开(公告)号:CN118658156A
公开(公告)日:2024-09-17
申请号:CN202410812646.3
申请日:2024-06-22
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: G06V20/68 , G06V10/764 , G06V10/26 , G06V10/30 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的野生虫草与养殖虫草的鉴别方法。传统的野生虫草和养殖虫草鉴别通常依赖于人工观察和经验判断,存在主观性和不稳定性的问题。为解决这一问题,本发明提出了一种利用深度学习实现的自动化鉴别方法。该方法首先将采集到的虫草图像数据做初步增强处理,然后使用yolo模型进行虫草目标检测和提取,以及基于阈值的分割算法来减少背景的影响。设计并训练了一个残差网络网络模型,通过预训练来选择最合适的特征以及初始参数,以实现对野生虫草和养殖虫草的准确分类。
-
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: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:CN115480206A
公开(公告)日:2022-12-16
申请号:CN202211148991.9
申请日:2022-09-21
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院 , 桂林智慧产业园有限公司
Abstract: 本发明公开了一种离网格DOA估计方法,首先构建信号模型;其次,建立基于狄利克雷过程先验的概率模型,并根据概率模型,求解联合概率密度函数,并设计因子图;然后,使用联合置信传播和平均场规则的消息传递方法得到概率模型中各参数的更新公式,对概率模型中未知参数赋予初值,处理接收数据,迭代更新得到概率模型参数的估计值;最后,根据所得到的参数估计值,计算DOA的估计值。
-
公开(公告)号:CN212411263U
公开(公告)日:2021-01-26
申请号:CN202021861129.9
申请日:2020-08-31
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本实用新型公开了一种基于手掌静脉识别的门禁系统,包括前端出入口门禁控制部分和后端控制器部分;前端出入口门禁控制部分包括门禁控制器以及与门禁控制器连接的门外掌静脉采集装置、门内掌静脉采集装置、门外实时红外监控装置、门内实时红外监控装置、前端LoRa通信模块;后端控制器部分包括系统服务器以及与系统服务器连接的数据库、后端LoRa通信模块;门禁控制器与系统服务器通过前端LoRa通信模块和后端LoRa通信模块无线连接。本实用新型通过手掌静脉识别加入到门禁系统中,此门禁系统在监狱、精神病医院等特殊的应用场景下,需要在出、入门体时都要进行身份验证;并增加实时红外监控功能,在非法闯入或闯出时,都能实时进行报警。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-