-
公开(公告)号：CN109346084A
公开(公告)日：2019-02-15
申请号：CN201811092136.4
申请日：2018-09-19
Applicant: 湖北工业大学
CPC classification number: G10L17/005 , G10L17/02 , G10L17/04 , G10L17/18 , G10L17/22
Abstract: 本发明涉及一种基于深度堆栈自编码网络的说话人识别方法，S1：说话人特征提取；S2：堆栈自编码器的网络设计；S3：说话人识别与决策。本发明与传统说话人识别相比，将深度堆栈自编码网络与说话人识别系统模型相融合，结合堆栈自编码器的多层结构在提高评价模型的表征能力方面的显著效果，本发明的说话人识别方法在存在背景噪声的环境下能够有限提升系统的识别性能，在降低噪声对系统性能影响、提高系统噪声鲁棒性的同时，优化系统结构，使识别实时性得到有效增强。
-
公开(公告)号：CN109063719A
公开(公告)日：2018-12-21
申请号：CN201810365992.6
申请日：2018-04-23
Applicant: 湖北工业大学
CPC classification number: G06K9/6267 , G06K9/6296 , G06N3/0454
Abstract: 本发明公开了一种联合结构相似性和类信息的图像分类方法，在利用深度网络的结构特点上，提供一种新型深度学习方法—联合结构相似性和类信息的图像识别算法。并将该深度学习算法应用在手写数字识别和自然图像识别中，提出联合结构相似性与类信息的图像识别方法。该方法能能高效地提取小图像高层次信息；其次，该方法引入了联合度量损失和图像类别信息建立损失函数，度量损失通过计算图像高层次语义向量之间的相似性，最小化类内距离和类间距离与某一常数(通常为1)之差，不仅加快了网络的训练收敛速度，同时保持或者提高测试集图像的分类准确率。本发明简单且易于实现，提升图像识别性能的同时，也提高了网络的训练效率。
-
-
公开(公告)号：CN106780614A
公开(公告)日：2017-05-31
申请号：CN201611036768.X
申请日：2016-11-23
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于多通道图像处理的海上装置自标定方法，属于海上装置的各个系统精确定位技术领域。本发明的自标定方法包括如下步骤：(1)第一次捕获目标信息；(2)第二次捕获目标信息；(3)主控机计算ki和θi；(4)调整第i个通道的架位信息；(5)完成海上装置的自标定。本发明将目标从北极星拓展到可被镜头捕捉的恒星或太阳，采用图像目标识别技术和目标质心自动获取算法，且无需借助标定板，只需要保证相机在标定过程中使目标位于十字准星附近即可，实现调整所有通道零点与参考通道一致。本发明的自标定方法对校标环境要求宽松，且标定过程更加方便快捷。
-
公开(公告)号：CN117686935B
公开(公告)日：2024-05-14
申请号：CN202410123299.3
申请日：2024-01-30
Applicant: 湖北工业大学
IPC: G01R31/392 , G01R31/385 , G01R31/378 , G01R31/367 , G01R31/396 , G01R19/00
Abstract: 本发明提供了一种基于电压概率密度的电池RUL预测方法，包括：以多条电压概率密度曲线a的峰值对应电压的正负0.05V范围作为特征电压区间，计算不同循环周期下且在特征电压区间内的电压概率密度分布，并绘制电压概率密度曲线b；提取不同循环周期下电压概率密度曲线b的峰值，并绘制出电压概率密度峰值曲线，将其作为健康特征HF；将健康特征HF作为电池的特征数据序列#imgabs0#，并利用特征数据序列#imgabs1#和电池容量数据构建岭回归容量预测模型，得到容量预测值C。本方案通过绘制电池的电压概率密度峰值曲线作为健康特征HF，实现了预测过程只需收集特征电压区间内的数据，大大降低了数据计算量，从而提高了处理效率。
-
Patent Agency Ranking
公开(公告)号：CN116844109A
公开(公告)日：2023-10-03
申请号：CN202310763899.1
申请日：2023-06-26
Applicant: 湖北工业大学
Abstract: 本发明公开了一种改进YOLOv7和融合双向路由注意力机制的火焰检测方法。所述方法包括S1：通过可视化监控拍摄设备及网络爬虫的方式获取带有火焰目标的图像，并对所述图像数据进行筛选和标注，建立火焰图像数据集。S2：以YOLOv7为基础模型建立火焰检测模型，以实现火焰的类别和位置信息的检测。S3：在S2所述的基础模型中融合双向路由注意力机制模块并改进边界框损失函数，得到改进YOLOv7和融合双向路由注意力机制火焰检测算法。S4：利用建立的火焰图像数据集对改进后的YOLOv7算法进行训练和测试，得到训练完成的改进的YOLOv7火焰检测模型。将所述训练完成的改进的YOLOv7火焰检测模型部署到可视化监控拍摄设备中，并根据火焰检测结果产生告警信息。
-
公开(公告)号：CN116309545A
公开(公告)日：2023-06-23
申请号：CN202310519430.3
申请日：2023-05-10
Applicant: 湖北工业大学
IPC: G06T7/00 , G06T7/12 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种面向医学显微图像的单阶段细胞核实例分割方法。本发明采用ResNet联合FPN结构作为特征提取网络并将金字塔拆分注意力模块嵌入到骨干网络中用来提高模型更细粒度的多尺度特征表示能力，以学习更丰富的多尺度特征空间信息；提出了扩张卷积聚合模块大大提高了网络的感受野和捕获多尺度上下文信息的能力；提出了上下文信息聚合模块为网络提供多尺度空间上下文信息来减少信道中的信息丢失。此外，本发明采用了一种新的分布排名（DR）损失函数，可以有效缓解目标与背景之间的不平衡。本发明实施例的医学图像分割方法提高了实例分割性能，尤其对密集小目标和粘连目标的分割性能有显著提升。
-
公开(公告)号：CN115542172A
公开(公告)日：2022-12-30
申请号：CN202211526661.9
申请日：2022-12-01
Applicant: 湖北工业大学
IPC: G01R31/367 , G01R31/396 , H01M10/42 , H01M10/48 , B60L58/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种动力电池故障检测方法、系统、装置及存储介质，包含对电池时序数据构建签名矩阵、基于卷积自编码器提取空间特征、基于卷积长短期记忆网络捕获数据时序特征、基于编码器提取的空间特征和卷积长短期记忆网络提取的时序特征利用解码器进行签名矩阵的重构、利用初始签名矩阵与重构矩阵之间残差对异常进行检测和诊断，在电动汽车监控平台对动力电池组进行监控与分析，有效助力电池系统的安全。
-
公开(公告)号：CN113568727A
公开(公告)日：2021-10-29
申请号：CN202110835323.2
申请日：2021-07-23
Applicant: 湖北工业大学
Abstract: 本发明提供了一种基于深度强化学习的移动边缘计算任务分配方法，旨在将深度强化学习策略引入到移动边缘计算任务分配，以期实现移动边缘计算任务的智能分配。首先，考虑到用户设备的计算能力和能量容量有限，本专利提出多边缘云协作移动边缘计算系统模型。其次，通过联合设计多边缘云的计算任务分配和计算资源管理，建立延迟和能量消耗的总和最小化的任务分配优化问题模型。再次，为了解决上述非凸优化任务分配问题，将移动边缘计算任务分配问题建模为马尔可夫决策过程。最后，针对上述马尔可夫决策过程中高维连续动作空间特点，提出双延迟深度确定性策略梯度算法，以获得多边缘云的计算任务分配和计算资源管理的近似最优联合策略。
-
公开(公告)号：CN112651894A
公开(公告)日：2021-04-13
申请号：CN202011594945.2
申请日：2020-12-29
Applicant: 湖北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于RRDB的生成对抗网络图像去模糊算法。本发明在去模糊模型DeblurGAN网络的基础上，使用融合了多层残差网络和密集连接的RRDB网络单元替换生成器中的RB网络单元，并且在生成器的输入和输出之间加入全局跳跃连接，来提高生成器的学习和生成能力。然后在损失函数中，使用Wasserstein距离作为网络的对抗损失，避免在训练过程中出现网络退化问题；在内容损失上加入像素空间损失函数，对生成图像的像素内容一致性进行约束最终生成清晰图像。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.027 seconds)
