-
公开(公告)号：CN110195823A
公开(公告)日：2019-09-03
申请号：CN201910638743.4
申请日：2019-07-16
Applicant: 重庆科技学院
IPC: F17D5/02
Abstract: 本发明提供增强管道泄露的监测范围，检测点可灵活选定，且不会对原管道产生二次伤害的一种基于深度神经网络的管道微泄露检测方法,包括以下步骤，S1：采集的管道泄漏音频；S2：对数据进行预处理，S3:生成基于卷积神经网络的管道微泄漏检测模型，S4：对管道微泄漏检测模型进行训练，并采用训练完成的管道微泄漏检测模型进行管道微泄漏检测。本发明的有益效果是：基于卷积神经网络微泄漏检测模型可以为管道泄漏检测提供一种非接触式的检测办法，弥补现有办法损坏管体等不足的问题，为相关问题的科学研究奠定了数据基础。
-
公开(公告)号：CN108985464A
公开(公告)日：2018-12-11
申请号：CN201810780662.3
申请日：2018-07-17
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于信息最大化生成对抗网络的人脸连续特征生成方法，它能够生成特征属性连续变化的人脸图像，包括：S1、选择数据集；S2、预处理；S3、搭建基于信息最大化的生成对抗网络模型：模型包括生成器G与判别器D，生成器G通过控制潜在变量c的类型以及维度，从而利用随机噪声向量z生成与真实样本概率密度分布接近的生成样本G(z,c)，将生成样本G(z,c)与真实样本X分别作为判别器D的输入，判别器D负责对输入的生成样本G(z,c)与真实样本X进行“真”与“假”的判断。最终在基于信息最大化的生成对抗网络模型中，生成器G与判别器D进行不断的交替训练，直到判别器D无法判断某一个人脸样本是来自于生成样本还是真实样本X时，该模型训练完成。
-
公开(公告)号：CN108921123A
公开(公告)日：2018-11-30
申请号：CN201810780758.X
申请日：2018-07-17
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于双重数据增强的人脸识别方法，经过双重数据增强得到的人脸数据集，提升了人脸识别的准确率。包括：S1、选择数据集；S2、数据集预处理；S3、第一重数据增强：搭建基于信息最大化的生成对抗网络模型，并完成训练；S4、第二重数据增强：对S3中生成的人脸样本进行平移、旋转、翻转以及缩放处理；S5、人脸分类选择卷积神经网络模型来对S4中生成的人脸样本进行训练与识别。
-
Patent Agency Ranking
公开(公告)号：CN109102029B
公开(公告)日：2023-04-07
申请号：CN201810964677.5
申请日：2018-08-23
Applicant: 重庆科技学院
IPC: G06V10/98 , G06V10/82 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种信息最大化生成对抗网络模型合成人脸样本质量评估方法，本发明使合成人脸样本的质量评估变得更加客观，具有较高的可靠性。评估方法包括：S1、数据预处理；S2、采用卷积神经网络构建合成人脸样本集的评估模型；S3、通过S2中构建的评估模型对合成人脸样本进行评估质量好的合成人脸样本,由于生成对抗网络模型的机制，质量好的样本其概率分布pg(x)与原始样本的概率分布pdata(x)相近，所以通过分类模型训练测试时可以得到较高的准确率；质量差的合成人脸样本,则因其分布pg(x)离原始样本分布pdata(x)较远，且存在较多的可能性，所以其样本间差别较大，经分类模型进行训练测试时准确率较低。
-
公开(公告)号：CN109214103B
公开(公告)日：2023-01-20
申请号：CN201811116526.0
申请日：2018-09-25
Applicant: 重庆青山工业有限责任公司 , 重庆科技学院
IPC: G06F30/17 , G06F30/15 , G06F30/27 , G06F18/2415 , G06N3/0475 , G06N3/047 , G06N3/094 , G06F111/04
Abstract: 本发明提供一种基于边界约束生成对抗网络的齿轮可靠性分析系统，其特征在于包括：原始数据采样模块、生成对抗网络模块、均值协方差标记模块以及分类器，其中：原始数据采样模块：用于获取齿轮原始参数并对其进行归一化处理；生成对抗网络模块：包括生成器和判别器，在生成器和判别器之间还设置有边界约束模块；均值协方差标记模块：用于对生成对抗网络模块最终的生成数据进行标记；分类器：选择部分原始参数和部分标记后的生成数据作为最终的合成数据集进行安全性能分类。其效果是：能够生成更多的实例数据，并对其进行有效的标记，采用带约束GAN产生的数据具有更好的可靠性分类能力。
-
公开(公告)号：CN112200251A
公开(公告)日：2021-01-08
申请号：CN202011103345.1
申请日：2020-10-15
Applicant: 重庆科技学院
Abstract: 本发明提供一种基于多尺度卷积神经网络的监测系统数据评估方法,包括以下步骤，S1选择数据集；S2对数据集进行预处理；S3标签制作；S4搭建基于多尺度卷积神经网络的健康状态评估模型。本发明的有益效果是：基于多尺度卷积神经网络的监测系统数据评估模型为辅助监测系统提供一种非接触式的评估办法，根据多种监测数据的特征设计特定的多尺度卷积模型，减少现有办法在自然条件下物体状态评估的不确定性，提高评估准确率，为相关问题的科学研究奠定了数据基础。
-
公开(公告)号：CN108933616A
公开(公告)日：2018-12-04
申请号：CN201810617086.0
申请日：2018-06-15
Applicant: 重庆科技学院
IPC: H04B5/00
Abstract: 本发明提供了一种基于二进制的分组防碰撞优化算法，本发明所述的算法将扩展位增加到2位，同时引入了时隙延长机制，对于信号中高于最高碰撞位的序列号保持不变，分为两种情况：如果最高碰撞位和次高碰撞位不是连续的则采用二进制算法，如果连续，阅读器会接收到从最高碰撞位开始的连续两位碰撞位记录下序列号并将之发送给所用的标签，使电子标签将这2位转换成十进制数，阅读器在前次查询前缀的基础上增加00、01、10、11作为查询命令的前缀，然后阅读器根据新生产的查询前缀去进行识别。本发明首先引入预处理将电子标签进行分组，减少电子标签产生碰撞的可能，并对查询前缀进行改进，在一定程度上提高了系统识别效率。
-
公开(公告)号：CN206973406U
公开(公告)日：2018-02-06
申请号：CN201720803732.3
申请日：2017-07-05
Applicant: 重庆科技学院
IPC: F21S8/08 , F21V23/00 , F21V21/10 , F21V33/00 , F21Y115/10 , F21W131/103
Abstract: 本实用新型涉及市政智慧灯杆，具体是一种模块化快速安装式智慧灯杆，包括灯杆，在灯杆上设置有控制器，与控制器连接的自助应用接口，连接在自助应用接口上的自助应用服务设备由控制器控制运行，在灯杆的顶部设置有LED灯头；其中：所述LED灯头固定在灯架的顶端，该灯架的底端固定在连接管的外壁上部；所述连接管的外壁下部均布有至少三条导向限位槽，相邻两导向限位槽之间的壁体位置处设置有定位柱；所述灯杆的顶部的内径与连接管的外径匹配，在灯杆的顶部的内壁设置有至少三条导向限位凸筋，相邻两导向限位凸筋之间的灯杆的壁体上设置有定位锁紧孔。本实用新型由于所述结构而具有的优点是：提高了安装效率和利于后期维护装卸。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
