-
公开(公告)号：CN119151875A
公开(公告)日：2024-12-17
申请号：CN202411159344.7
申请日：2024-08-22
Applicant: 兰州交通大学
IPC: G06T7/00 , G06T7/70 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请公开了一种基于YOLOv8模型的转辙机零件检测方法、设备及介质，该方法包括：标注转辙机零件图像中的目标零件，生成目标图像；将Swin transformer网络代替YOLOv8模型的原主干网络darknet53，在Swin transformer网络中引入残差注意力模块；基于Swin transformer网络结合空间金字塔池化层，同时采用新损失函数Focal‑EIoU替换YOLOv8模型的原损失函数CIoU，构建改进后的YOLOv8模型；将所述目标图像输入至所述改进后的YOLOv8模型，生成预测结果。基于改进后的YOLOv8模型输出的检测结果实现了对目标零件的准确检测。
-
公开(公告)号：CN118981543A
公开(公告)日：2024-11-19
申请号：CN202411045150.4
申请日：2024-08-01
Applicant: 兰州交通大学
IPC: G06F16/36 , G06Q50/00 , G06F18/214 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本申请公开一种基于增强信息的知识图谱补全方法、装置、介质及产品，涉及归纳学习技术领域，所述方法包括：对待补全知识图谱进行子图提取，得到封闭子图；分别对当前节点的初始节点嵌入和当前边的初始边嵌入进行前向更新得到更新后的节点嵌入和更新后的边嵌入；基于当前封闭子图的关系路径集合中的各关系路径对应的各节点的更新后的节点嵌入和各边的更新后的边嵌入，确定对应关系路径的关系路径表示；基于各封闭子图的所有更新后的节点嵌入、所有更新后的边嵌入和所有关系路径表示，确定对应封闭子图的总嵌入；基于待补全知识图谱中所有封闭子图的总嵌入，确定补全后的社交网络知识图谱。本申请可动态补全不断扩充的社交网络知识图谱。
-
公开(公告)号：CN115565429A
公开(公告)日：2023-01-03
申请号：CN202211271898.7
申请日：2022-10-18
Applicant: 兰州交通大学
Abstract: 本发明涉及一种轨道交通列车控制设备培训系统，包括：模型构建模块，用于构建各设备的三维立体模型；场景构建模块，用于构建三维全景地图，并与各三维立体模型进行融合，得到三维全景模型；全息互动教学模块，用于基于三维全景模型和各三维立体模型实现互动教学；仿真实验模块，用于基于三维全景模型和各三维立体模型构建仿真实验平台，三维全景模型和各三维立体模型基于控制指令执行相应动作；动态演示模块，用于基于各三维立体模型、各三维立体模型对应的文字描述和演示动画构建动态演示平台。本发明提高了教学模式和时效性，通过增加仿真实验加强对知识点的掌握。
-
公开(公告)号：CN113947683B
公开(公告)日：2022-07-08
申请号：CN202111203194.1
申请日：2021-10-15
Applicant: 兰州交通大学
Abstract: 本发明涉及一种指尖点检测方法、系统及指尖点运动轨迹识别方法、系统，在手部区域跟踪的基础上，首先利用边缘检测算法提取手部轮廓，然后采用自适应K值的K‑COS算法计算手部轮廓曲率进而定位候选指尖点，根据手指两侧近似的平行特征和1‑D特征利用平行向量法排除噪声指尖点，进而实现对多自由度指尖点的准确检测；上述采用K‑余弦曲率法和平行向量法检测所述手部轮廓上的指尖点的方法中可得指尖点与掌心的位置和距离，因此可用每个手指点到掌心点的连线(方向矢量)表示自然指尖点运动特征，采用改进的DTW算法实现对指尖点特殊运动轨迹的识别，进而为AR装配系统准确叠加虚拟信息提供支撑。
-
公开(公告)号：CN111476702B
公开(公告)日：2021-02-02
申请号：CN202010263650.0
申请日：2020-04-07
Applicant: 兰州交通大学
Abstract: 本发明涉及一种基于非线性混合核特征映射的图像隐写检测方法及系统，包括：获取待测图像，采用富模型类型特征提取方法对待测图像进行特征提取，确定待测图像的统计特征，将待测图像的统计特征纵向依次分割，获得待测图像统计特征块集合，利用基于非线性混合核函数的特征映射算法对待测图像统计特征块集合中的每个待测图像统计特征块进行映射，获得映射后待测图像统计特征块集合，将映射后待测图像统计特征块集合中的每个映射后待测图像统计特征块进行拼接，合成待测图像高维富模型特征，根据待测图像高维富模型特征，采用训练好的集成FLD分类器确定待测图像是否含有隐写信息。通过本发明的上述方法提高检测精度且不增加时间复杂度。
-
Patent Agency Ranking
公开(公告)号：CN119313734A
公开(公告)日：2025-01-14
申请号：CN202411375261.1
申请日：2024-09-30
Applicant: 兰州交通大学
Abstract: 本申请公开了一种三维手部姿态估计方法、设备、介质及产品，涉及手部姿态估计领域，通过获取待估计手部RGB图像；利用2.5D姿态关键点预测模型，确定待估计手部RGB图像的2.5D姿态关键点；其中，2.5D姿态关键点预测模型是利用训练数据集对初始模型进行训练得到的；初始模型包括S‑HGNet模块、多尺度特征融合模块和2.5D姿态转换模块；S‑HGNet模块为改进的沙漏网络；改进的沙漏网络是将沙漏网络中的Basicblock模块替换为感受强化模块。根据待估计手部RGB图像的2.5D姿态关键点，利用逆透视投影法，确定待估计手部RGB图像的三维关键点坐标。本申请提高了手部姿态估计的精度。
-
公开(公告)号：CN118247690A
公开(公告)日：2024-06-25
申请号：CN202410453141.2
申请日：2024-04-16
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/17 , G06V20/10 , G06V10/52 , G06V10/80 , G06V10/26 , G06V10/44 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种融合多尺度特征提取与注意力机制的无人机影像路面裂缝分割方法，涉及图像识别领域，方法包括将目标图像输入至训练好的分类网络模型中输出带有裂缝的路面图像；将带有裂缝的路面图像输入至训练好的分割网络模型中得到裂缝分割结果；分割网络模型包括依次连接的特征提取模块以及解码模块；通过迁移预训练分割网络模型中的特征提取模块的结构和学习的权值，得到分类网络模型的特征提取模块；特征提取模块包括编码模块和特征增强模块，编码模块包括输入卷积层、左边路径子模块、卷积注意子模块和编码器子模块；解码模块包括解码器子模块、注意力子模块以及深度监督子模块。本发明可高效、准确地对路面裂缝图像进行裂缝分割。
-
公开(公告)号：CN115565429B
公开(公告)日：2023-10-10
申请号：CN202211271898.7
申请日：2022-10-18
Applicant: 兰州交通大学
Abstract: 本发明涉及一种轨道交通列车控制设备培训系统，包括：模型构建模块，用于构建各设备的三维立体模型；场景构建模块，用于构建三维全景地图，并与各三维立体模型进行融合，得到三维全景模型；全息互动教学模块，用于基于三维全景模型和各三维立体模型实现互动教学；仿真实验模块，用于基于三维全景模型和各三维立体模型构建仿真实验平台，三维全景模型和各三维立体模型基于控制指令执行相应动作；动态演示模块，用于基于各三维立体模型、各三维立体模型对应的文字描述和演示动画构建动态演示平台。本发明提高了教学模式和时效性，通过增加仿真实验加强对知识点的掌握。
-
公开(公告)号：CN116310785A
公开(公告)日：2023-06-23
申请号：CN202211660091.2
申请日：2022-12-23
Applicant: 兰州交通大学 , 甘肃路桥飞宇交通设施有限责任公司
IPC: G06V20/10 , G06V20/17 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于YOLOv4的无人机影像路面病害检测方法，属于路面病害检测领域。采用深度可分离卷积作为YOLOv4中卷积方式降低了网络的复杂度和减少模型计算的参数量；SE通道注意力按照每个通道的重要性分配不同的权重，有效利用通道间的信息；自适应特征融合模块充分学习高低层之间的特征信息，自适应地学习各尺度特征映射融合的空间权重，解决了由于YOLOv4中特征金字塔和路径聚合网络特征融合不充分问题，通过加入SE注意力机制和自适应特征融合模块能够进一步提高网络精度；采用的Focalloss损失函数解决了部分样本数量不均衡的问题，提高了路面病害检测精度。
-
公开(公告)号：CN114004865A
公开(公告)日：2022-02-01
申请号：CN202111314111.6
申请日：2021-11-08
Applicant: 兰州交通大学
Abstract: 本发明公开了一种结合DSST尺度估计的孪生网络增强现实目标跟踪注册方法，将DSST滤波器引入到孪生网络跟踪过程中，用HOG特征弥补孪生网络中深度特征，抑制向相似目标产生漂移；转移到DSST中的候选目标由SiamFC筛选更加准确，缓解了DSST的边界效应；目标位置和尺度传递回SiamFC网络后，采用线性插值更新相关滤波系数进行目标重定位，得到较为精准的待注册目标区域；对待注册目标特征通过ORB算法进行检测匹配，通过汉明距离进行匹配后对误匹配对采用RANSAC进行剔除，并根据匹配相邻帧间特征关系求得注册矩阵，并与OpenGL生成的立方体虚拟模型渲染后完成虚拟信息的注册，确保实时性的同时提高了传统的增强现实跟踪注册算法结果的准确率、鲁棒性和稳健性。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.019 seconds)
