-
公开(公告)号：CN111756521A
公开(公告)日：2020-10-09
申请号：CN202010592794.0
申请日：2020-06-25
Applicant: 桂林电子科技大学 , 国家工业信息安全发展研究中心
IPC: H04L9/06
Abstract: 本发明公开了基于Feistel-SP结构的密码S盒设计方法，步骤包括：选择4比特最优密码S盒样本；设计8比特S盒构造方案；对构造的8比特S盒进行自动搜索；测试所搜索出来的密码S盒。基于所选择的4比特密码S盒的密码性质，可以知道新构造的8比特S盒的密码性质，有利于分析8比特S盒的密码性质，从而搜索出具有良好密码学性质的8比特S盒。经典密码算法AES的8比特S盒实现成本需要115个等效门，而最优4比特S盒的实现成本不到40个等效门，4比特S盒占用的内存和需要的等效门数远低于8比特S盒，实现几个小的4比特S盒比实现一个大的8比特S盒所需要的资源更少。因此，本发明设计的8比特S盒的硬件实现成本相对更低。
-
公开(公告)号：CN111737980A
公开(公告)日：2020-10-02
申请号：CN202010573320.1
申请日：2020-06-22
Applicant: 桂林电子科技大学
IPC: G06F40/232 , G06F40/284 , G06F40/242 , G06F40/30
Abstract: 本发明提供一种英语文本单词使用错误的纠正方法，该方法是一个由顺序连接的英语文本预处理模块、目标英语单词匹配模块、英语单词上下文语义分析模块、英语单词使用错误纠正模块组成的纠正模型。一篇英语文本通过该纠正模型和纠正方法处理后，最后能够得到这篇英语文本的单词使用错误纠正结果。本发明纠正方法解决了英语文本的单词使用错误自动纠正问题，其纠正结果比传统的英语文本单词使用错误的纠正方法的纠正结果更好。
-
公开(公告)号：CN109737941A
公开(公告)日：2019-05-10
申请号：CN201910084352.2
申请日：2019-01-29
Applicant: 桂林电子科技大学
Abstract: 在本发明提供的人体动作捕捉方法中，将4个惯性传感器分别固定在人体两只手臂的大臂和小臂上，此时骨骼的运动数据就等效于传感器采集的数据。人体手臂在运动的时候，数据采集芯片就会采集数据，数据在主控芯片内完成一系列数据处理，其中包括数据修正，积分，坐标匹配等，之后就会通过打开发射模块进行发射。另一端通过事先已经配置好的接受模块来接收数据，再通过USB数据线传送给上位机，上位机将传送过来的旋转增量匹配到对应的手臂位置就可以驱动人体模型。通过旋转增量驱动人体模型，有效的解决了传感器固定的敏感问题。
-
公开(公告)号：CN119850918A
公开(公告)日：2025-04-18
申请号：CN202411926906.6
申请日：2024-12-25
Applicant: 桂林电子科技大学 , 广西水发集团数字智慧水务科技有限公司
Inventor： 黄文明 , 周港顺 , 张海斌 , 李达兵 , 唐浩 , 成七一 , 李俊林 , 蒋云灿 , 王喆 , 黄剑峰 , 巫秋莹 , 邓珍荣 , 李晓明 , 谭维国 , 李俊 , 吴章辉
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于YOLO模型的多尺度塔机部件识别方法，所述方法包括：获取塔吊部件图像数据；将塔吊部件图像数据输入SLM_YOLO模型并处理生成符合模型输入的增强数据集；SLM_YOLO模型的主干网络包括多个卷积层和C2f_SCConv层，并通过FPN和PAN结构的颈部网络提取有效特征层；最终通过检测头输出物理位置和类别信息；本发明通过改进的网络结构和算法，显著提升了塔机部件识别的准确性和效率。
-
公开(公告)号：CN119625269A
公开(公告)日：2025-03-14
申请号：CN202411711888.X
申请日：2024-11-27
Applicant: 桂林电子科技大学
Abstract: 本申请提出一种基于改进YOLOv8算法的航拍图像小目标检测方法，包括：S1：获取航拍图像数据集并转换为YOLO格式，并将数据集划分为训练数据集和测试数据集；S2：搭建改进YOLOv8检测模型；S3：将训练数据集输入改进YOLOv8检测模型，并训练至收敛，得到最终的改进YOLOv8检测模型；S4：对改进YOLOv8检测模型输入测试数据集进行测试，记录改进YOLOv8检测模型在该数据集上的mAP值；S5：将航拍图像输入到测试好的改进YOLOv8检测模型，进行小目标检测。从而提高目标检测的准确性，有效地提取小目标图像全局到局部的有效特征，提高了小目标的检测精度。
-
Patent Agency Ranking
公开(公告)号：CN118675067A
公开(公告)日：2024-09-20
申请号：CN202410678278.8
申请日：2024-05-29
Applicant: 桂林电子科技大学
IPC: G06V20/17 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于SDE_YOLOv8的高压导线断散股检测方法，包括如下步骤：采集高压导线断散股数据收集；数据集扩容与整合；增强对数据特征的学习；引入EMA注意力机制提高SDE_YOLOv8提取和关注特征信息的；改进YOLOv8损失函数，将YOLOv8中的损失函数替换成Shape‑IOU损失函数，使得模型增强对目标形状和尺寸的关注，提高检测性能；结果预测，并输出检测结果。本发明方法，将DCNv4_Net嵌入YOLOv8可以提高模型对不规则变化的学习和归纳，提高模型检测精确度，SDE_YOLOv8模型能够精准高效检测高压导线断散股故障。本发明方法为小样本目标检测提供了一个方向，提高了模型学习的速度以及目标检测的质量，检测效果更加精确。
-
公开(公告)号：CN112394356A
公开(公告)日：2021-02-23
申请号：CN202011055629.8
申请日：2020-09-30
Applicant: 桂林电子科技大学
IPC: G01S13/933 , G01S13/89 , G01S13/04
Abstract: 本发明公开了一种基于U‑Net的小目标无人机检测系统，主要由云台控制模块、水平电机驱动单元、垂直电机驱动单元、摄像机固定支架、高清摄像机和计算机设备组成，满足了小目标无人机检测的必要条件。同时，本发明提供了一种基于U‑Net的小目标无人机检测方法，无论是在低分辨率图像还是在高分辨率的图像上，该检测方法都能充分提取目标的特征信息，对于小目标无人机而言，当距离较远时，无人机区域仅有几个像素，极易与鸟类混淆，利用U‑Net网络分割出无人机，再结合Yolov3‑tiny网络进行检测，将大大提高小目标无人机的检测准确率，减小误检、漏检的概率。该方法对于小目标检测具有参考意义。
-
公开(公告)号：CN105338254B
公开(公告)日：2018-04-10
申请号：CN201510904303.0
申请日：2015-12-09
Applicant: 桂林电子科技大学
Abstract: 本发明为一种数码相机影像数据在线采集传输系统及运行方法，本系统连接器一端的插头与数码相机的CF存储卡外形管脚相同，插在其卡槽内。连接器另一端连接包括FPGA和与DDR的处理控制模块，FPGA经传输模块接计算机。其运行方法为，开机后相机中心处理器发送初始化检测信号，FPGA正确反馈，完成初始化，相机准备摄影或录相；相机采集的影像数据向存储卡卡槽发送，经连接器进入FPGA、送入DDR缓存。一张照片或一段录相摄取完成FPGA自动将缓存于DDR的影像数据通过传输模块传送给计算机，并向相机反馈存储完成，相机准备下一次的摄影。本发明数码相机的影像数据可在线传送到计算机，实现实时摄影测量。结构简单，成本低，操作简便。
-
公开(公告)号：CN105186847A
公开(公告)日：2015-12-23
申请号：CN201510670298.1
申请日：2015-10-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种IGBT有源钳位保护电路，是IGBT驱动保护电路的一部分，包括绝缘栅双极晶体管IGBT和与绝缘栅双极晶体管的门级连接的推动级，还包括电容钳位电路、动态反馈电路和静态反馈电路，绝缘栅双极晶体管的集电极与直流母线的正极连接，动态反馈电路主要由第一瞬态电压抑制二极管、反馈电容和第一二极管构成，静态反馈电路连接于钳位电容的输出端与绝缘栅双极晶体管IGBT的门级之间，保证过流关断和短路保护时绝缘栅双极晶体管的关断电压尖峰小于集射极电压的最大允许值。该电路不仅能准确钳住过电压，还能保证有源电路中电压的动态和静态的平衡，具有损耗较小、响应快、结构简单、可靠性高的特点，可应用于各种工况下的IGBT驱动保护电路设计中。
-
公开(公告)号：CN119829766A
公开(公告)日：2025-04-15
申请号：CN202411890125.6
申请日：2024-12-20
Applicant: 桂林电子科技大学 , 桂林瑞威赛德科技有限公司
IPC: G06F16/353 , G06F40/284 , G06F40/289 , G06F40/30 , G06F18/2431 , G06F18/2415 , G06N3/045 , H04M1/72436
Abstract: 本发明提供一种基于RoBERTa模型的电信诈骗文本分类检测方法，通过采用深度学习和自然语言处理技术，基于RoBERTa模型的深度学习框架，构建了一种能够自动学习电信诈骗文本深层语义特征的分类模型，该模型的架构，包含多头注意力、残差连接、全连接层分类三部分。在模型训练过程中结合了交叉熵损失函数和不一致性损失函数，旨在同时优化分类准确性和模型鲁棒性。交叉熵损失函数有助于提升分类精度，而不一致性损失函数则增强了模型对异常或不确定文本的辨识能力，从而有效防止了过拟合现象，提高了模型在复杂场景中的适应性和稳定性。使用本方法能够有效地提升对电信诈骗文本的分类准确性和模型鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.085 seconds)
