-
公开(公告)号：CN110659586B
公开(公告)日：2022-03-15
申请号：CN201910820059.8
申请日：2019-08-31
Applicant: 电子科技大学
IPC: G06V30/148 , G06K9/62 , G06V10/764 , G06V10/74
Abstract: 本发明公开了一种基于身份保持循环式生成式对抗网络的步态识别方法，包括如下步骤：利用高斯背景建模方法得到步态前景得到步态能量图；通过身份保持循环式生成式对抗网络，实现步态图像的状态转换；提取目标步态视角的步态能量图的特征向量，进行步态识别处理。本发明基于身份保持循环式生成式对抗网络的步态识别方法，可以实现对步态图像转化过程的更为细致更为准确的控制，以解决步态识别中受测者状态与数据库状态不匹配的问题，可以很大程度上扩展提高步态识别的准确率以及其应用范围。
-
公开(公告)号：CN110674939A
公开(公告)日：2020-01-10
申请号：CN201910820043.7
申请日：2019-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于剪枝阈值自动搜索的深度神经网络模型压缩方法，属于深度神经网络模型压缩领域。本发明包括下列步骤：模型训练，得到用于剪枝的初始模型；对模型参数进行自适应网格搜索得到第一剪枝阈值；结合二分搜索法对第一剪枝阈值对应的阈值区间进一步搜小，寻找更优阈值大小，得到第二剪枝阈值；基于第二剪枝阈值对原始网络模型进行迭代剪枝处理；对剪枝后的模型进行稀疏存储，得到可使用的压缩网络模型。本发明提出的基于剪枝阈值自动搜索的深度神经网络模型压缩方法，可以对现有主要的深度神经网络模型进行压缩，解决了深度神经网络模型因为模型大导致无法部署到嵌入式设备上的技术问题，扩展了深度神经网络模型的应用范围。
-
公开(公告)号：CN110659586A
公开(公告)日：2020-01-07
申请号：CN201910820059.8
申请日：2019-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于身份保持循环式生成式对抗网络的跨视角步态识别方法，包括如下步骤：利用高斯背景建模方法得到步态前景得到步态能量图；通过身份保持循环式生成式对抗网络，实现步态图像的状态转换；提取目标步态视角的步态能量图的特征向量，进行步态识别处理。本发明基于身份保持循环式生成式对抗网络的步态识别方法，可以实现对步态图像转化过程的更为细致更为准确的控制，以解决步态识别中受测者状态与数据库状态不匹配的问题，可以很大程度上扩展提高步态识别的准确率以及其应用范围。
-
公开(公告)号：CN104899893B
公开(公告)日：2019-03-19
申请号：CN201510377209.4
申请日：2015-07-01
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于视觉注意力的图像质量检测方法，其主要是在视觉信息保真度(VIF)方法的基础上，结合以方差为视觉决断因素的图像结构信息分析，来建立模拟人类视觉系统对图像的视觉注意力分布模型。其首先对图像不同区域内的结构信息复杂度进行方差计算，再依据不同图像区域的结构信息复杂度方差对VIF方法加权计算，并最终对比参考图像评估图像质量，以实现模拟人类视觉系统对图像的主观质量评估。本发明的图像质量检测方法，能够获得与人类主观评测更为一致的结果。
-
公开(公告)号：CN104899893A
公开(公告)日：2015-09-09
申请号：CN201510377209.4
申请日：2015-07-01
Applicant: 电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/30168
Abstract: 本发明涉及一种基于视觉注意力的图像质量检测方法，其主要是在视觉信息保真度(VIF)方法的基础上，结合以方差为视觉决断因素的图像结构信息分析，来建立模拟人类视觉系统对图像的视觉注意力分布模型。其首先对图像不同区域内的结构信息复杂度进行方差计算，再依据不同图像区域的结构信息复杂度方差对VIF方法加权计算，并最终对比参考图像评估图像质量，以实现模拟人类视觉系统对图像的主观质量评估。本发明的图像质量检测方法，能够获得与人类主观评测更为一致的结果。
-
Patent Agency Ranking
公开(公告)号：CN119095092A
公开(公告)日：2024-12-06
申请号：CN202411269137.7
申请日：2024-09-11
Applicant: 电子科技大学
IPC: H04W24/06
Abstract: 本发明公开了一种异构跨域通信组网仿真方法。所述方法包括构建异构跨域的移动通信模型，其中，所述移动通信模型包括至少一个空中通信模型、至少一个水面通信模型以及至少一个水中通信模型；针对每个所述移动通信模型，构建所述移动通信模型中的至少一个通信网络设备，并设置所述通信网络设备的网络配置信息；构建所述网络配置信息设置完成的所述目标网络设备之间的跨域通信信道，并设置所述跨域通信信道的信道通信信息；基于所述信道通信信息设置所述通信网络设备之间的传输数据包，以得到仿真的异构跨域通信组网。本发明实现了构建包括底层异构跨域通信的细节描述的异构跨域通信组网的仿真模型的效果。
-
公开(公告)号：CN119091268A
公开(公告)日：2024-12-06
申请号：CN202411268171.2
申请日：2024-09-11
Applicant: 电子科技大学
IPC: G06V10/80 , G06T5/50 , G06V10/54 , G06V10/56 , G06V10/25 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例公开了一种基于多源异构信息融合的智能目标识别方法。该方法包括：获取对目标环境采集到的光学采集图像和雷达采集图像；其中，雷达采集图像为合成孔径雷达基于接收到的与目标环境对应的目标回波信号生成的图像；提取光学采集图像对应的第一特征信息和雷达采集图像对应的第二特征信息，对第一特征信息和第二特征信息进行特征融合操作，得到融合特征信息；基于融合特征信息和预先训练得到的目标识别模型，得到目标环境中包含的目标对象的目标对象信息。本发明实施例的技术方案，可以使融合特征信息更加充分、完整且真实地体现目标环境的特征；有利于提高目标对象信息的准确性和鲁棒性。
-
公开(公告)号：CN119052113A
公开(公告)日：2024-11-29
申请号：CN202411269848.4
申请日：2024-09-11
Applicant: 电子科技大学
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04L41/142
Abstract: 本发明实施例公开了一种跨域通信网络智能流量预测方法。其中，所述方法包括：获取参考数据，其中，所述参考数据包括跨域通信网络在当前时刻的第一流量数据和在当前时刻之前预设时段内各时刻的第二流量数据；将所述参考数据输入至预先训练完成的跨域通信网络流量预测模型，得到所述跨域通信网络在下一时刻的第三流量数据。本发明实施例的技术方案，实现了较为快速有效的对跨域通信网络中流量进行预测。
-
公开(公告)号：CN118781466A
公开(公告)日：2024-10-15
申请号：CN202410870914.7
申请日：2024-07-01
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/82 , G06V10/774 , G06V10/764 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种图像处理模型的训练方法，获取多个训练样本集；对各训练样本集，将训练样本输入至第一处理模型，得到第一样本的第一损失函数、第二样本图像的第二预测结果、融合特征的样本间第一相关性；基于第一损失函数对第一处理模型进行参数更新，并对第二处理模型进行参数优化，得到待训练第二处理模型；将第二样本输入至待训练第二处理模型，得到第二样本的第三预测结果、融合特征的样本间第二相关性；基于第一损失函数、第二预测结果、样本间第一相关性、第三预测结果以及样本间第二相关性，确定目标损失函数，以对图像处理模型进行修正；在最后一次目标损失函数收敛的情况下，得到图像处理模型，提高了对图像处理模型的模型训练效果。
-
公开(公告)号：CN114997175B
公开(公告)日：2024-06-18
申请号：CN202210529801.1
申请日：2022-05-16
Applicant: 电子科技大学
IPC: G06F40/30 , G06F16/35 , G06N3/0475 , G06N3/0442 , G06N3/045 , G06N3/047 , G06N3/084 , G06N3/0895 , G06N3/09 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于领域对抗训练的情感分析方法，属于自然语言处理技术领域。本发明所述方法主要包括以下步骤：数据预处理与文本表示，构建对抗训练网络，设定对抗网络的初始参数并迭代更新，利用完成训练的网络对目标域数据中的所有输入文字序列进行序列标注。本发明所述方法利用领域对抗训练达到了模型跨域学习的目标，采用半监督的学习方式，通过为目标域无标记数据设置伪标签，使得教师网络与学生网络的学习能力趋于一致，从而提高模型对共享特征的提取能力。本发明所述方法利用语义距离动态加权和注意力机制相结合的方式，提高模型对领域特有特征的提取能力，最终使得模型在跨域场景下能达到良好的细粒度情感分类效果。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.022 seconds)
