-
公开(公告)号：CN115830311A
公开(公告)日：2023-03-21
申请号：CN202211378833.2
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于点云数据自动增强的三维点云语义分割方法。该发明可以进一步增强以PointNet++为代表的点云语义分割算法在不同应用场景下的泛化性能。以往点云语义分割算法通常存在两个问题：一是利用传统的数据增强方法；二是将数据增强与网络训练分为两个阶段。本发明提出的基于点云数据自动增强的三维点云语义分割方法，通过考虑样本的基本几何结构，为每个输入样本回归一个特定的增强函数，同时学习点云样本的形状变换和逐点位移，并联合优化增强函数和优化器，解决网络中输入样本多样性不足的问题，增强网络的泛化能力。
-
公开(公告)号：CN115688786A
公开(公告)日：2023-02-03
申请号：CN202211386894.3
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F40/295 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于Bi‑LSTM的法律命名实体识别方法，属于自然语言处理领域。本发明结合词向量训练和深度学习方法，对自然语言处理领域的命名实体识别任务进行了深度的改进和优化，使其兼顾准确性与模型复杂度地问题。本发明首先进行文本预处理，减少原始文本数据中大量干扰信息；然后对处理后的语料进行词向量训练，基于skip‑gram模型训练词向量。本发明提出利用Bi‑LSTM完成语料特征提取地方法，结合CRF限制标签间的关系以及进行结果校正，解决法律领域命名实体识别问题。
-
公开(公告)号：CN115661805A
公开(公告)日：2023-01-31
申请号：CN202211368439.0
申请日：2022-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/62 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于改进的Faster RCNN的车牌识别方法，包括以下步骤：步骤1：选择VGG16作为提取车牌字符特征的主干网络，将获取的图片输入特征网络，进行卷积和池化，得到共享特征特征图；步骤2：采用RPN网络检测车牌位置的候选框；步骤3：通过以Fast RCNN检测器为基础的车牌检测网络获得车牌图片，车牌检测网络的目标在于精修ROI(Region of Interests)候选框的坐标，获得车牌的最终边框；步骤4：将提取的车牌边框内的信息输入LPRNet网络模型，提取车牌信息。本发明利用Faster RCNN网络模型识别出图片中的车牌边框的位置，再通过LPRNet网络模型对车牌边框内的图像进行整体卷积形成识别序列，提取车牌信息，识别的精准度更高。
-
公开(公告)号：CN115565699A
公开(公告)日：2023-01-03
申请号：CN202211387474.7
申请日：2022-11-07
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G16H80/00 , G06F40/289 , G06N3/04 , G06N3/08 , G06Q10/06
Abstract: 本发明公开了一种基于BERT的临床医学对话的意图识别办法，本发明涉及自然语言处理和问答系统领域，结合BERT模型与BiLSTM模型，形成新的IEBERT‑BiLSTM算法来进行问答系统意图的分类。本发明对传统的BERT模型进行了优化。引入记忆模块，将上一轮或者多轮的意图结果存储到记忆单元，在当前语句进行词向量之前，嵌入记忆单元的历史意图状态，再进行词向量化，增强了对邻次的输入数据进行综合考虑，保留了上下文的依赖关系；对传统的BiLSTM模型引入注意力机制，通过计算词与词之间的相似度去挖掘信息，在一定程度上降低噪点影响并提升用户意图的特征信息权值，提高模型的分类和预测效果。
-
公开(公告)号：CN115225625A
公开(公告)日：2022-10-21
申请号：CN202210892034.0
申请日：2022-07-27
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州) , 电子科技大学天府协同创新中心
IPC: H04L67/025 , H04L67/10 , H04L67/12
Abstract: 本发明公开一种基于远程控制的云化学分析系统，包括用户终端、云实验平台和本地分析系统；所述用户终端作为云实验平台的入口，用于提交用户的需求参数并获取和查看实验的进度和结果；所述云实验平台包括服务层、业务层、智慧层、控制层和持久层，服务层负责用户终端和本地分析系统的服务接入，业务层用于处理云实验平台内部的业务流程，智慧层用于生成实验策略，持久层负责业务数据的存储和状态维护，控制层负责对本地分析系统的远程调度；所述本地分析系统包括实验室客户端和实验设备，实验室客户端用于接收云实验平台下发的指令并驱动对应的实验设备完成指令，并向云实验平台反馈实验结果。本发明提供一种不受时间、空间限制的远程分析系统。
-
Patent Agency Ranking
公开(公告)号：CN114581363A
公开(公告)日：2022-06-03
申请号：CN202111478910.7
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于多尺度级联残差卷积神经网络的海岸线变化检测方法。目前对于海岸线的变化检测的传统方法具有效率低下且费时费力的缺点，所以该发明是基于深度学习的一种海岸线变化检测方法。该方法分为背景卷积神经网络模块，残差处理模块以及分割卷积神经网络模块。本文为了更好的获取到海岸线的变化检测结果，添加了残差处理模块，并将残差处理模块处理后的结果深度连接到分割卷积神经网络模块中，实现特征融合，提取到更多的特征信息，来达到更好变化检测的效果。
-
公开(公告)号：CN119850942A
公开(公告)日：2025-04-18
申请号：CN202311350330.9
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于自适应融合多分辨率特征的点云语义分割方法。该发明为了克服点云在构建邻域过程中由于采样到离群点和重叠点，导致邻域点云特征模糊和特征冗余，从而导致输出特征图对点云的全局描述不足等问题，提出了基于自适应融合多分辨率特征的点云语义分割方法。本发明基于RandLA‑Net网络框架，以3D点云为输入数据，采取最远点采样的方法计算下采样的中心点，然后利用KNN索引构建邻域点，在编码器的特征聚合模块，采用最大池化和平均池化结合的方法对编码器提取的局部特征进行聚合。在解码器中，针对原始输入点云的全局特征感知不足，利用自适应融合不同层级解码器的输出特征图，以此减轻原始输入不足带来的特征模糊和冗余特征。
-
公开(公告)号：CN119850941A
公开(公告)日：2025-04-18
申请号：CN202311350299.9
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V20/70 , G06V20/64 , G06V10/764 , G06V10/44
Abstract: 本发明公开了一种基于泰勒级数构建曲面的三维点云语义分割方法。以往的基于点的点云语义分割网络，通过附加更多信息，例如欧几里得距离、注意力机制，或应用各种变换，例如图形构造、体素化，间接地从几何形状中学习。这些操作可能会导致复杂的预处理和大量的计算。本发明以PointNet++作为基础网络，采用3D点云作为输入数据，利用最远点采样进行点云下采样，获得下采样的中心点之后，利用球查询获得点云的邻域点。在局部几何形状特征提取模块，利用泰勒级数将点云转换为三角形曲面，缓解了以往的局部几何形状信息提取方法带来的带来信息丢失，或者在变换过程中带来局部细节几何形状的变形问题。
-
公开(公告)号：CN119831870A
公开(公告)日：2025-04-15
申请号：CN202311326939.2
申请日：2023-10-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T5/60 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了一种多尺度低照度图像增强网络模型。近年来，图像增强技术已广泛应用于刑事侦查、医学成像等领域。然而，在低照度环境下拍摄的图像会存在亮度低、对比度低、颜色失真等情况，这些现象不仅会降低用户的视觉体验，还会干扰场景分析，对目标跟踪、图像融合等后续计算机视觉任务造成困难。针对图像增强中没有考虑多尺度以及通道等信息的问题。本发明引入了一种多层特征提取模块，提取多尺度特征，同时实现高低频特征的信息交互，节约计算量。同时利用空洞卷积扩大感受野。并在多层特征提取模块与最后引入残差结构，解决卷积过程中低层信息损失等问题。本项发明所提出的多尺度低照度图像增强网络模型，其拥有多层特征提取模块以及空洞卷积扩大感受野等有效技术手段，可极大地提高低照度图像的亮度、对比度和颜色还原度，进而解决该类图像存在的问题。除此之外，这种创新性的技术模型，具备广泛的应用前景，可广泛应用于刑事侦查、医学成像等领域，并有可能不断推动和促进图像增强技术的发展，为相关领域的研究和实践带来更加深远的影响和价值。
-
公开(公告)号：CN118587574A
公开(公告)日：2024-09-03
申请号：CN202310216785.5
申请日：2023-03-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/10 , G06V10/40 , G06V10/26 , G06V10/778
Abstract: 本发明公开了一种基于轻量化网络的建筑物提取方法。随着对城市化的高需求和高分辨率遥感图像的可用性，建筑提取已成为研究界进行密集研究的一个重要课题。本文网络通过按照1×1卷积层进行本地和全球连接来连接不同的块，从而同时访问中高频信息，实现网络的特征提取阶段以此来提高建筑物提取网络的速率，达到网络的轻量化。有效密集块和内部有效剩余块，利用多层次的连接可以帮助提出的方法学习多层次的特征，并帮助网络迅速分散信息从低到高，同时进行反向传播。在这种情况下，网络共享所有块之间的信息，从而获得更好的重构结果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.033 seconds)
