-
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。
-
公开(公告)号：CN114723875A
公开(公告)日：2022-07-08
申请号：CN202111472948.3
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种融合了语义分割网络的改进三维场景重建技术。该发明主要针对动态场景下尤其是存在运动物体的室内动态场景下的定位与建图。针对场景重建过程中运动物体会影响三维重建效果的问题，在ORB‑SLAM2框架中加入了目前较为先进的语义分割网络DeeplabV3+，选择MSCOCO数据集训练语义分割网络，将静态特征点和潜在的动态特征点进行区分。而后利用前后帧之间匹配特征点和对应极线的关系进行筛选，确定潜在特征点中处于运动状态的目标特征点并将其剔除，用以得到准确的三维场景地图。加入了语义分割网络的ORB‑SLAM2模型能够一定程度上减少动态场景下运动目标对定位与建图的干扰，且得到的三维地图融合了部分语义信息。
-
公开(公告)号：CN114637827A
公开(公告)日：2022-06-17
申请号：CN202111471323.5
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/332 , G06F16/951 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q40/04
Abstract: 本发明公开了一种基于图神经网络的碳交易事件抽取方法，属于自然语言处理技术领域。本发明首先定向爬取中文碳交易文本，对文本进行清洗和预处理，获取相应的数据集；然后通过预处理模型BERT和BiGRU网络，融合词性特征，提取长距离语义信息，获得词级特征和句级特征；再者，通过CRF模型提取句子中的候选触发词和候选论元；然后基于候选事件元素构建图神经网络节点，根据句级特征相似度构建图神经网络边，加入多头注意力机制，通过图神经网络学习事件触发词和事件论元的依赖关系；最后基于全连接层和Sigmoid层分类事件候选元素。本发明针对中国新兴的碳交易市场的非结构化信息，可理解深层语义信息，关注句子中重要的词，有效提取结构化的碳交易事件信息。
-
公开(公告)号：CN114610874A
公开(公告)日：2022-06-10
申请号：CN202111471316.5
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/35
Abstract: 本发明公开了一种基于BERT模型的安全事故标签分类方法，属于自然语言处理领域。本发明首先进行对文本进行预处理，精简文本，提高处理效率；然后使用基于BERT预训练模型实现抽取式文本摘要，使用NEZHA预训练语言模型及PGN模型实现生成式文本摘要；最后通过ALBERT训练模型，借助迁移学习的思想进行多标签多任务分类。可对安全事故及原因分类，为安全生产监管、事故隐患排查和分析奠定基础，实现安全生产事故分类水平的提升。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN113984698A
公开(公告)日：2022-01-28
申请号：CN202111237971.4
申请日：2021-10-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3504
Abstract: 本发明涉及工业排放技术领域，具体地说，涉及一种快速检测工业排放甲苯的红外光检测方法。其包括如下步骤：用微量注射器准确抽取甲苯气体，注入至注射器中；在工业废气处，通过注射器抽取现场空气，标记为废气样品；再使用注射器采集清洁空气，标记为对比样品；用清洁空气稀释标准样品成多个标准样品系列，分别取样，用气相色谱仪测量保留时间及峰面积；用测定标准样品系列的操作条件测定废气样品和对照样品；该快速检测工业排放甲苯的红外光检测方法中，用微量注射器采集空气中甲苯，直接进样气相色谱，氢火焰离子化检测器测定，效果良好，方法的重现性较好，同时空气中的其他物质在本方法条件下不干扰测定。
-
公开(公告)号：CN119181006A
公开(公告)日：2024-12-24
申请号：CN202411291368.8
申请日：2024-09-14
Applicant: 电子科技大学长三角研究院(湖州)
Inventor： 阿杜尼亚·特斯法耶·雷家萨 , 许文波
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V20/13 , G06V10/82 , G06N3/0464
Abstract: 本发明属于遥感领域，公开了一种利用分类技术的基于云掩模的多时相像素除云合成方法及系统，该方法包括：使用SVM和U‑net对所有日常图像进行分类，并生成两组分类栅格；将分类后的栅格转换为云掩码图层；使用遮罩层每天遮罩相应的MODIS；使用最大值方法产生最佳复合产品。本发明的产品在RF、SVM和U‑net三个分类器中产生了最佳的分类精度，证明了本发明在去除云、噪声和/或污染像素方面的有效性。
-
公开(公告)号：CN119151806A
公开(公告)日：2024-12-17
申请号：CN202310696472.4
申请日：2023-06-13
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深度学习的无人机图像增强方法。该发明针对RetinexNet算法对于图像中已经足够亮的像素，仍会进行增强处理，导致图像失真和信息丢失的问题，利用基于皮尔生长曲线对图像进行自适应亮度伽马校正，通过对图像的每个像素进行非线性变换来调整亮度，使其在人眼中具有更加平均的感知。针对RetinexNet算法会引入新的噪声的问题，本发明在Retinex分解模块引入引导滤波来替代高斯滤波对图像进行平滑去噪，利用高质量的引导图像来引导滤波器进行滤波，从而保留原始图像的边缘和细节；然后设计了基于引导滤波的Retinex分解模块，更好的计算图像的反射分量和光照分量。
-
公开(公告)号：CN119131101A
公开(公告)日：2024-12-13
申请号：CN202310701044.6
申请日：2023-06-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/50 , G06V10/52 , G06V10/44 , G06V10/74 , G06V10/82 , G06N3/044 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/082
Abstract: 本发明针对利用多视无人机序列图像进行大范围场景的三维重建任务时，存在模型细节还原度不高，算力和存储资源要求高，建模时间长等问题，设计了一种基于动态多尺度特征和内容感知聚合的深度估计网络。高精度的深度估计是实现高精度三维重建的重要保障，该网络以多视角立体网络MVSNet为基础，引入了动态多尺度特征提取网络、轻量级代价体、内容感知的代价体聚合模块和循环卷积混合网络，能够提取出图像中更丰富更深层次的深度信息，且在运行效率方面也有优秀的表现。
-
公开(公告)号：CN118587575A
公开(公告)日：2024-09-03
申请号：CN202310217293.8
申请日：2023-03-03
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动态尺度特征的湖泊水域动态变化检测方法。该发明基于动态尺度特征设计了一个孪生网络，该网络可用于湖泊水域的变化检测。首先分别利用6个曲率引导的动态尺度卷积(CDSConv)来学习原始遥感影像中的像素级的鲁棒表示，由这6个动态尺度卷积层构成的动态尺度特征网络(CDSFNet)能够学习到图像的动态尺度特征，然后利用孪生网络获取不同时相之间的图像变化,弥补传统变化检测方法中耗时长、精度差，难以定量确定差异的缺点。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.033 seconds)
