-
公开(公告)号：CN117498978A
公开(公告)日：2024-02-02
申请号：CN202311454394.3
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04J3/06 , G01N23/223
Abstract: 本发明涉及物联网技术领域，且公开了一种手持式XRF光谱仪元素光谱图数据同步方法，包括如下：获取手持式XRF光谱仪元素光谱图数据和全球定位系统GPS设备采集的每秒脉冲信号PPS；所述手持式XRF光谱仪元素光谱图数据包括图像信息，根据第一目标图像信号和所述PPS信号，计算所述图像数据对应的时间数据；所述第一目标图像信号为图像帧有效位信号；将所述图像数据和所述时间数据进行拼接，得到同步数据。本发明的手持式XRF光谱仪元素光谱图数据同步方法简单实用，能够实现在一定程度上的降低数据同步的成本，可提高企业的经济效益，更适合大规模的推广。
-
公开(公告)号：CN117494199A
公开(公告)日：2024-02-02
申请号：CN202311456450.7
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明涉及数据安全领域技术领域，且公开了一种保护应用业务数据库数据安全技术，包括业务数据库数据安全系统，业务数据库数据安全系统包括安全驱动模块、数据源管理模块、虚拟数据库模块和数据库服务模块，安全驱动模块采用私有加密的通信协议，数据源管理模块包括管理业务数据库信息、维护数据库连接和获取数据库元数据信息。该一种保护应用业务数据库数据安全技术，本发明的业务数据库数据安全系统包括安全驱动模块、数据源管理模块、虚拟数据库模块和数据库服务模块，并且本发明的业务数据库数据安全系统技术采用应用SQL代理的方式，则实现了可以有效放在业务数据库前进行后续的数据防护，提高对业务数据库的防护效率。
-
公开(公告)号：CN117479110A
公开(公告)日：2024-01-30
申请号：CN202311454512.0
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04W4/06 , H04W12/40 , H04L67/125 , H04L67/63
Abstract: 本发明涉及网络数据传输技术领域，且公开了一种手持式XRF光谱仪网络数据传输方法，包括以下工作步骤：第一步：手持式XRF光谱仪向外网服务器发送服务获取初始请求，服务获取初始请求包括手持式XRF光谱仪要求的目标服务的标识等。本发明手持式XRF光谱仪向外网服务器发送服务获取初始请求之前，网络数据传输方法还包括：手持式XRF光谱仪获取在身份验证时用户输入的SIM卡的PUK码，然后将输入的SIM卡的PUK码和所述终端设备内置SIM卡的真实PUK码进行比对，若比对通过，则所述手持式XRF光谱仪激活向外网服务器发送服务获取初始请求的权限，若比对不通过，则手持式XRF光谱仪无法向所述外网服务器发送服务获取初始请求。因此实现了本发明的网络数据传输方法的安全性。
-
Patent Agency Ranking
公开(公告)号：CN117237416A
公开(公告)日：2023-12-15
申请号：CN202311359381.8
申请日：2023-10-18
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T7/246 , G06V10/74 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于目标跟踪技术领域，公开了一种基于信用分配网络的单目标跟踪方法及系统，用于改善因低质量的跟踪结果导致记忆样本被污染的问题。本发明首先设计了一个利用引导聚焦损失函数在线更新的信用分配网络，其通过学习目标对象的特征为跟踪结果生成信用评分，确保更新可靠的样本以存储在记忆池中；然后，为了更好地适应跟踪过程中的目标外观变化，我们提出了一种新的记忆选择策略来收集跟踪过程中高质量的跟踪结果作为记忆样本，进一步增强了记忆池的可靠性和适应性。本发明利用引导聚焦损失函数在线更新信用分配网络，使其更好的区分目标和背景信息，从而为记忆池选择更可靠的记忆样本，提升跟踪结果的鲁棒性。
-
公开(公告)号：CN115908926A
公开(公告)日：2023-04-04
申请号：CN202211486711.5
申请日：2022-11-24
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种基于协同学习的零样本图片分类方法、系统、设备及介质，方法包括：获取数据集；训练图片编码器和语义编码器；提取图片编码和语义编码；划分两个子数据集；分别利用两个子数据集图片编码和语义编码训练两个分类器；使用两个分类器对测试数据进行预测，根据得分的排名前后将测试数据划分给两个子数据集；判断子数据集是否更新；重复划分两个子数据集训练分类器，直至子数据集不再更新；利用最终得到的两个分类器对进行最终的预测。本发明通过协同训练的方式分别利用图片特征和语义特征训练两个分类器，采用混合两种分类器数据的方式将图片特征和语义特征中互补的知识融合，提高了类别分类的正确率。
-
公开(公告)号：CN115908480A
公开(公告)日：2023-04-04
申请号：CN202211238582.8
申请日：2022-10-11
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收缩增强损失函数的多视图置信度感知跟踪方法，属于目标跟踪技术领域，用于解决传统孪生跟踪算法很少考虑模板中相似目标背景难以区分，导致的跟踪结果不准确问题。本发明首先设计了一个收缩增强损失函数，通过在回归学习训练时收缩简单背景负样本的影响，增大困难背景负样本的贡献，平衡训练样本，最终挑选对目标更敏感的通道特征；同时，为进一步增强置信度图可靠性，构造了一种多视图置信度感知方法。本发明通过多视图置信度指南将模板、前景和背景的响应图进行整合，突出目标特征，抑制背景干扰，从而获得更具判别力的目标响应图，提升跟踪结果的鲁棒性。
-
公开(公告)号：CN115731421A
公开(公告)日：2023-03-03
申请号：CN202211514426.X
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/46 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种机器学习中零样本图片分类方法及系统，获取零样本图片数据集；通过预训练网络提取数据的特征；选取两张图片输入到编码器1中，对结果计算差异损失；输入到解码器1中，计算图片重构损失；选取一张图片输入到编码器1后，将语义特征输入到编码器2中，交换后输入到解码器2中，计算差异损失、图片重构损失和语义重构损失；统计总损失；训练编码器和解码器；利用训练完成的编码器和解码器产生新的数据；组合新数据和原始数据训练分类器；利用分类器对测试样本进行测试。本发明利用解耦的方式提供了更加可靠的特征生成方式，为未见类的生成特征提供了可靠性保障，最终更好的训练未见类分类器。
-
公开(公告)号：CN115424014A
公开(公告)日：2022-12-02
申请号：CN202210879677.1
申请日：2022-07-25
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语义注意力机制的零样本语义分割方法。该方法包括如下步骤：通过背景提取模块提取背景掩码，将背景掩码与初始背景特征一起输入到背景更新模块中，输出学习得到的背景语义特征。通过像素特征提取模块得到语义注意力图和视觉特征图，利用语义特征图和语义注意力图得到适用于当前图片的语义特征，最后计算语义特征和视觉特征图的余弦相似度，根据最大的相似度实现语义分割。本方法通过可学习可更新的背景和语义特征，针对不同的图片学习得到不同的语义特征，根据得到的语义特征帮助零样本语义分割模型更好地针对每一个像素点进行语义分割，提高模型的泛化性和通用性。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.033 seconds)
