-
公开(公告)号：CN110798885A
公开(公告)日：2020-02-14
申请号：CN201911062583.X
申请日：2019-11-03
Applicant: 桂林电子科技大学
IPC: H04W64/00 , H04B13/02 , G06N3/08 , H04W84/18 , H04B17/391
Abstract: 本发明公开了一种基于测距和神经网络算法的水下定位方法，由以下方法模块构成，其方法模块包括信息处理系统模块、水下定位操作模块、显示器终端模块以及数据保存与传送模块，固定节点包括传感器节点和水声中继节点，传感器节点搜集水下信息并经过中继节点进行多跳组网，网关节点实现了水声通信和无线通信的衔接，解决了声波在水下信道中由于传播损失、吸收损失、散射损失和反射损失的存在，使得信号传输能量衰减较大的问题，它将水下网络纳入整个无线网络，水下数据经由传感器节点采集后传输至海面或岸基指挥中心，解决了由于水下缺乏便捷的可再生资源，使得水下传感器网络的运作主要依靠节点上有限负荷的电池工作。
-
公开(公告)号：CN110427924A
公开(公告)日：2019-11-08
申请号：CN201910846195.4
申请日：2019-09-09
Applicant: 桂林电子科技大学
IPC: G06K9/00 , G06N3/04 , A61B5/0452
Abstract: 本发明公开了一种基于LSTM的心冲击信号自动多分类识别方法，步骤为：获取数据集训练样本；采用小波阈值去噪的方法对获得的数据集训练样本进行预处理，得到纯净的心冲击信号；对得到的心冲击信号配合自适应阈值完成IJK波的定位，得到心冲击信号的心拍截取；构建LSTM网络模型，将得到的心冲击信号的心拍截取作为LSTM模型的输入数据，对网络模型进行训练并测试；训练过程利用反向传播算法对构建的LSTM网络模型进行权值优化，使网络收敛到全局最优；LSTM网络模型输出识别率，得到分类准确率，根据混淆矩阵分类的正误，计算kapaa系数，评估该模型的分类精度。该方法能够解决RNN存在的长程依赖和传统方法过度依赖于人工设计和分类精度不高的问题，获得较好的分类效果。
-
-
公开(公告)号：CN103176139A
公开(公告)日：2013-06-26
申请号：CN201310074148.5
申请日：2013-03-08
Applicant: 桂林电子科技大学
IPC: G01R31/36
Abstract: 本发明为动力电池非光滑迟滞特性补偿的电荷状态估算方法及系统，本法第一步采集电池输出电压和电流，由电池等效电路模型得到各参数的关系式构建神经网络OCV(k)预估模型，求解其中参数，对开路端电压OCV(k)在线估计。第二步SDH模型和RBF2串联组成动态迟滞混合模型。SDH模型以第一步所得OCV(k)为输入，其输出的y(k)和OCV(k)、OCV(k-1)为RBF2的输入，RBF2加权学习间接调整SDH模型的参数，逼近实际的复杂迟滞关系，最终输出在线估算的SOC(k)。本系统由微处理器和安装于电池电路的电流、电压传感器等构成，存储执行本方法的程序，得SOC（k）估算值。本发明借鉴神经网络，补偿了动力电池复杂非光滑迟滞非线性特性，提高SOC(k)在线估算精度。
-
公开(公告)号：CN118469879A
公开(公告)日：2024-08-09
申请号：CN202410634854.9
申请日：2024-05-22
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种基于Retinex理论和色彩均衡模型的低照度图像增强方法。低光照图像增强旨在恢复夜间捕获的图像质量，进一步提高高级视觉计算机任务的性能。最近的许多方法有效地照亮了低光图像，但未能压缩固有的噪声，消除色彩偏差等。为了解决这一问题，本发明提出了一种基于Retinex方法和色彩均衡模型的低照度图像增强方法。具体而言，我们首先通过由两个特征混合注意(FHA)组成的解耦模块以密集连接的方式提取输入的灰度表示。然后，利用分量预测模块引导下的重建网络对原始RGB图像进行质量恢复。最后，采用基于全局通道注意机制的重建模块，在校正色彩偏差的同时保留细节。大量的实验表明，该方法在弱光图像增强方面具有优异的性能。
-
Patent Agency Ranking
公开(公告)号：CN117576117A
公开(公告)日：2024-02-20
申请号：CN202311583373.1
申请日：2023-11-24
Applicant: 桂林电子科技大学
IPC: G06T7/11 , G06V10/774 , G06V10/25 , G06T5/70 , G06T5/80
Abstract: 本发明公开了一种肝脏肿瘤CT影像分割与可视化方法及系统，具体包括以下步骤：获取预处理后的肝脏肿瘤切片；将预处理后的肝脏肿瘤切片输入训练后的网络模型，获取肝脏肿瘤区域分割掩膜图；对肝脏肿瘤区域分割掩膜图进行可视化处理，获取可视化结果；基于可视化结果对肿瘤特征进行量化，获取影像特征信息。本发明在获得精确的肝脏肿瘤分割结果的基础上，采用了多种创新性的可视化处理方法，为医生提供了丰富多样的途径来深入观察和分析这些关键的医学影像数据。这些可视化方法旨在让医生更全面地了解肝脏肿瘤的位置、形态、大小以及与周围组织的关系，从而提供更准确的诊断和治疗决策支持，减小误诊率，提高工作效率。
-
公开(公告)号：CN117422703A
公开(公告)日：2024-01-19
申请号：CN202311542530.4
申请日：2023-11-18
Applicant: 桂林电子科技大学
IPC: G06T7/00 , G06N3/0464 , G06T7/73 , G06V10/764 , G06V10/82
Abstract: 本发明属于热轧带钢缺陷检测领域，提供了一种基于去噪扩散隐式模型的热轧带钢缺陷检测方法，包括如下步骤：S1，获取钢材缺陷数据集；S2，将步骤S1中获取的钢材缺陷数据集作为训练集训练去噪扩散隐式模型，并在去噪扩散隐式模型中对原有的数据进行采样，生成可用数据；S3，将步骤S2中生成的可用数据人工标注后与步骤S1中获取的钢材缺陷数据集进行混合，构成带有标注信息的数据集；本发明通过使用去噪扩散隐式模型对原有的数据进行采样并生成高质量数据，解决了现有技术中只能在小数据集上训练产生虚假高精度的模型，导致鲁棒性差的问题，提高了钢材缺陷检测的精度，减少了漏检率。
-
公开(公告)号：CN116823636A
公开(公告)日：2023-09-29
申请号：CN202310499941.3
申请日：2023-05-05
Applicant: 桂林电子科技大学
IPC: G06T5/00 , G06V10/74 , G06V10/82 , G06N3/0475 , G06N3/094 , G06N3/048 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种基于压缩自编码的无监督低照度图像增强方法，包括以下步骤：初始化生成器和判别器的网络参数；生成器获取低照度图像，提取噪声矢量，生成一次虚假图像；判别器判断一次虚假图像是真实数据图像或虚假数据图像；生成器调整生成器的生成策略，得到一次新策略；生成器获取自身生成的一次虚假图像，再次生成二次虚假图像；判别器判断二次虚假图像是真实数据图像或虚假数据图像，判别器输出二次判断结果；生成器获取二次判断结果，调整生成器的生成策略，得到二次新策略。通过使用压缩自编码提高生成对抗网络的训练效率和泛化能力，减少图像失真和噪声，从而提高无监督低照度增强算法的效果。
-
公开(公告)号：CN116645281A
公开(公告)日：2023-08-25
申请号：CN202310505440.1
申请日：2023-05-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于多阶段拉普拉斯特征融合的微光图像增强方法，将拉普拉斯金字塔分解为四个阶段，采用由粗到细的策略恢复微光图像，大尺度图像更关注高频信息，小尺度图像更关注低频信息，不同尺度特征的融合从而得到融合图像；在特征提取后传播修正后的特征，结合注意力和残差策略的机制，捕捉长期的图片中的上下文相互依赖关系；在拉普拉斯金字塔的第二阶段和第三阶段通过监督校正模块进一步保留图像的局部细节，并在向下一个阶段传播前对图像的亮度进行适当的调整。该方法能够同时减轻退化困难，并在避免增强图像流程中细节丢失、局部曝光过低等方面之间取得平衡。
-
公开(公告)号：CN116645273A
公开(公告)日：2023-08-25
申请号：CN202310633223.0
申请日：2023-05-31
Applicant: 桂林电子科技大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种令单一图像超分辨率模型适配视频超分辨率任务的方法，其特征在于，包括如下步骤：1）浅层特征提取；2）时间特征提取；3）深层特征提取；4）超分辨率帧重建。这种方法将现有不同的单一图像超分辨率模型适配到视频超分辨率任务中并取得令人满意的性能，从而减少改编单一图像超分辨率模型适配视频超分辨率任务的难度。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.05 seconds)
