公开(公告)号：CN118504652A

公开(公告)日：2024-08-16

申请号：CN202410519825.8

申请日：2024-04-28

Applicant: 电子科技大学

Inventor： 李文 ,  王正 ,  段立新 ,  孙翔宇

IPC: G06N3/092 ,  B25J9/16 ,  G06N3/048

Abstract: 本发明公开了机器人运动决策的离线强化学习方法及控制方法，本发明通过将集成的部分与强化学习训练部分解耦，放入反探索奖励建模的部分，从而大幅度了离线强化学习算法训练时间成本并且极大降低了对算力设备的要求。本发明通过集成式的随机网络蒸馏方法对训练中输入的状态‑动作对进行预测并计算出对应的反探索奖励，通过利用神经网络自身的泛化性来约束智能体探索，无需控制散度约束的力度，避免了超参数设置不当带来的约束过强或者过弱的问题。

公开(公告)号：CN118485692A

公开(公告)日：2024-08-13

申请号：CN202410939179.0

申请日：2024-07-15

Applicant: 电子科技大学(深圳)高等研究院

Inventor： 李文 ,  徐国威 ,  陶佳乐 ,  张彦如 ,  段立新

IPC: G06T7/246 ,  G06V10/42 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/084

Abstract: 本发明公开了一种随机性人体运动预测方法、终端设备及存储介质，解决了现有技术预测的未来运动不够准确，且无法实现语义可控预测。涉及人体运动分析技术领域。其步骤包括：将获取的过去人体骨架序列对应的条件特征与根据查询条件得到的可学习运动查询向量耦合，得到耦合特征；将耦合特征进行拓扑空间压缩，抽象出全局特征；通过全局特征预测潜在空间中构建的正交基的系数；将预测的系数与正交基进行线性组合，将线性组合结果与条件特征耦合，将耦合结果解码，得到预测的多个未来人体骨架序列。本发明有效解决了现有技术预测不够准确且无法语义可控预测的问题。

公开(公告)号：CN118470596A

公开(公告)日：2024-08-09

申请号：CN202410589765.7

申请日：2024-05-13

Applicant: 电子科技大学

Inventor： 李文 ,  段立新 ,  韩世蛟 ,  魏凡越

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/62 ,  G06V10/82

Abstract: 本发明公开了动作预测分析系统，包括数据采集模块、图像预处理模块、基于样本重要性的剪枝模块、时序冗余性剪枝模块、模型训练模块和预测模块。本系统通过对已知标签的动作视频数据集进行两次剪枝，可以去掉训练样本的冗余信息，并保留高价值训练样本，使得动作预测模型的训练时间大幅缩短，同时提高动作预测模型的识别率。

公开(公告)号：CN113158833B

公开(公告)日：2023-04-07

申请号：CN202110344628.3

申请日：2021-03-31

Applicant: 电子科技大学

Inventor： 杨幸 ,  刘守池 ,  段立新 ,  李文 ,  李晖

IPC: G06V40/10 ,  G06V10/30 ,  G06V10/46 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于人体姿态的无人车控制指挥方法，包括以下步骤：S1：利用摄像头采集视频，转化为图片帧并进行预处理；S2：对预处理后的图片帧进行目标检测分析，得到人体区域框；S3：对人体区域框进行姿态检测，得到人体姿态特征信息；S4：对人体姿态特征信息进行匹配，得到完整动作；S5：对完整动作进行分类，并映射至无人车控制指令，完成无人车指令自动识别。本发明基于人体姿态实现无人车指令自动识别，创新以计算机视觉的方法来实现对无人车的交互式控制，对于控制指挥中心来说是一种高效的指挥控制方式，对无人车智能化的发展有着极大的促进作用。

公开(公告)号：CN115565681A

公开(公告)日：2023-01-03

申请号：CN202211294731.2

申请日：2022-10-21

Applicant: 电子科技大学(深圳)高等研究院

Inventor： 段立新 ,  刘丹蕾 ,  魏凡越 ,  李文 ,  徐博润

IPC: G16H50/30 ,  G16H50/20 ,  G16H10/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了面向不平衡数据的IgA肾病的预测分析系统，涉及数据处理分析技术领域；包括数据收集模块、数据预处理模块、数据归一化模块、模型训练模块以及模型预测模块；所述数据预处理模块，连接在数据收集模块上，对临床检查数据和病理检查数据进行预处理，构成临床数据F；数据归一化模块，连接在数据预处理模块上，将得到的IgA肾病患者的临床数据F进行数据归一化操作；模型训练模块，与所述数据归一化模块连接，用于训练面向不平衡数据的IgA肾病预测模型；模型预测模块，与模型训练模块相连接，预测临床样本的IgA肾病恶化概率；本发明的有益效果是：提高IgA肾病患者恶化概率的预测效率。

公开(公告)号：CN110519745A

公开(公告)日：2019-11-29

申请号：CN201910718236.1

申请日：2019-08-05

Applicant: 西安电子科技大学

Inventor： 沈中 ,  李俊 ,  李文 ,  马耀中

IPC: H04W8/00 ,  H04W4/06 ,  H04W72/04

Abstract: 本发明公开了一种基于周期长度的最大公约数的邻居发现方法。本发明方法的具体步骤为：步骤1，获得基础周期时长集合；步骤2，设置每个节点的基础周期时长和超周期时长；步骤3，设置每个节点的工作模式；步骤4，节点发现其邻居节点。本发明不仅能够按照时隙工作，也能够按照非时隙工作，适用场景大，基础周期时长包含的时隙数目既可以是素数，也可以是合数，可设置的节点基础周期时长多，无需知道邻居节点的占空比，就可以优化节点参数，在对称占空比和非对称占空比情况下均能取得最坏情况下发现延迟的下界，平均发现延迟短。

公开(公告)号：CN108696944A

公开(公告)日：2018-10-23

申请号：CN201810215612.0

申请日：2018-03-15

Applicant: 西安电子科技大学

Inventor： 沈中 ,  周丽芝 ,  徐可可 ,  李文

IPC: H04W74/00 ,  H04W74/08 ,  H04W76/28 ,  H04L1/00 ,  H04L1/16

CPC classification number: H04W74/002 ,  H04L1/0083 ,  H04L1/1607 ,  H04W74/0816 ,  H04W76/28

Abstract: 本发明属于无线通信技术领域，公开了一种无线传感器网络中基于快速回复ACK的数据传输方法，在初始化阶段，节点建立邻节点信息表；初始化结束后，节点处于休眠/唤醒的占空比工作模式，在每次唤醒后以接收方的身份进入网络，将无线收发模块打开，并发送Beacon，在规定时间内收到数据帧则快速回复ACK，否则休眠；节点有数据发送时，以发送方的身份进入网络，在收到目的节点的Beacon后，通过CSMA退避竞争向目的节点发送数据帧，并根据是否收到目的节点的ACK以及是否收到发给自己的ACK，决定自身竞争信道的方式。本发明减小了网络中并发传输时分组发生碰撞的可能性，从而提高信道利用率，增大网络吞吐量。

公开(公告)号：CN120070868A

公开(公告)日：2025-05-30

申请号：CN202510225641.5

申请日：2025-02-27

Applicant: 电子科技大学

Inventor： 李文 ,  韩世蛟 ,  卢靖 ,  段立新

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/74 ,  G06N3/084

Abstract: 本发明提出一种基于深度学习的可见光‑红外模态目标检测方法，属于红外探测领域。所述包括：获得需要检测的可见光图像或红外图像；将可见光图像或红外图像输入卷积神经网络，得到原始可见光图像特征或原始红外图像特征；将原始可见光图像特征或原始红外图像特征输入角点注意力模块提取可见光角点特征或红外角点特征，将原始可见光图像特征或原始红外图像特征输入邻域注意力模块提取可见光边缘特征或红外边缘特征；将提取到的特征输入训练好的YOLO目标检测器，YOLO目标检测器输出目标类型、置信度以及边界框位置，输出最终目标检测结果。本发明能有效提高找到目标通用特征的能力，同时能让模型学习到更鲁棒的特征表示，加强了模型的泛化能力。

公开(公告)号：CN119579876A

公开(公告)日：2025-03-07

申请号：CN202411735947.7

申请日：2024-11-29

Applicant: 电子科技大学

Inventor： 李文 ,  段立新 ,  徐佳宜 ,  韩世蛟

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V10/46 ,  G06V10/40 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于知识增强网络的改进红外小目标检测方法，属于红外目标检测领域。本方法首先基于亮度和方向的红外特性的知识，在红外图像中前景小目标区别于周围场景的温度更高，视觉上将更为明亮；红外图像中背景的和前景的轮廓运动趋势、平滑纹理在视觉上存在明显差异，改进通用显著性特征提取方案，提取红外小目标亮度和方向的显著性特征；其次提出传统知识特征和深度学习特征相融合的加权激活融合模块，有效地重新加权和激活特征图，确保模型专注于最相关的特征。本发明中提出的知识增强网络由于构建成了模块化的性质，可以应用到任意现有的目标检测模型中，辅助现有模型提高检测能力，这一方面贡献意义较大。

公开(公告)号：CN119107392A

公开(公告)日：2024-12-10

申请号：CN202411591349.7

申请日：2024-11-08

Applicant: 电子科技大学(深圳)高等研究院

Inventor： 段立新 ,  徐国威 ,  黄野 ,  梁梓熙 ,  蒋飞宇 ,  李文

IPC: G06T13/40 ,  G06N5/04

Abstract: 本发明公开一种基于多模态大语言模型的任意骨架运动生成方法及系统，涉及计算机技术领域，解决基于文本驱动骨架动画难以保证运动自然性和连贯性，准确性和效率较低的技术问题。该方法包括：基于多模态大语言模型理解给定的骨架结构；将给定的抽象运动描述细化为关键帧的每个关节的具体运动描述；将每个关键帧的运动描述和标准姿势进行对比，生成关键帧；对关键帧进行可视化，对可视化结果进行评价并反馈；根据关键帧的信息以及运动描述生成剩余帧；对骨架结构的全部帧进行可视化，再进行评价并反馈；将对象表面和骨架结构进行绑定，生成骨架运动。本发明通过多模态大语言模型推理并细化抽象运动描述，提高了生成任意骨架运动的准确性和效率。