-
公开(公告)号：CN115830322A
公开(公告)日：2023-03-21
申请号：CN202211546722.8
申请日：2022-12-01
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于弱监督网络的建筑物语义分割标签扩充方法。目前基于深度学习在建筑物提取方面存在着像素级注释的大型、细粒度图像分割数据集很难获得的问题。弱监督学习可以通过依赖较弱的注释形式(如标签)来训练模型。在这里，我们学习如何在对抗性游戏中使用潦草注释进行分割。使用未配对的分割掩码，我们可以多尺度生成多个分辨率的真实分割掩码，同时我们使用涂鸦来学习它们在图像中的正确位置。该模型成功的核心是一种新颖的注意力控机制，我们使用对抗信号作为形状先验，从而在多尺度上获得更好的目标定位。作为对抗条件反射的主体，这些单元学习语义性的注意力特征图，抑制物体外部的噪声激活，并减少片段更深层次的消失梯度问题。
-
公开(公告)号：CN115796071A
公开(公告)日：2023-03-14
申请号：CN202211379642.8
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/28 , G06F30/25 , G06F111/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于体表征元尺度LBM方法的气体吸附模型。该发明根据多孔介质渗流理论提出使用格子玻尔兹曼方法对多孔介质中气体吸附的过程进行模拟的方案。选择合适的多孔介质格子玻尔兹曼模型以及适当的物理吸附方程，建立多孔介质对气体吸附的物理模型，根据宏观渗流控制方程，边界处理条件使用非平衡态外推格式，编写程序，完成对体表征元尺度的多孔介质气体吸附数值模拟。
-
公开(公告)号：CN115761845A
公开(公告)日：2023-03-07
申请号：CN202211368669.7
申请日：2022-11-03
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改进的MTCNN的人脸检测方法。我们首先在通过一种使用生成对抗网络的超分辨率技术——SRGAN，将低像素图像转换为高像素图像，SRGAN使用反学习方法，结合像素均方误差、VGG高维特征均方误差和针对训练损失的深度卷积网络来实现超分辨率恢复。在原有MTCNN网络结构中创新性地引入了InceptionV2网络结构，提高了网络的学习性能，既保留了原有网络结构的优点，又进一步提高了人脸检测算法的效率和准确性。该模块通过对特征图进行三种不同的卷积(1×1,3×3,5×5)来提取更多的特征。不同的卷积检查对不同位置的人脸具有不同的学习效果。使用不同的卷积核进行学习可以更好地达到理想的学习效果。
-
公开(公告)号：CN115761118A
公开(公告)日：2023-03-07
申请号：CN202211395904.X
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06T17/00 , G06T3/40 , G06T17/10 , G06T5/00 , G06N3/0499
Abstract: 本发明基于SSRNet网络设计了一种可拓展的表面重建的方法，该网络将大规模点云进行分块处理，并以八叉树顶点为中心点来构造局部空间的几何感知特征，弥补了传统的表面重建方法只能处理小范围的点云，难以满足对大场景以及精细表面的重建需求。本发明首先以PointNet++网络为基础，将网络层数由2层增加为3层，提取出点云的局部特征，再用八叉树结构来划分点云，将八叉树顶点作为分块的局部空间的中心点，提取出局部空间的全局特征，并增加Dropout结构来防止过拟合，然后使用SSRNet对八叉树的顶点标签进行预测，再将分块处理的部分组合起来形成全局场景，通过Marching Cubes提取目标物的表面，最后使用拉普拉斯算法对表面进行平滑细化，最终完成表面重建的任务。
-
公开(公告)号：CN115728265A
公开(公告)日：2023-03-03
申请号：CN202211547016.5
申请日：2022-12-05
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G01N21/3563 , G01N21/359
Abstract: 本发明公开了一种基于改进PLSR算法的土壤总氮检测方法。该发明在土壤理化性质检测领域有一定的通用性，并针对土壤总氮含量的预测做了一些特殊改进，该专利应用于土壤总氮含量的快速检测。普遍用于土壤中总氮分析的国家标准方法为一种基于实验室分析的化学湿法，不仅分析速度慢、操作复杂、分析成本高、容易造成二次污染，并且很难应用于野外现场分析。针对检测算法问题，首先对光谱数据进行了SG平滑滤波，然后对平滑后的数据进行PLSR建模。基于一种基于改进PLSR算法的土壤总氮检测方法，在检测速度上有明显提升，在检测准确率上也有较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN115661715A
公开(公告)日：2023-01-31
申请号：CN202211368436.7
申请日：2022-11-03
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联合检测跟踪网络的多目标跟踪方法。本发明结合传统的检测和跟踪的算法，两个任务共享特征提取网络。本发明提出了基于代价矩阵的损失函数该损失函数有效的改善了检测任务和Re‑ID任务的不兼容问题。本发明提出了根据目标的偏移距离，对原始特征图进行调整。本发明提出了结合多帧的跟踪线索，通过求和的方式和当前帧的图像一起输入到网络中，有效的改善了检测的效果，提高了算法在部分遮挡场景下的检测效果。
-
公开(公告)号：CN115661461A
公开(公告)日：2023-01-31
申请号：CN202211390419.3
申请日：2022-11-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于多特征级联全卷积网络的复杂道路场景分割方法。自动车道检测是自动驾驶汽车中的一项经典任务，传统计算机视觉技术可以执行。然而，这种技术缺乏在实现高精度的可靠性，同时在复杂和动态的道路场景中实时检测的背景下保持足够的时间复杂性。深度神经网络已经证明了它们能够在手动标记的数据上训练它们时实现竞争的准确性和时间复杂性。然而，传统算法的效率低下，精度较低。本文提出将UNet网络和改进后的DensNet网络相结合，为复杂道路场景中的车道检测任务提供了一个新的思路。
-
公开(公告)号：CN115115860A
公开(公告)日：2022-09-27
申请号：CN202210856359.3
申请日：2022-07-20
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明基于改进的SuperPoint网络和改进的SuperGlue网络设计了一种融合网络，该网络利用全卷积网络提取图像特征点，使用一种亚像素化模块利用邻域窗口信息增进特征点的坐标精度，对图像特征点与特征向量联合编码后利用注意力机制模拟人类进行特征点匹配的过程并采用Sinkhorn算法解算匹配关系。本发明设计了自适应的空间约束层，利用空间约束关系对粗匹配点对进行多种方法的并行筛选和计算，能够自适应判别图像间的空间关系，对输入图像提取出匹配好的特征点对。
-
公开(公告)号：CN113609312A
公开(公告)日：2021-11-05
申请号：CN202110636515.0
申请日：2021-06-08
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06F16/387 , G06F16/36 , G06F40/295 , G06K9/62
Abstract: 本发明提供了一种基于特征评估和关键词相似度的地理文本语料标注方法，得到高质量的地理领域标注语料。该方法包括：利用爬虫技术爬取网络文本得到知识库与语料库；对语料库进行预处理，得到清洗过的语料；根据文本中的实体对将知识库和语料库对齐；计算句子特征词；计算词语在地理实体对中的权值；选取权值最大的词作为关系词；利用Word2Vec模型生成词向量；计算句子中关系词与知识库中关系词的相似度；找出相似度最大的关系词并进行语料标注，最终得到标注实体和关系类型的语句。
-
公开(公告)号：CN113591478A
公开(公告)日：2021-11-02
申请号：CN202110636514.6
申请日：2021-06-08
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06F40/295 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于深度强化学习的远程监督文本实体关系抽取方法，该方法包括：进行数据预处理，通过分词、词向量转化、位置向量构成文本向量；Bi‑LSTM+Attentnion将自然文本编码为含有上下文语义的特征向量；通过实体类型嵌入得到实体类型信息的嵌入表示；再构建出依存树，组合表示为最终的句子表示；选用一个句子注意力机制，得到加权的包表示；通过softmax函数计算得到预测标签；使用强化学习方法在远程监督标注和预测标签中选择一个作为软标签，再使用软标签作为正确标签训练，得到最终的关系抽取结果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.036 seconds)
