-
公开(公告)号：CN119005219A
公开(公告)日：2024-11-22
申请号：CN202410848574.8
申请日：2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06K7/10
Abstract: 本发明涉及一种基于哈希值码重分组的标签防碰撞方法，属于射频识别领域。本发明的方法包括：读写器对其范围内的标签进行估计，并与分组阈值比较，当标签数量大于分组阈值，则需要分组，否则无需分组，直接盘点；通过计算每张标签EPC号的哈希散列值，根据读写器发送的指令，得到哈希散列值部分序列的码重，实现给每张标签分配组号；读写器开始依次发送查询组内标签的命令，命令中包括读写器需要查询的组号，当标签自身的组号与读写器发送的组号相等时，标签应答读写器；未被本次选中的其余各组标签等待识别。本发明能有效提升高频RFID系统的吞吐量。
-
公开(公告)号：CN118840757A
公开(公告)日：2024-10-25
申请号：CN202410848110.7
申请日：2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V30/148 , G06T5/30 , G06T7/73 , G06T7/80 , G06N20/00
Abstract: 本发明涉及一种半自动指针式仪表盘识别方法，属于图像识别领域。本发明用户在拍摄的指针式仪表盘图像上，标定能确定仪表盘位置的、不在一条直线上的3个点；系统根据用户标定的3个点生成一个覆盖仪表盘的扇形区域作为仪表盘预标定扇形模版，并记录扇形区域在图像上的位置；用户在实际拍摄仪表盘图像时，系统在图像上固定位置，叠加显示为仪表盘预标定扇形模版，协助用户定位对准仪表盘；系统计算一个与实际指针重合的直线段，根据该直线段与最小刻度、最大刻度的相对位置，识别指针对应的读数。本发明能够适应多种指针式仪表盘的识别，不仅计算量小，而且准确率高，在数据采集领域中能发挥重要作用。
-
公开(公告)号：CN118840754A
公开(公告)日：2024-10-25
申请号：CN202410849496.3
申请日：2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
Abstract: 本发明涉及一种自动识别字符式仪表盘示数的方法，属于计算机视觉和深度学习技术领域。本发明的方法包括：仪表盘字符区域切割、均值迁移模糊、灰度化、边缘提取、直线提取、旋转矫正、二值化、精确定位、字符分割、字符识别。本发明的自动识别字符式仪表盘示数的方法能够方便在嵌入式手持设备部署的，能同时识别规范状态和非规范状态的，兼顾识别速度和精度，适用于车辆装备仪表识别场景。
-
公开(公告)号：CN118839706A
公开(公告)日：2024-10-25
申请号：CN202410849375.9
申请日：2024-06-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06K7/10
Abstract: 本发明涉及一种文电柜内标签高效盘点的方法，属于射频识别领域。本发明的方法包括如下步骤：设置文电柜中所有标签的盘点标志位值：读写器依次向文电柜中的所有天线发送“Select”命令，使得文电柜中天线范围内的所有标签的盘点标志位为“A”，该标志位下标签可被盘点；不发送“Select”命令，即不改变标签的盘点标志位，开启标签盘点，完成柜内所有标签盘点。本发明降低了标签被重复盘点的概率，无需对盘点结果去重处理，提高了标签盘点概率。
-
公开(公告)号：CN118334636A
公开(公告)日：2024-07-12
申请号：CN202410385382.8
申请日：2024-04-01
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V20/62 , G06V30/148 , G06V30/18 , G06V30/19
Abstract: 本发明涉及一种非规范状态旋转式机械计数器识读方法，属于机器视觉技术领域。本发明读取旋转式机械计数器区域图像，判定旋转式机械计数器区域图像中是否有包含非规范状态字符，若存在，构造连续字符模版，连续数字模版进行刻度标定，遍历连续数字模版，计算其内积的和，计算最大内积和及其位置，换算刻度值，输出识别结果。本发明利用非规范状态位字符的之间的差异性，通过遍历的方式，不仅可以快速识别非规范状态字符，还可以更精确到小数位进行估算，满足了旋转式机械计数器非规范状态位快速识别的需求。
-
Patent Agency Ranking
公开(公告)号：CN113627175B
公开(公告)日：2024-05-28
申请号：CN202110941722.7
申请日：2021-08-17
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06F40/284 , G06F40/216 , G06F17/16 , G06F17/18
Abstract: 本发明涉及一种利用正交变换计算汉语词向量的方法，属于语言处理领域。本发明将单个汉字用数值矩阵表示；用一个汉语词中的汉字的数值矩阵合成这个汉语词本身的数值矩阵；对单个汉语词的数值矩阵进行正交变换，得到正交变换后的系数矩阵；将汉语词正交变换系数矩阵归一化，使得正交变换系数矩阵的元素平方和等于1.0；在经过归一化的正交变换系数矩阵的左上角子矩阵或整个矩阵的元素按行或按列的顺序排列，得到汉语词的词向量。本发明先将汉语词表示为数值矩阵，再进行正交变换和归一化，最后截取低频系数作为汉语词的词向量，计算简单，可以避免汉语词向量化时常见的“未登录词”问题，在汉语的自然语言处理中具有重要的应用价值。
-
公开(公告)号：CN117392448A
公开(公告)日：2024-01-12
申请号：CN202311371945.X
申请日：2023-10-23
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
Abstract: 本发明涉及一种基于神经网络同时识别多类零件的方法，属于计算机视觉和深度学习技术领域。本发明的输入端用于输入待检测的图像。将图像缩放到640*640，输入图像为RGB三通道；基准网络用于特征提取。基准网络由一个卷积操作，4个DCBH模块，4个C3模块以及一个SPPF模块组成；Neck网络用于收集不同阶段的特征图，实现多尺度特征融合；Head输出层用于预测目标的种类和位置。Head输出层在Neck网络模块输出的不同尺寸的特征图的基础上进行卷积操作，得到三个不同尺寸的检测头，用于检测不同尺寸的目标。
-
公开(公告)号：CN117332796A
公开(公告)日：2024-01-02
申请号：CN202311265445.8
申请日：2023-09-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06K7/10 , G06F18/214 , G06F18/27 , G06N5/01 , G06N20/20
Abstract: 本发明涉及一种利用起始帧碰撞波形估计标签数量的方法，属于射频识别领域。本发明构造用于标签数量估计的随机森林离线模型：将DFSA算法初始Q值设置为0，盘点多组已知数量的标签，此时所有标签同时响应，起始帧(SOF)的碰撞波形与标签数量呈一一映射关系，将SOF碰撞波形和已知的标签数量分别作为训练随机森林样本集的特征集和标记空间，训练用于标签数量估计的随机森林离线模型；预估待盘点标签的数量：将未知数量密集标签的SOF碰撞波形作为随机森林离线模型的输入，其输出即为标签数量预估值。本发明能有效提升高频RFID系统盘点效率。
-
公开(公告)号：CN117313758A
公开(公告)日：2023-12-29
申请号：CN202311257522.5
申请日：2023-09-27
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06K7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种利用卷积神经网络估计标签数量的方法，属于射频识别领域。本发明公开了一种利用卷积神经网络(CNN，Convolutional Neural Network)估计标签数量的方法，适用于采用动态帧时隙ALOHA算法(DFSA，Dynamic Framed Slotted ALOHA)的高频射频识别(RFID，Radio Frequency Identification)系统。该方法主要包括：(1)构造CNN模型：对于已知数量的标签，将DFSA算法中的Q值设置为0并开启盘点，此时所有标签同时响应产生碰撞，采集此时起始帧(SOF，Start ofFrame)的碰撞波形作为样本集的特征集合来训练CNN模型；(2)预估待盘点标签的数量：对于未知数量的待盘点标签，设置DFSA算法的Q值为0，采集此时SOF的碰撞波形作为训练得到的CNN模型的输入，输出为标签数量估计值。本发明能有效提升高频RFID系统盘点效率。
-
公开(公告)号：CN117292189A
公开(公告)日：2023-12-26
申请号：CN202311267758.7
申请日：2023-09-28
Applicant: 北京计算机技术及应用研究所 , 北京航天爱威电子技术有限公司
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06V10/74
Abstract: 本发明涉及一种利用神经网络计算图像哈希值的方法，属于图像处理领域。本发明选择一个已经训练好的图像分类神经网络，利用这个神经网络，提取指定图像的高维特征；利用多幅图像的高维特征，训练一个自编码神经网络，压缩图像特征的维数，以得到图像的低维特征；利用前述图像分类神经网络和自编码神经网络，获得图像的低维特征，将低维特征二值化，得到图像的哈希值。本发明提出的计算图像哈希值的方法，能够有效利用神经网络提取的输入图像的特征信息和语义信息，使得相似图像的哈希值相似，有助于图像数据库的快速检索，在图像检索应用中具有重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.039 seconds)
