-
公开(公告)号：CN118212359A
公开(公告)日：2024-06-18
申请号：CN202410351697.0
申请日：2024-03-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于COLMAP和YOLOv5的敏感区域入侵监测方法，该发明在敏感区域入侵监测方向上具有一定的通用性。该专利以消防通道的入侵监测为说明案例。首先利用COLMAP将多视角图像融合建立高精度三维点云模型，明确标定出待保护的敏感区域界限。然后将YOLOv5集成至监控摄像系统中，实现实时视频流中的目标识别与定位。接着针对检测到的目标物体，使用射线法判断目标是否侵入敏感区域，一旦发生入侵事件，则立即触发警报系统，并显示在三维点云模型中。本发明能够实现对敏感区域的全方位、自动化的安全保障，具有显著的应用价值和技术进步意义。
-
公开(公告)号：CN117252199A
公开(公告)日：2023-12-19
申请号：CN202311022329.3
申请日：2023-08-14
Applicant: 电子科技大学
IPC: G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/08
Abstract: 本发明针对传统方法对于中文谓词边界易错判，词类活用性谓词识别精度低导致下游任务存在错误积累的问题，提出一种基于POS融合特征与实体边界诊断的中文谓词识别方法。该方法首先采用RoBERTa和BiLSTM做词嵌入并融合文本上下文信息；接着按照基于SPAN的方法引入新型POS注入方式，在POS表示后接一个线性注意力层将重点聚焦在各个目标SPAN上以进一步捕捉分布规律，然后通过门控模块对SPAN编码序列与POS注意力编码序列进行融合得到最终的融合向量表示以最大程度保留语义信息；边界诊断模块将SPAN首尾词的BiLSTM编码输出传入两个多层感知层(MLPs)以获得头和尾的独立表示，为了更好地判断边界信息，后接双仿射译码器用于获得每个SPAN被判为名词性或者动词性谓词概率；最后采用Softmax线性解码器以预测各个SPAN的实体类型。
-
-
公开(公告)号：CN114818963B
公开(公告)日：2023-05-09
申请号：CN202210506243.7
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06V10/80 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/771 , G06V10/82 , G06N3/045
Abstract: 本发明公开了一种基于跨图像特征融合的小样本检测方法。本发明主体结构是基于两阶段的目标检测算法Faster‑RCNN构建的小样本学习算法。首先输入查询图像和支持集图像进行特征图的提取，得到的特征图被送入跨图像特征融合模块用支持集中的特征信息来加强查询集中目标特征信息的表达，之后送入改进后的RPN模块生成ROI特征向量，再通过改进后的特征聚合模块对候选框进行筛选并完成支持集向量和ROI特征向量的空间对齐，最后将处理好的ROI和支持集向量送入分类器中进行分类，最终输出目标类型和框的准确定位。最后在PASCAL VOC数据集上设计了多组消融实验和对比实验都获得了良好的检测精度，验证了检测算法的有效性。
-
公开(公告)号：CN113159063B
公开(公告)日：2022-11-18
申请号：CN202110344831.0
申请日：2021-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进RetinaNet的小目标检测技术。该发明在许多基于深度学习的目标检测模型都具有一定的实用性，该专利以行人与车辆检测为说明案例。行人与车辆的检测在计算机视觉的实际较为广泛，且两类目标都呈现出目标尺寸下、检测场景复杂的特点。针对检测场景复杂的问题，在RetinaNet模型结构中的FPN加入了多层融合模块，多层融合可以一定程度解决特征金字塔结构中顶层语义信息被稀释的问题；针对小目标的问题，由于多尺度检测中小目标在特征层的选择灵活性较低，较大程度上依赖金字塔底层的细节信息，利用超分辨SR技术对底层特征信息进行补偿，使底层的细节信息和纹理信息等更加丰富。基于改进后的RetinaNet算法模型能够精准识别小尺寸目标，且模型也取得较高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113392876B
公开(公告)日：2022-07-05
申请号：CN202110563578.8
申请日：2021-05-24
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的小样本图像分类方法。本发明对基于图神经网络的EGNN算法进行改进优化，提出一种小样本图像分类方法。本发明方法主要由任务适应特征提取模块TAB、原型图神经网络模块和特征融合度量模块组成。本发明首先提出一种任务适应特征提取模型进行查询图像的特征提取，通过利用支持图像特征学习预测一组参数作用于查询图像特征图，调整查询图像不同特征的贡献，使其更能适应小样本的分类任务。同时在原网络上引入原型节点表示、特征融合度量模块，分别用于降低图节点规模和提升分类准确率。
-
公开(公告)号：CN112396619B
公开(公告)日：2022-05-10
申请号：CN202010811805.X
申请日：2020-08-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义分割的内部复杂组成的小型颗粒分割方法，属于图像处理技术领域。本发明首先建立了小型颗粒数据库；然后，分别从特征图融合方式、反卷积方式、损失函数这三个方面对经典的语义分割网络FCN‑8s做出改进，得到G‑Chalk网络；接着，对SLIC超像素分割算法做了深入研究，将其与GLCM灰度共生矩阵技术相结合，解决了SLIC算法处理小尺度图像误分割的问题；最后，将G‑Chalk网络与SLIC超像素分割的结果进行融合，使得语义分割图更精确。本发明可以用于稻米质量分析、细胞结构分析等技术领域，其分割准确率高。
-
公开(公告)号：CN113239211A
公开(公告)日：2021-08-10
申请号：CN202110669631.2
申请日：2021-06-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于课程学习的强化学习知识图谱推理方法。该发明针对在实体关系补全过程中出现的错误关系难题，深入研究基于课程学习的强化学习模型来解决虚假路径发现问题，即智能体游走得到的训练序列(路径)不完美导致智能体被误导，提出了一种结合课程学习策略使用基于知识的软奖励方法，该方法将智能体在环境中游走得到的路径映射到LSTM策略网络，再使用实体和关系嵌入作为参数组成的打分函数进行软奖励构造，同时在路径中多次跳转上采用智能体的动作丢弃策略进行出边的随机掩盖，最终实现较为准确的实体关系路径学习。
-
公开(公告)号：CN113190684A
公开(公告)日：2021-07-30
申请号：CN202110308273.2
申请日：2021-03-23
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提出一种基于路径质量评估的知识图谱推理算法RLKGR‑PQD。该算法包括：改进基准算法加入路径质量评估模块并给出相应的总体框架图，然后在两组公开数据集(FB15K‑237和NELL‑995)上对基准模型和改进后的RLKGR‑PQD模型进行实验，最后实验分析验证了RLKGR‑PQD算法的有效性，实验结果表明改进算法有效地提升了查询问答中的MRR指标。
-
公开(公告)号：CN113052858A
公开(公告)日：2021-06-29
申请号：CN202110307902.X
申请日：2021-03-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语义流的全景分割技术。该发明在全景分割方向上具有一定的通用性与泛化能力。在全景分割中高层语义与高分辨率之间存在着矛盾。通常全景分割中采用简单的双线性插值方法对特征图反卷积‑上采样将高层特征与低层特征相融合。但是这种操作存在特征不对齐的缺点。本发明通过引入语义流的方法使全景分割过程中的特征图能够更好的对齐，从而提升全景分割的准确性，该方法具有很好的泛化能力，能够方便的迁移到其他全景分割网络中。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.01 seconds)
