-
公开(公告)号：CN119091322B
公开(公告)日：2025-05-16
申请号：CN202411328327.1
申请日：2024-09-24
Applicant: 烟台大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感图像处理技术领域，具体涉及基于深度学习的遥感图像目标检测方法、系统、装置，对待处理的遥感图像数据进行多个不同尺度大小卷积核的深度可分离卷积，以捕捉到不同尺度的信息并有效扩大感受野；采用条状卷积注意力机制，其中的条状卷积组合不仅可以帮助理解上下文信息，还可以增强对条状物体的敏感度；所得到的特征有效地缓解了在目标检测任务中存在的目标尺度差异和复杂背景信息问题，既实现了高检测精度，又保持了高推理速度。
-
公开(公告)号：CN119992502A
公开(公告)日：2025-05-13
申请号：CN202510465508.7
申请日：2025-04-15
Applicant: 烟台大学
IPC: G06V20/56 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明涉及3D图像生成技术领域，具体为基于频率感知特征融合的3D车道线生成方法和系统；通过设计包括用于提取图像不同深度尺度特征的多尺度特征提取网络，用于从高分辨率特征中提取高频信息、并与低分辨率特征进行融合以增强低分辨率特征的表达能力的频率金字塔网络，用于提取更稳健、更高级的BEV特征的空间转化融合网络，用于生成3D车道线的车道线提取网络的3D车道线生成模型，来提高了3D车道线生成的准确性和鲁棒性，能够更好地应对复杂环境中的变化，同时保持良好的实时性，适用于自动驾驶和辅助驾驶系统，展现出广阔的应用前景。
-
公开(公告)号：CN119228853B
公开(公告)日：2025-04-15
申请号：CN202411764387.8
申请日：2024-12-04
Applicant: 烟台大学
IPC: G06T7/246
Abstract: 本发明属于图像处理技术领域，具体涉及基于选择性状态空间的目标跟踪方法、系统、装置、介质，该方法先引入代理令牌，对待处理特征进行交互，来捕捉上下文信息，更好地聚焦于当前帧目标相关的特征，提升目标辨识能力；然后构建选择性状态空间，对当前帧的状态进行动态更新，有效地将历史信息与当前帧特征相结合，并动态调整当前状态的表达；最后当前帧的状态通过自注意力机制和线性变换，预测边界框，进行目标跟踪，提高了对视频序列中特定目标的跟踪精度和连续性，增强了在复杂场景中的适应能力。
-
公开(公告)号：CN119676094A
公开(公告)日：2025-03-21
申请号：CN202510185592.7
申请日：2025-02-20
Applicant: 烟台大学
IPC: H04L41/12 , H04L41/142 , H04L41/16 , H04L41/0631 , H04L67/12 , G06N3/04 , G06N3/08 , G06N5/022
Abstract: 本发明涉及工业物联网检测技术领域，尤其是涉及一种基于联邦图神经网络工业物联网设备检测方法及系统。所述方法，包括获取每个设备的实时运行状态数据和传感器的测量值，利用输入数据作为设备节点特征构建拓扑图，并基于拓扑图引入知识图谱，将客户端设备状态与知识图谱信息进行融合，引入注意力机制对客户端本地模型的权重进行自适应调整；基于融合后的节点特征进行特征增强，建立基于强化学习的联邦图神经网络客户端动态调度策略，利用全局模型进行图结构数据的节点分类任务，本发明基于融合后的节点特征进行特征增强、引入投影头和计算对比损失，提升了模型在缺乏标注数据下的性能，使模型学习到更稳健特征，增强了对设备故障的判断准确性。
-
公开(公告)号：CN119130801B
公开(公告)日：2025-03-14
申请号：CN202411603889.2
申请日：2024-11-12
Applicant: 烟台大学
IPC: G06T3/4046 , G06T3/4076 , G06T3/4023 , G06N3/0464
Abstract: 本发明属于图像处理技术领域，具体涉及一种遥感图像重建模型的构建及训练方法、系统，该遥感图像重建模型以先验特征为指导，提取局部特征和全局特征并进行自适应特征融合，对低分辨率图像进行重建，其中先验特征为图像的结构、纹理和边缘等提供了额外信息，使得模型能够更精确地重建高分辨率图像的细节；且提取局部特征和全局特征时，充分利用先验特征和全局上下文关系，并采用自适应特征融合处理将局部特征和全局特征融合，增强了模型在超分辨率重建任务中的表现。
-
Patent Agency Ranking
公开(公告)号：CN118893636B
公开(公告)日：2025-01-21
申请号：CN202411396563.7
申请日：2024-10-09
Applicant: 烟台大学
IPC: B25J9/16
Abstract: 本发明涉及神经网络技术领域，尤其是涉及一种基于卷积神经网络的机器人姿态估计方法及系统。方法，包括获取工业机器人姿态信息数据；对获取的工业机器人姿态信息数据进行自动化标注，得到数据集；对数据集进行预处理；利用预处理后的数据集训练卷积神经网络模型；利用训练好的卷积神经网络模型对机器人进行姿态估计。本发明通过自动化标注与手工校准相结合的方法，生成高精度的工业机器人臂姿态数据集，克服了传统方法中手工标注耗时和不精确的问题。
-
公开(公告)号：CN118841979B
公开(公告)日：2025-01-21
申请号：CN202411311278.0
申请日：2024-09-20
Applicant: 烟台大学
IPC: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
Abstract: 本发明涉及模型运算技术领域，尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法，包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型；基于负荷预测模型对电力系统多源数据进行预测，得到负荷预测数据；基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测，得到异常检测结果；将异常检测结果和负荷预测结果相融合，生成综合评分；根据生成的综合评分，利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化，从而显著提升了负荷预测的精度。
-
公开(公告)号：CN119091322A
公开(公告)日：2024-12-06
申请号：CN202411328327.1
申请日：2024-09-24
Applicant: 烟台大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感图像处理技术领域，具体涉及基于深度学习的遥感图像目标检测方法、系统、装置，对待处理的遥感图像数据进行多个不同尺度大小卷积核的深度可分离卷积，以捕捉到不同尺度的信息并有效扩大感受野；采用条状卷积注意力机制，其中的条状卷积组合不仅可以帮助理解上下文信息，还可以增强对条状物体的敏感度；所得到的特征有效地缓解了在目标检测任务中存在的目标尺度差异和复杂背景信息问题，既实现了高检测精度，又保持了高推理速度。
-
公开(公告)号：CN118365646B
公开(公告)日：2024-10-01
申请号：CN202410796193.X
申请日：2024-06-20
Applicant: 烟台大学
IPC: G06T7/00 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及缺陷检测技术领域，尤其是涉及一种基于生成对抗网络的异型衬套缺陷检测方法及系统。所述方法，包括获取包含异型衬套外表面的图像数据，并利用图像数据生成点云数据；对生成的点云数据进行预处理，包括利用欧式聚类算法对点云数据进行去噪处理；利用预处理后的点云数据构建对抗网络模型，包括构建生成器、判别器和损失函数；基于构建完成的对抗网络模型进行模型训练，包括对生成器和判别器进行训练；利用预处理后的点云数据和对抗网络模型进行模型的缺陷检测；根据缺陷检测结果进行缺陷记录。本发明通过引入注意力机制的生成对抗网络能够更好地关注和利用点云数据中的重要信息，提高缺陷检测的准确性和效率。
-
公开(公告)号：CN118333861B
公开(公告)日：2024-08-20
申请号：CN202410756700.7
申请日：2024-06-13
Applicant: 烟台大学
IPC: G06T3/4053 , G06T5/60 , G06T5/50 , G06N3/0475 , G06N3/084 , G06N3/0464 , G06T3/4007
Abstract: 本发明属于图像处理技术领域，具体涉及一种遥感图像重建方法、系统、装置、介质，首先通过模拟实际遥感图像的退化情况来增强数据的真实性、复杂性，然后对遥感图像分别进行两次重建，并根据对比度进行自适应融合以整合不同分辨率的图像信息，从而提高了图像重建的准确性、清晰度和高质量。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.06 seconds)
