-
-
-
公开(公告)号：CN114821252B
公开(公告)日：2023-05-26
申请号：CN202210260011.8
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06V10/80
Abstract: 本发明公开了一种图像识别算法的自成长方法，包括：A：采用不同原生图像识别算法对预处理后的未知图像样本进行多次测试并计算每次测试的识别准确率，确定出原生图像识别算法的种类和数量；B：对得到的原生图像识别算法进行加权以协同判别正确的未知图像样本，得到集成决策算法；C：通过跟踪算法识别未知图像样本并获取伪标签，通过集成决策算法识别未知图像样本并获取判别标签，基于伪标签与判别标签的比较结果更新算法，实现图像识别算法的自成长。该方法先通过协同训练原生图像识别算法集成技术实现判别正确的未知图像样本协同更新，再通过协同训练优化更新技术实现自成长算法的协同或自更新，提高了原生图像识别算法的精度和泛化能力。
-
公开(公告)号：CN115100209B
公开(公告)日：2022-11-08
申请号：CN202211036360.8
申请日：2022-08-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于摄像机的图像质量的修正方法及修正系统，涉及图像质量技术，先获取摄像机的原始图像及对应的视频日志数据，视频日志数据基于时间序延伸出图像；基于图像进行缺陷遍历，并圈定对应的缺陷领域；将缺陷领域的外轮廓和面积作为第一修正因素，并将与缺陷领域相邻的清楚领域作为第二修正因素，基于第一修正因素和第二修正因素调整图像的修正策略，对图像进行修正，以修正图像；基于多个修正图像进行关联测试，并在时间帧的带动下形成修正视频，且对于修正视频进行动作关联度测试；当动作关联度测试通过时，则将修正视频基于替换栏替换至当前的视频，并用修正图像替换图像。本发明能及时发现异常区域，保证修正视频的图像质量。
-
公开(公告)号：CN115100209A
公开(公告)日：2022-09-23
申请号：CN202211036360.8
申请日：2022-08-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于摄像机的图像质量的修正方法及修正系统，涉及图像质量技术，先获取摄像机的原始图像及对应的视频日志数据，视频日志数据基于时间序延伸出图像；基于图像进行缺陷遍历，并圈定对应的缺陷领域；将缺陷领域的外轮廓和面积作为第一修正因素，并将与缺陷领域相邻的清楚领域作为第二修正因素，基于第一修正因素和第二修正因素调整图像的修正策略，对图像进行修正，以修正图像；基于多个修正图像进行关联测试，并在时间帧的带动下形成修正视频，且对于修正视频进行动作关联度测试；当动作关联度测试通过时，则将修正视频基于替换栏替换至当前的视频，并用修正图像替换图像。本发明能及时发现异常区域，保证修正视频的图像质量。
-
Patent Agency Ranking
公开(公告)号：CN115016932A
公开(公告)日：2022-09-06
申请号：CN202210524307.6
申请日：2022-05-13
Applicant: 电子科技大学
IPC: G06F9/50 , G06N7/00 , G06V10/96 , G06V10/94 , G06V10/82 , G06V10/774 , G06N3/10 , G06N3/08 , G06N3/04
Abstract: 本发明涉及嵌入式模型资源调度技术领域，特别是涉及一种基于嵌入式的分布式深度学习模型资源弹性调度方法，包括构建计算精度和计算延迟的复合奖励模型、构建非受限马尔可夫决策过程以及利用深度确定性策略算法动态求解最优弹性调度策略；分布式深度学习技术完成深度学习任务的动态分配，构建以计算服务延迟和模型精度为核心的参量，并采用马尔可夫决策过程对问题建模，使用Lyapunov优化将其转化为无约束的马尔可夫奖励过程之后，通过强化学习中的深度确定性策略梯度算法实现深度学习任务的动态分配过程。通过本调度方法，能有效解决大规模深度学习算法在单个嵌入式设备中部署困难的问题，保证深度学习算法在嵌入式设备中的快速运行。
-
公开(公告)号：CN114860797A
公开(公告)日：2022-08-05
申请号：CN202210256778.3
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06F16/2458 , G06F16/9536
Abstract: 本发明涉及大数据应用技术领域，尤其涉及一种数据的衍生处理方法，包括基于原子属性信息依次建立层级数据簇，令这些层级数据簇为显性数据簇；基于显性数据簇挖掘原子间的隐性信息，并通过隐性信息建立隐性数据簇；将隐性数据簇更新至显性数据簇所在的数据库；更具所需关注的属性信息获取数据库中的高频原子，并引入热源注意力机制和双向门控循环网络对高频数据进行处理，进一步结合任务场景的对高频原子进行相关性分析，并基于相关性对高频原子进行排序。本技术方案能够高效地将海量数据进行处理，同时能够有效降低大数据算法的时间复杂度，兼顾数据挖掘的深度，在保障原有大数据系统功能的同时，还能够给各相关部门管理人物信息规划新的思路。
-
公开(公告)号：CN114821703A
公开(公告)日：2022-07-29
申请号：CN202210253355.6
申请日：2022-03-15
Applicant: 电子科技大学
Abstract: 本发明涉及图像识别技术领域，特别是涉及一种距离自适应热红外人脸识别方法，包括构建并训练改进型热红外图像超分辨增强网络Retinex‑CNN，并利用该训练完成的改进型热红外图像超分辨增强网络Retinex‑CNN对热红外图像进行处理；基于近红外获取的先验信息，利用不同的特征算法，分别对近红外和处理后的热红外图像进行局部特征提取，对提取的不同特征进行全特征融合，对融合后的特征进行降维处理，再对降维后的特征进行分类识别。通过本识别方法，能有效解决在距离变化时，热红外成像受距离影响大导致人脸识别困难的问题。
-
公开(公告)号：CN114821252A
公开(公告)日：2022-07-29
申请号：CN202210260011.8
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06V10/80
Abstract: 本发明公开了一种图像识别算法的自成长方法，包括：A：采用不同原生图像识别算法对预处理后的未知图像样本进行多次测试并计算每次测试的识别准确率，确定出原生图像识别算法的种类和数量；B：对得到的原生图像识别算法进行加权以协同判别正确的未知图像样本，得到集成决策算法；C：通过跟踪算法识别未知图像样本并获取伪标签，通过集成决策算法识别未知图像样本并获取判别标签，基于伪标签与判别标签的比较结果更新算法，实现图像识别算法的自成长。该方法先通过协同训练原生图像识别算法集成技术实现判别正确的未知图像样本协同更新，再通过协同训练优化更新技术实现自成长算法的协同或自更新，提高了原生图像识别算法的精度和泛化能力。
-
公开(公告)号：CN112954632B
公开(公告)日：2022-01-28
申请号：CN202110102396.0
申请日：2021-01-26
Applicant: 电子科技大学
IPC: H04W4/33 , H04W64/00 , H04B17/318
Abstract: 本发明属于室内定位技术领域，具体是涉及一种基于异构迁移学习的室内定位方法。本发明首先通过在每个格点采集RSS值建立离线指纹库作为源域数据，并随机收集一部分格点的RSS值作为共现数据中源域信息部分。然后在线上定位阶段，采集测试样本以及共现数据中目标域信息部分，并完成对共现数据的拼接。本发明的方法，以共现数据为桥梁，并加入边缘分布和条件分布对齐以及拓扑一致性约束，计算一个将源域投影到目标域的映射。最后，利用映射后的源域数据训练分类器，用于目标域的测试样本的位置计算。本发明充分利用共现数据，将源域和目标域数据联系起来，能在定位环境中传感器大量更换的情况下继续完成稳定、准确的定位，而不需要重新建立指纹库。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.027 seconds)
