-
公开(公告)号：CN112270691B
公开(公告)日：2023-04-21
申请号：CN202011100484.9
申请日：2020-10-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动态滤波器网络的单目视频结构和运动预测方法，包括以下步骤：步骤1：获取深度估计数据集并进行预处理；步骤2：构建单目视频结构和运动估计系统，包括深度估计网络、相机姿态估计网络和可解释性网络以及动态滤波器生成网络；步骤3：将步骤1得到的数据集输入到步骤2构建的神经网络中，并对其进行联合训练；步骤4：采用步骤3训练得到的分别进行神经网络进行深度值的预测。本发明充分利用光学图像与深度图像之间的相关性，实现了对深度图片的自适应滤波，在深度估计任务中能够建立深度图和输入彩色图片之间的联系，对边界信息处理得也更好。
-
公开(公告)号：CN115811145A
公开(公告)日：2023-03-17
申请号：CN202211634080.7
申请日：2022-12-19
Applicant: 电子科技大学长三角研究院(湖州) , 四川赛康智能科技股份有限公司
Abstract: 本申请公开了一种基于磁谐振耦合技术的开关柜信能同传装置，包括相互耦合通信连接的能量传输装置和安装在高压开关柜的梅花触头上用于实时采集梅花触头温度的温度监测装置；以及FPGA模块，所述FPGA模块分别通过调谐匹配网络T1和调谐匹配网络T2与所述端口匹配网络A和端口匹配网络B通信连接。本发明采用传输效率与传输功率更优，并且不会受制于周围环境的电磁干扰；相比于有源温度监测装置无需受制于电池自身电量，电池更换，测温装置重复定位校准测温位置等一些列问题，并且实现测温准，响应快，处理及时；相比与磁感应耦合式，其传输距离更远，线圈正对情况下，对于位置变化的敏感性更低。
-
公开(公告)号：CN114969740A
公开(公告)日：2022-08-30
申请号：CN202210632974.6
申请日：2022-06-07
Applicant: 电子科技大学
Abstract: 本发明公开一种避免指令序列触发型硬件木马触发的防御机制，应用于处理器硬件安全领域，针对现有的通过软件层面进行指令混淆的机制易被攻击者绕过的问题与现有的通过硬件层面进行指令混淆的机制存在的不足之处；本发明在处理器程序运行期间，由指令缓存输入给IF的既定指令流先经过指令细粒度加密模块进行加密；加密的既定指令再由IF输入给新增流水IO时，先进行解密操作；然后根据新增流水IO给出控制信息1驱动动态随机模块产生控制信息2随机地从由自定义OPCode指令组成的混淆指令库中选择若干条自定义OPCode指令插入在处理器既定指令之间；最后将混淆指令流输入给ID，实现处理器避免指令序列触发型硬件木马的触发。
-
公开(公告)号：CN114926779A
公开(公告)日：2022-08-19
申请号：CN202210443714.4
申请日：2022-04-25
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246 , G06T7/66 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的端到端的飞行器检测与跟踪方法，提出一个基于深度学习的多尺度自适应联合框架来同时完成目标检测和外观特征的提取，位置预测三个任务。建立三个子分支，分别对飞行器的外观，飞行器的位置大小以及不同飞行器外观间的差异性进行学习，通过对类内与类间外观的学习，不仅能加强弱环境下飞行器的检测能力与飞行器之间的区别能力，有效提升多飞行器跟踪的精度与效率。
-
公开(公告)号：CN114926684A
公开(公告)日：2022-08-19
申请号：CN202210578041.3
申请日：2022-05-25
Applicant: 杭州电子科技大学 , 浙江省疾病预防控制中心
IPC: G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种结合注意力机制与深度可分离卷积残差网络的蚊虫识别方法及系统，本发明方法包括：预训练阶段，(1)预处理公共数据集的图片，使用Cifar10数据集；(2)构建神经网络模型：主干网络是残差网络ResNet18，将ResNet18中的所有卷积操作替换为深度可分离卷积，并引入注意力机制模块；(3)在Cifar10数据集上预训练，训练所得的网络参数保存为.pth为后缀的参数文件中；微调阶段，(1)预处理蚊子图片；(2)修改预训练阶段获得的模型的最后一层，将最后一层全连接层的神经元数量修改为四，对应四类蚊虫种类；(3)将参数文件加载到模型中，在蚊虫数据集上继续训练微调模型参数；网络输出为四个概率值，概率最大者所在位置为模型预测该样本相应的类别。
-
Patent Agency Ranking
公开(公告)号：CN111160214B
公开(公告)日：2022-03-15
申请号：CN201911354164.3
申请日：2019-12-25
Applicant: 电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于数据融合的3D目标检测方法，该方法采用深度卷积网络实现，具体包括：首先提出了一种特征提取方法，将点云鸟瞰图和待检测目标图像进行特征提取；然后利用马尔科夫随机场模型(MRF)将3D点云数据利用空间约束条件编码进一个全局能量函数，来提取3D候选建议框；最后提出一种数据融合方式，将多模态数据进行融合，进行目标框的分类和回归。本发明提出的基于数据融合的3D目标检测方法，能有效提高检测网络在不同环境下对3D空间中感兴趣的不同目标的检测与定位性能，解决了道路环境下因为点云稀疏性而导致行人和车辆检测不佳的问题。
-
公开(公告)号：CN109711379B
公开(公告)日：2022-03-15
申请号：CN201910002424.4
申请日：2019-01-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种复杂环境交通信号灯候选区域提取及识别方法。本发明的提取交通信号灯候选区域时，通过避开直接从灰度图像处理的方式，将对图像的处理以提取多层图像信息的感知模型，以及张量结构化的方式进行。有效去除了原始图像中冗余杂乱的区域，得到了更加精准的分割图像。同时在关联图像集抽取时结合关联元素之间的时域互相关信息从而更好的保留了图像中交通信号灯的内容。识别阶段从以感知模型为基础构建的结构张量出发提取张量内部特征，有效提高了识别精度。本发明兼顾了简单背景和复杂背景下的目标提取，准确度高，鲁棒性好。
-
公开(公告)号：CN113792631A
公开(公告)日：2021-12-14
申请号：CN202111015234.X
申请日：2021-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度自适应与边域注意力的飞行器检测与跟踪方法，通过构建基础特征提取网络提取预处理后原始飞行器图像的原始特征图，并结合小尺寸目标分支网络模型提取原始特征图中小目标特征图；利用目标预测模型根据小目标特征图得到检测目标特征图集合及各检测目标特征图对应的特征向量，并利用多飞行器跟踪算法进行飞行器检测与跟踪；本发明利用编解码结构与残差连接优化特征图浅层纹理特征与较深层语义特征的融合传递，提高推断速度，使信息融合更加充分，并结合边域注意力机制网络，有效提升网络模型特征提取能力；利用小尺寸目标分支网络模型降低信息的损失程度，有效优化小尺寸目标检测准确性，提高了机场场面飞行器的管理效率。
-
公开(公告)号：CN113792100A
公开(公告)日：2021-12-14
申请号：CN202110974113.1
申请日：2021-08-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于变异系数的地理空间区域数据多尺度可视化方法。本发明方法首先利用空间相似性将地理空间区域数据进行层次聚类，形成层次结构；然后利用变异系数对层次结构中每个聚类的属性分布进行估计，并依据其变异系数的值进行最优尺度划分，以同时呈现变异系数较低聚类的多尺度可视化。此外，从变异系数和信息熵两方面进行多尺度可视化结果的评估与定量比较，并通过雷达图的使用，从形状方面增强可视化差异的视觉表现，进而直观地评估和比较本多尺度可视化方法。本发明方法实现了一个用于地理空间区域数据的多尺度可视化模型，使用户能够同时可视化地探索原始地理数据的全局特征和细节特征，并深入地了解地理空间区域数据中的潜在特征。
-
公开(公告)号：CN112488061A
公开(公告)日：2021-03-12
申请号：CN202011507205.0
申请日：2020-12-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种联合ADS‑B信息的多航空器检测与跟踪方法，包括以下步骤：S1：对航空器回传的ADS‑B信号进行解码，得到航空器在二维图像中的位置信息和身份标识；S2：将连续两帧二维图像与二维图像中的位置信息和身份标识输入至深度卷积神经网络中，进行训练；S3：利用训练好的深度卷积神经网络，对连续两帧二维图像进行目标检测与跟踪。本发明提出了一个检测及跟踪一体化的跟踪框架，并且结合了多航空器已有的ADS‑B技术对该框架进行辅助训练，缓解在多目标跟踪中由于目标之间相似度过高和相互遮挡造成的目标丢失，ID频繁交换以及轨迹不完整等问题，同时改善了漏检的情况，也使检测结果更加准确。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.035 seconds)
