-
公开(公告)号：CN114719759B
公开(公告)日：2023-01-03
申请号：CN202210339031.4
申请日：2022-04-01
Applicant: 南昌大学
Abstract: 本发明公开了一种基于SLAM算法和图像实例分割技术的物体表面周长和面积测量方法，具体为：使用带有单目相机和惯性测量元件(InertialMeasurementUnit，IMU)的手机，利用SLAM技术对被测量物体进行尺度测量，计算出相机拍摄的照片被测物体附近像素点的代表的实际尺度；使用深度学习的卷积神经网络技术，分割待测照片，遮盖住原图像中不相关内容，得到主体图像之后再进行二值化处理，选定需要测量的物体主体；计算该二值图的主体包含的像素个数和检测主体的边缘像素点个数，结合每个像素代表的长度数值，换算出该物体的表面周长和面积。本发明实现了仅通过手机就能迅速、准确地得到相机视野中物体的单个面边缘周长、这个面投影到平面的面积和弯曲线形物体长度。
-
公开(公告)号：CN114719759A
公开(公告)日：2022-07-08
申请号：CN202210339031.4
申请日：2022-04-01
Applicant: 南昌大学
Abstract: 本发明公开了一种基于SLAM算法和图像实例分割技术的物体表面周长和面积测量方法，具体为：使用带有单目相机和惯性测量元件(InertialMeasurementUnit，IMU)的手机，利用SLAM技术对被测量物体进行尺度测量，计算出相机拍摄的照片被测物体附近像素点的代表的实际尺度；使用深度学习的卷积神经网络技术，分割待测照片，遮盖住原图像中不相关内容，得到主体图像之后再进行二值化处理，选定需要测量的物体主体；计算该二值图的主体包含的像素个数和检测主体的边缘像素点个数，结合每个像素代表的长度数值，换算出该物体的表面周长和面积。本发明实现了仅通过手机就能迅速、准确地得到相机视野中物体的单个面边缘周长、这个面投影到平面的面积和弯曲线形物体长度。
-
公开(公告)号：CN118158116A
公开(公告)日：2024-06-07
申请号：CN202410584760.5
申请日：2024-05-13
Applicant: 南昌大学
IPC: H04L41/147 , H04L41/16 , H04L41/14 , H04L41/142
Abstract: 本申请涉及网络运行指标预测技术领域，公开了一种基于Transformer时序预测模型的网络运行指标预测方法及系统，该方法包括：对原始时间序列数据进行预处理和多项时序分解，多项时序分解包括趋势项时序分解和周期项时序分解，以得到网络运行的多项时序数据；将多项时序数据输入嵌入层以得到可嵌入特征序列；将可嵌入特征序列输入引入了多头稀疏自注意力的编码器中以捕捉序列的全局信息和局部特征；将编码器输出特征和补充掩码序列输入解码器以得到预测网络运行指标。该方法能够解决现有的Transformer时序预测模型在长非平稳序列预测退化明显、对局部特征和周期特征提取不充分，使得无法满足复杂的非平稳时序预测需求的问题。
-
公开(公告)号：CN118158116B
公开(公告)日：2024-09-13
申请号：CN202410584760.5
申请日：2024-05-13
Applicant: 南昌大学
IPC: H04L41/147 , H04L41/16 , H04L41/14 , H04L41/142
Abstract: 本申请涉及网络运行指标预测技术领域，公开了一种基于Transformer时序预测模型的网络运行指标预测方法及系统，该方法包括：对原始时间序列数据进行预处理和多项时序分解，多项时序分解包括趋势项时序分解和周期项时序分解，以得到网络运行的多项时序数据；将多项时序数据输入嵌入层以得到可嵌入特征序列；将可嵌入特征序列输入引入了多头稀疏自注意力的编码器中以捕捉序列的全局信息和局部特征；将编码器输出特征和补充掩码序列输入解码器以得到预测网络运行指标。该方法能够解决现有的Transformer时序预测模型在长非平稳序列预测退化明显、对局部特征和周期特征提取不充分，使得无法满足复杂的非平稳时序预测需求的问题。
-
-
-
Search Results
4
records
(took 0.014 seconds)
