-
公开(公告)号:CN204926247U
公开(公告)日:2015-12-30
申请号:CN201520696172.7
申请日:2015-09-09
申请人: 国网安徽省电力公司滁州供电公司 , 安徽大学 , 安徽继远电网技术有限责任公司
IPC分类号: G07C9/00
摘要: 本实用新型涉及一种基于指纹识别的多级别多选择解锁的智能门禁系统,包括电脑、读卡器、控制器,电脑与控制器电连接或信号连接,还包括指纹机、电磁铁、电锁、报警系统、控制按钮,所述控制按钮控制门的开启,其中控制器分别与指纹机、电磁铁、读卡器、电锁、控制按钮、报警系统电连接或信号连接,且读卡器、控制按钮、电磁铁分别互相电连接或信号连接,本实用新型提供了多种开锁方式并存的门禁系统,方便工作人员进出,同时避免了磁卡、钥匙等被盗用的风险。
-
公开(公告)号:CN103870891A
公开(公告)日:2014-06-18
申请号:CN201410115140.3
申请日:2014-03-25
申请人: 安徽大学 , 国网安徽省电力公司电力科学研究院 , 安徽继远电网技术有限责任公司
IPC分类号: G06Q10/04
CPC分类号: Y02A90/15
摘要: 本发明公开了一种基于网格流的输电线路火灾蔓延预测方法及系统,首先利用火点采集设备获取火点信息;将受灾区域GIS图像划分成网格图像,得到受灾区域的网格地形,识别每个网格的地物类别,再计算不同气象条件下的跨网格火灾蔓延强度,构造受灾区域的火灾蔓延加权网格图;在受灾区域的火灾蔓延加权网格图中搜索从火灾扩散路径,建立火情蔓延模型,计算受灾杆塔的坐标、蔓延的区域面积与火灾蔓延到杆塔的时间;最后对依据网格流方法预测的火灾蔓延的不同影响级别做出相应的告警。本发明的基于网格流的输电线路火灾蔓延预测方法及系统,具有能快速计算出火点蔓延到输电线路区域的时间和火情强度、及时通知火情、预警的准确性高等优点。
-
公开(公告)号:CN103870891B
公开(公告)日:2017-09-22
申请号:CN201410115140.3
申请日:2014-03-25
申请人: 安徽大学 , 国网安徽省电力公司电力科学研究院 , 安徽继远电网技术有限责任公司
IPC分类号: G06Q10/04
CPC分类号: Y02A90/15
摘要: 本发明公开了一种基于网格流的输电线路火灾蔓延预测方法及系统,首先利用火点采集设备获取火点信息;将受灾区域GIS图像划分成网格图像,得到受灾区域的网格地形,识别每个网格的地物类别,再计算不同气象条件下的跨网格火灾蔓延强度,构造受灾区域的火灾蔓延加权网格图;在受灾区域的火灾蔓延加权网格图中搜索从火灾扩散路径,建立火情蔓延模型,计算受灾杆塔的坐标、蔓延的区域面积与火灾蔓延到杆塔的时间;最后对依据网格流方法预测的火灾蔓延的不同影响级别做出相应的告警。本发明的基于网格流的输电线路火灾蔓延预测方法及系统,具有能快速计算出火点蔓延到输电线路区域的时间和火情强度、及时通知火情、预警的准确性高等优点。
-
公开(公告)号:CN118941914A
公开(公告)日:2024-11-12
申请号:CN202410861508.4
申请日:2024-06-28
申请人: 安徽大学
IPC分类号: G06V10/82 , G06V10/20 , G06V10/40 , G06V10/766 , G06V10/25 , G06V10/764 , G06N3/0464 , G06N3/084 , G06N3/09
摘要: 本发明提供结构信息引导的SAR目标细粒度识别方法及系统,方法包括:采用了YOLOv5的策略进行数据预处理;将预处理后的数据送入DCN和注意力模块中,对图像中的关键特征进行引导增强;特征送入检测头,生成最终的识别结果;采用Focaler‑SloU进行网络训练。本发明解决了鲁棒性和泛化性较弱、虚警率高、漏检错检以及目标具体型号难以进行准确的细粒度分类的技术问题。
-
公开(公告)号:CN118781639A
公开(公告)日:2024-10-15
申请号:CN202410908944.2
申请日:2024-07-08
申请人: 安徽大学
IPC分类号: G06V40/16 , G06V10/40 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/094 , G06N3/0985 , G06N3/0464
摘要: 一种基于原型传输的昼夜跨域面部表情识别方法,属于人机交互技术领域,解决如何利用丰富的日间可见光情绪图片学习情绪知识以迁移到夜晚暗光条件下的各种情绪识别中,从而提高暗光条件下的情绪识别的问题,本发明提出专注于面部情绪的注意力转换多特征捕获模块,捕获更多可转移的局部情绪特征,提出了原型特征转移模块来学习与模态无关的类别特征,以缩小可见光和红外特征之间的域差距;提出高置信度的混合模块来选择信息丰富的可见光和红外样本进行融合,从而产生融合特征,其中包含关于两个领域的风格信息;本发明在提高夜间情感识别准确率方面有效,并且适用于大多数夜间场景。
-
公开(公告)号:CN118469022A
公开(公告)日:2024-08-09
申请号:CN202410919970.5
申请日:2024-07-10
申请人: 安徽大学
IPC分类号: G06N5/04 , G06N3/0455 , G06N3/0499 , G06F18/25 , G06V10/40 , G06V10/56 , G06V10/58 , G06F40/30 , G06V10/80 , G06V10/82 , G06N3/048
摘要: 本发明公开了基于文本信息引导的多源遥感视觉问答方法及系统,方法包括:获得RGB特征、SAR特征以及原始文本特征;原始文本特征和RGB特征输入第一特征增强模型得到RGB增强特征,原始文本特征和SAR特征输入第二特征增强模型得到SAR增强特征;RGB增强特征、SAR增强特征以及原始文本特征均输入QGF模型得到图像融合特征;图像融合特征以及原始文本特征输入第一解码器得到融合文本特征的图像特征,将原始文本特征以及图像融合特征输入第二解码器得到融合图像特征的文本特征,经处理得到最终预测的遥感视觉问答任务答案;本发明的优点在于:提高遥感视觉问答任务回答的准确性。
-
公开(公告)号:CN117974598A
公开(公告)日:2024-05-03
申请号:CN202410135690.5
申请日:2024-01-31
申请人: 安徽大学
摘要: 本发明公开一种基于多视角PET图像的分组自注意力图卷积早期脑疾病预测方法,从PET扫描的轴向视图、冠状视图和矢状视图中学习表征,然后结合起来共同决策。以轴向视图为例,首先利用骨干网络提取脑PET图像特征,并将其按通道分为四组。针对每一组特征,构建一个k邻域空间图,并应用图卷积方法,旨在学习每个位置的空间上下文感知特征表示,充分利用图像中的空间信息。随后,利用自注意力模块促进特征之间的信息交互,并将每一组得到的特征连接在一起。最后,再将不同视图的特征连接起来,通过多层感知器对特征进行分类,使用加权二元交叉熵损失函数,并通过多次迭代训练获得最终的分类结果。
-
公开(公告)号:CN117708355A
公开(公告)日:2024-03-15
申请号:CN202311699903.9
申请日:2023-12-11
申请人: 安徽大学
IPC分类号: G06F16/532 , G06F16/583 , G06V20/54 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要: 一种多图像查询车辆重识别方法、设备及存储介质,属于车辆重识别技术领域,解决如何提高多张车辆图像检索的效果的问题,本发明利用了Transformer擅长捕获长距离依赖关系和不同特征提取阶段关注范围的逐渐增加的特点,提取了多张车车辆图像的融合特征;此外,为了提高每个视角的全局特征提取能力通过设计提出多分支视角独有特征提取模块,每个分支仅仅提取某一视角车辆图像的特征,使得分支网络能够更加擅长捕获在某一视角的车辆全局特征,在最终的距离度量阶段,引入了独有视角全局特征辅助距离计算,来提高网络识别的性能,提高了多图像查询车辆重识别效果,保证了模型的鲁棒性。
-
公开(公告)号:CN117393100A
公开(公告)日:2024-01-12
申请号:CN202311688317.4
申请日:2023-12-11
申请人: 安徽大学
摘要: 本发明提供一种诊断报告的生成方法、模型训练方法、系统、设备及介质。训练方法包括:获取含病变标签和诊断报告的第一类医学影像图片、含病变标签标注的第二类医学影像图片、不含病变标签标注的第三类医学影像图片;根据学生模型生成三类医学影像图片对应的第一预测诊断报告、第二预测诊断报告和第三预测诊断报告;根据教师模型生成第三类医学影像图片的第四预测诊断报告;根据文本分类模型生成第一预测诊断报告和第二预测诊断报告的预测病变标签;基于预测病变标签和病变标签、第二预测诊断报告和诊断报告、第三预测诊断报告的第四预测诊断报告,更新学生模型和教师模型的参数,将训练好的学生模型作为诊断报告生成模型。提高了模型的准确率。
-
公开(公告)号:CN117392584A
公开(公告)日:2024-01-12
申请号:CN202311355865.5
申请日:2023-10-19
申请人: 安徽大学
IPC分类号: G06V20/40 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要: 本发明公开一种基于非对称早期融合和时序模态差分的可见光‑热红外视频目标检测方法,为保持中间融合的多分支结构,本发明设计一种不对称的早期融合策略,该策略确保网络的每个分支都积极减少模态差异;同时为减少噪声的影响并增强泛化能力,本发明还设计一个基于时序模态差异的中间融合模块,通过时序差异负责有效地建模时间信息,而模态差异使网络减少对噪声区域的关注。本发明在现有的可见光‑热红外视频目标检测数据集上取得了较好的效果。
-
-
-
-
-
-
-
-
-