-
公开(公告)号：CN119918589A
公开(公告)日：2025-05-02
申请号：CN202411996345.7
申请日：2024-12-31
Applicant: 宜宾电子科技大学研究院 , 宜宾市公安局
IPC: G06N3/0464 , G06N3/048 , G06N3/084 , G06V10/82 , G06V10/764
Abstract: 本发明提出跨范围的深度神经网络参数混合量化方法，属于量化技术领域，以解决现有技术中的量化方法会使得模型的性能显著下降的问题，包括：步骤1：在深度神经网络模型训练的过程中，通过PACT量化方法对深度神经网络进行激活量化；步骤2：在神经网络模型训练完成之后，使用优化后的LSQ量化方法对神经网络模型的权值进行量化，并且对于量化过程中超过量化范围的数值进行筛选并量化，保留了这部分数值的信息。本发明中，分别对激活值和权值使用不同的量化方法，充分考虑网络中不同输出层的作用。
-
公开(公告)号：CN119830947A
公开(公告)日：2025-04-15
申请号：CN202411893978.5
申请日：2024-12-20
Applicant: 宜宾电子科技大学研究院
Abstract: 本发明提出一种深度神经网络参数动态量化压缩方法及系统，属于参数量化技术领域，以解决现有技术都是基于参数的值大小进行划分，忽略了值小的参数在网络中的作用的问题。包括步骤1：基于图神经网络建立深度神经网络模型对应的级联失效模型；步骤2：对级联失效模型进行初始化，基于初始化后的级联失效模型选取深度神经网络模型中的重要节点；步骤3：计算重要节点的参数的分散程度f，根据计算出的f值的所属区间，选择不同的参数量化过程中的宽度。
-
公开(公告)号：CN117041603A
公开(公告)日：2023-11-10
申请号：CN202311008190.7
申请日：2023-08-10
Applicant: 宜宾电子科技大学研究院
IPC: H04N19/70 , H04N19/159 , H04N19/154 , H04N21/2343 , H04N21/4402 , G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于压缩视频的轻量级视频超分辨率重建方法,属于视频压缩技术领域,以解决现有技术中较高的压缩率通常导致更大的视频质量损失，而较低的压缩率则会增加数据传输和存储成本，其包括以下步骤：首先，使用现有的视频压缩标准进行压缩；之后对接收到的压缩视频进行解压缩处理。然后基于卷积神经网络的LVSR模型视频重建。最后对LVSR性能评估。本发明中，与传统视频超分辨率技术不同，本发明的LVSR方法针对压缩‑解压缩过程进行优化设计。通过充分利用解压缩后的视频数据，包括帧内，帧间信息、GOP、宏块类型和运动矢量等信息，有效消除压缩导致的失真和信息丢失，从而获得更准确的视频恢复结果。
-
公开(公告)号：CN114331904B
公开(公告)日：2023-08-08
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06T7/40 , G06V40/16 , G06N3/0464 , G06V10/774 , G06V10/82 , G06V10/54
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
公开(公告)号：CN114331903B
公开(公告)日：2023-05-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
Patent Agency Ranking
公开(公告)号：CN114331904A
公开(公告)日：2022-04-12
申请号：CN202111665913.1
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
Abstract: 本发明公开了一种人脸遮挡识别方法，所述人脸遮挡识别方法包括：S1：利用依次连接的结构生成器、纹理生成器和第一网络模型对遮挡人脸图像进行修复，得到修复后的人脸图像；S2：利用第二网络模型对所述修复后的人脸图像进行识别，得到人脸遮挡识别结果。本发明所提供的人脸遮挡识别方法，能够解决现有人脸遮挡识别方法存在的图像特征信息提取困难、不能高效地解决人脸遮挡识别的技术问题，从而能够有效地实现人脸遮挡识别。
-
公开(公告)号：CN119990197A
公开(公告)日：2025-05-13
申请号：CN202411925838.1
申请日：2024-12-25
Applicant: 宜宾电子科技大学研究院 , 宜宾市公安局
IPC: G06N3/049 , G06N3/0464
Abstract: 本发明公开一种脉冲神经网络构建方法，涉及深度学习技术领域，解决现有脉冲神经网络在计算机视觉任务上的性能不足且使用NAS时搜索时间长的问题；本发明包括S1：确定脉冲神经网络的应用场景和性能需求；S2：收集对应应用场景的数据并进行预处理；S3：对人工神经网络进行训练量化，然后将训练好的人工神经网络根据人工神经网络的空间量化和脉冲神经网络的时间量化之间的等效映射关系转换为脉冲神经网络；S4：根据峰值神经结构搜索算法搜寻性能最佳的脉冲神经网络；S5：将性能最佳的脉冲神经网络部署到指定应用场景；本发明通过引入尖峰神经结构搜索方法，自动寻找最优的SNN架构，减少对手工设计的需求，提高设计效率和网络性能。
-
公开(公告)号：CN119249083A
公开(公告)日：2025-01-03
申请号：CN202411354778.2
申请日：2024-09-27
Applicant: 宜宾电子科技大学研究院
IPC: G06F18/15 , G06F18/2411 , G06F18/2431 , G06N20/00 , A61B5/00 , A61B5/372 , G06F123/02
Abstract: 本发明属于非线性生理信号处理技术领域，具体提供一种用于癫痫预判的脑电信号处理方法，用以提高癫痫发作预警的准确性和实时性。本发明引入贝叶斯估计和时频分析方法，能够更精确地解析脑电信号中主要频率成分的时间演化过程，不仅考虑了信号的动态变化特性，还通过贝叶斯方法有效处理了脑电信号的非线性和非稳态特性，从而更准确地捕捉到癫痫发作前的特异性时频特征；这些特征作为判定癫痫发作的重要依据，显著提升了预警的准确性。综上，本发明通过实时监测脑电信号的时频变化能够在癫痫发作前进行预警，这种实时的分析能力使得医生或患者家属能够提前采取措施，避免或减少癫痫发作带来的伤害，提高了医疗干预的时效性。
-
公开(公告)号：CN114331903A
公开(公告)日：2022-04-12
申请号：CN202111665877.9
申请日：2021-12-31
Applicant: 电子科技大学 , 宜宾电子科技大学研究院
IPC: G06T5/00 , G06N3/04 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种图像修复方法及存储介质，所述图像修复方法包括：利用记忆神经网络系统和损失函数对图像训练集先后进行初步修复操作和清晰完善操作，得到最终修复后的图像集；其中，所述图像训练集包括一一对应的待修复图像和真实图像，所述修复后的图像集为清晰完整的图像集且包括最终修复后的图像。本发明能够解决现有记忆网络过于简单，难以解决复杂问题且缺乏层次化的结构的问题。
-
公开(公告)号：CN119760374A
公开(公告)日：2025-04-04
申请号：CN202411853388.X
申请日：2024-12-16
Applicant: 宜宾电子科技大学研究院
Abstract: 本发明公开基于深度数据挖掘与领域知识融合的预测性维护方法，涉及数据处理技术领域，解决现有技术针对复杂故障模式或实时性要求高的应用场景下的识别、预测准确率不足的技术问题；本发明包括确定数据源收集数据，然后对收集的数据进行处理，而后对数据的质量进行评估若评估不合格则对数据进行再处理，直到评估合格再将数据划分为训练集、验证集和测试集；选择DD‑DC模型作为框架,而后引入时间维度，再考虑系统动态和外部因素，最后引入优化反馈机制搭建智能预测性维护模型；将领域知识深度融合到智能预测性维护模型；本发明提高了对设备状态的全面感知能力，使故障预测的准确性和可靠性得到了显著提升。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
