-
公开(公告)号：CN118823636A
公开(公告)日：2024-10-22
申请号：CN202410825570.8
申请日：2024-06-25
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V20/52 , G06V40/20 , G06V10/44 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于动态位置嵌入的课堂完备元动作识别方法，包括：得到单个学生课堂元动作视频、对视频进行关键帧采样；构建由动态位置嵌入的位置编码模块、Video Swin Transformer基本模块、ViT3D基本模块组成的课堂完备元动作识别模型，依次获得动态位置特征表示、多个局部注意力向量、元动作类别概率向量、对课堂完备元动作识别模型进行迭代优化；将预处理后学生课堂元动作视频输入该模型获得课堂学生元动作类别。这种方法不仅使用动态位置嵌入方法进行条件位置编码结合深度卷积网络以提升对元动作空间结构的解析能力，并采用ViT3D的全注意力机制提取动作的潜在空间特征，捕捉元动作的全局时空信息，从而提升课堂视频的学生完备元动作识别准确率。
-
公开(公告)号：CN117830741A
公开(公告)日：2024-04-05
申请号：CN202410018971.2
申请日：2024-01-05
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于空间特征聚合网络的射电星系形态识别与分割方法，包括：将星系图像输入到特征提取网络，提取不同层级的星系语义特征；采用极化自注意力模块整合星系特征的通道和空间信息，构建注意力增强特征；自下而上初次拼接不同层级特征得到星系融合特征；自上而下二次拼接不同层级星系特征，同时采用空间金字塔池化‑跨阶段特征连接模块，进行星系特征的感知融合，实现网络多尺度聚合空间特征；对多尺度感受野聚合的空间特征进行星系目标的边框检测、形态分类与形态分割。本发明提出的射电星系形态识别与分割方法能够提升网络对通道和空间特征的整合能力，促进空间结构信息的聚合，提高射电星系的形态识别与分割性能。
-
公开(公告)号：CN117809339A
公开(公告)日：2024-04-02
申请号：CN202410014783.2
申请日：2024-01-04
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于可变形卷积编码网络和特征区域关注的人体姿态估计方法。所述方法包括如下步骤：1)提取输入图像序列的视觉特征；2)特征序列融合的增强全局视觉特征；3)自适应区域特征；4)通道和空间的特征信息表示；5)生成姿态点热力图。本发明提出的一种基于可变形卷积编码网络和特征区域关注的人体姿态估计方法，能促进网络对特征区域的区分能力和对有效特征区域的关注，从而减少对错误特征区域的识别，提升网络的精准度。
-
公开(公告)号：CN117475286A
公开(公告)日：2024-01-30
申请号：CN202311463428.5
申请日：2023-11-06
Applicant: 桂林电子科技大学
IPC: G06V10/86 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于U型注意力特征融合网络的射电星系目标检测方法，包括以下步骤：1）对星系图像进行多尺度特征提取；2）设计注意力模块关注星系特征图的关键信息；3）设计U型特征融合网络进行多尺度星系特征融合；4）获取星系特征图中的星系区域；5）对星系区域的星系特征图进行量化；6）对星系区域特征进行分类回归。这种方法能够促进网络中多尺度星系特征的信息融合，并重点关注星系特征图中关键信息的位置，以提升射电星系分类性能。
-
公开(公告)号：CN116416336A
公开(公告)日：2023-07-11
申请号：CN202310509233.3
申请日：2023-05-08
Applicant: 桂林电子科技大学
IPC: G06T11/00 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了基于协同感知生成对抗网络的图像压缩感知重建方法，包括如下步骤：1)输入图像块的观测向量；2)为每个图像块的观测向量构造协同重构向量组；3)将协同重构向量组输入生成网络进行图像重建；4)将重建图像和真实图像分别输入判别网络进行真伪辨别；5)构造协同感知优化函数进行生成对抗训练。本发明提出的图像重建方法能够促进图像纹理细节的恢复，提升重建精度。
-
Patent Agency Ranking
公开(公告)号：CN116362968A
公开(公告)日：2023-06-30
申请号：CN202310167863.7
申请日：2023-02-27
Applicant: 桂林电子科技大学
IPC: G06T3/40 , G06T5/10 , G06V10/82 , G06V10/774 , G06N3/045
Abstract: 本发明公开了基于自适应多层次注意力的帧循环视频超分辨重建技术，其特征在于，包括如下步骤：1）数据集预处理；2）建立重建模型；3）自适应多层次注意力过程；4）重构网络；5)模型训练。本技术方案不仅可以有效的利用初始低分辨的帧间信息和基于循环后的保留下来的时间信息，并可以更好的捕获空间上下文信息，以此获取更多高频信息来丰富图像细节，最终使模型具有更好的重构效果。
-
公开(公告)号：CN110334548B
公开(公告)日：2023-04-07
申请号：CN201910640430.2
申请日：2019-07-16
Applicant: 桂林电子科技大学
IPC: G06F21/62 , G06F16/906
Abstract: 本发明公开了一种基于差分隐私的数据异常检测方法，采取先进行聚类再进行异常检测的方法，在prim算法生成的最小生成树中，用差分隐私中的噪声机制对最小生成树中边的权重添加随机噪声，隐藏数据对象间的关联性。同时，该方法使用融合相异度和逆相似数的判决准则检测异常，解决传统的top‑n方法需要预设参数，选取异常数据的不准确性这一缺陷。本发明方法具有更高的鲁棒性和更强的适应性，通过仿真数据集和真实数据集的实验分析表明提出的方法在数据分布不均匀的环境下能有效保证隐私数据的安全性，并提高异常检测的查全率，降低误判率。
-
公开(公告)号：CN110263203B
公开(公告)日：2021-09-24
申请号：CN201910345614.6
申请日：2019-04-26
Applicant: 桂林电子科技大学
IPC: G06F16/583 , G06F16/28
Abstract: 本发明公开了一种结合皮尔逊重构的文本到图像生成方法，其特征在于，包括如下步骤：1）数据预处理；2）建立图像生成模型；3）条件融合；4）特征向量生成；5）判别器判别；6）多尺度联合损失；7）网络训练；8）图像生成。该方法能重构判别器的输出，获得与网络的输入线性相关的特征向量，同时限制判别器的判别能力，使得生成器训练时更容易收敛并提高生成样本的质量和多样性。
-
-
公开(公告)号：CN108667684B
公开(公告)日：2021-04-30
申请号：CN201810293188.1
申请日：2018-03-30
Applicant: 桂林电子科技大学 , 桂林宇辉信息科技有限责任公司
Abstract: 本发明公开了一种基于局部向量点积密度的数据流异常检测方法，其特征是，包括如下步骤：1)对实时数据流进行处理；2)设置滑动窗口W中数据集Sm并初始化参数n，ε，λ；3)获取向量点积均值MVP；4)确定当前滑动窗口W中数据集Sm的最佳邻域半径r及r邻域；5)获取各数据点的局部向量点积密度LDVP；6)确定当前滑动窗口中的候选异常点；7)多重验证得到确定异常点。这种方法在高维空间和异常分布不均匀的数据集上，能准确有效的检测出当前实时、快速和多变的复杂数据流环境下隐藏的异常点，这种方法在无需聚类的情况下，能高效完成数据集的异常检测，且人为预设参数少，在不同异常占比和不同维数的情况下具有更高的鲁棒性和更强的自适应性。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.046 seconds)
