-
公开(公告)号：CN112910695A
公开(公告)日：2021-06-04
申请号：CN202110088723.1
申请日：2021-01-22
Applicant: 湖北工业大学
Abstract: 本发明公开了一种全局注意力时域卷积网络的网络故障预测方法，包括以下步骤：1、收集网络故障数据，将网络故障数量转化为时间序列的形式，对序列化之后的样本划分为训练集和测试集；2、构建全局注意力时域卷积网络模型；3、利用训练集对构建的网络模型进行训练；4、使用测试集进行预测测试，得到全局注意力时域卷积网络的预测模型，将预测模型得出的结果用于预测网络故障。本发明的解决了传统的网络故障以下问题：网络故障的复杂性导致了直接挖掘故障之间关系的片面性，网络故障的随机性导致忽视某些故障，以及对于不同程度的网络故障的一个判断，然后决定故障的检修顺序。
-
公开(公告)号：CN114842279B
公开(公告)日：2024-08-06
申请号：CN202210555562.7
申请日：2022-05-20
Applicant: 湖北工业大学
IPC: G06V10/771 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06V10/764
Abstract: 本发明提供一种目标检测方法、装置、设备及可读存储介质，目标检测方法包括：将输入的图像进行预处理，得到初始特征图；将初始特征图输入到预设卷积神经网络中，基于每一卷积层在神经网络中所处的位置进行对应的特征提取操作，得到每一卷积层输出的特征图；将预设卷积层输出的特征图按预设方式进行通道调整，并加权融合得到若干目标特征图；将所述若干目标特征图按通道维度进行拼接后输入给检测头进行预设目标的检测，输出预设目标对应的类别与位置。本发明减少了目标检测过程中冗余特征图的生成从而减少了模型参数，加强了底层特征图的细节信息，丰富了深层特征图的语义信息，达到了特征的有效融合，提高了目标检测器在定位和识别物体时的精度。
-
公开(公告)号：CN112862690B
公开(公告)日：2022-08-30
申请号：CN202110258617.3
申请日：2021-03-09
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于Transformers的低分辨率图像超分辨方法及系统，首先基于卷积神经网络和Transformer模块，构建低分辨率图像超分辨网络；然后利用训练数据进行低分辨率图像超分辨网络训练，获得调优的网络参数；最后利用训练好的低分辨率图像超分辨网络对低分辨率图像进行超分辨获得高分辨率图像。本发明自动化程度高，可以大幅度提高效率，降低成本。
-
Patent Agency Ranking
公开(公告)号：CN112910695B
公开(公告)日：2022-07-19
申请号：CN202110088723.1
申请日：2021-01-22
Applicant: 湖北工业大学
IPC: H04L41/0631 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种全局注意力时域卷积网络的网络故障预测方法，包括以下步骤：1、收集网络故障数据，将网络故障数量转化为时间序列的形式，对序列化之后的样本划分为训练集和测试集；2、构建全局注意力时域卷积网络模型；3、利用训练集对构建的网络模型进行训练；4、使用测试集进行预测测试，得到全局注意力时域卷积网络的预测模型，将预测模型得出的结果用于预测网络故障。本发明的解决了传统的网络故障以下问题：网络故障的复杂性导致了直接挖掘故障之间关系的片面性，网络故障的随机性导致忽视某些故障，以及对于不同程度的网络故障的一个判断，然后决定故障的检修顺序。
-
-
公开(公告)号：CN114842279A
公开(公告)日：2022-08-02
申请号：CN202210555562.7
申请日：2022-05-20
Applicant: 湖北工业大学
Abstract: 本发明提供一种目标检测方法、装置、设备及可读存储介质，目标检测方法包括：将输入的图像进行预处理，得到初始特征图；将初始特征图输入到预设卷积神经网络中，基于每一卷积层在神经网络中所处的位置进行对应的特征提取操作，得到每一卷积层输出的特征图；将预设卷积层输出的特征图按预设方式进行通道调整，并加权融合得到若干目标特征图；将所述若干目标特征图按通道维度进行拼接后输入给检测头进行预设目标的检测，输出预设目标对应的类别与位置。本发明减少了目标检测过程中冗余特征图的生成从而减少了模型参数，加强了底层特征图的细节信息，丰富了深层特征图的语义信息，达到了特征的有效融合，提高了目标检测器在定位和识别物体时的精度。
-
公开(公告)号：CN113011589A
公开(公告)日：2021-06-22
申请号：CN202110333508.3
申请日：2021-03-29
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于协同进化的高光谱图像波段选择方法及系统，对高光谱遥感影像进行波段选择。结合协同进化水稻育种优化算法，能在不损失重要信息的情况下从原始数据中尽可能的保留地物光谱辐射信息，剔除冗余和有噪声的波段影像、降低数据维度，提高图像分类与地物检测等实际应用的效率与精度，有效解决算法使用时的缺陷。
-
公开(公告)号：CN112862690A
公开(公告)日：2021-05-28
申请号：CN202110258617.3
申请日：2021-03-09
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于Transformers的低分辨率图像超分辨方法及系统，首先基于卷积神经网络和Transformer模块，构建低分辨率图像超分辨网络；然后利用训练数据进行低分辨率图像超分辨网络训练，获得调优的网络参数；最后利用训练好的低分辨率图像超分辨网络对低分辨率图像进行超分辨获得高分辨率图像。本发明自动化程度高，可以大幅度提高效率，降低成本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
