-
公开(公告)号：CN115081530B
公开(公告)日：2024-12-31
申请号：CN202210755770.1
申请日：2022-06-30
Applicant: 湖南第一师范学院 , 湖南天桥嘉成智能科技有限公司
IPC: G06F18/2431 , G06F18/2113 , G06F18/214 , F03D80/40
Abstract: 本发明属于风力发电技术领域，公开了一种风机叶片结冰检测方法、系统、介质及设备，所述风机叶片结冰检测方法包括在XGBoost算法的基础上结合tri‑training三体训练法半监督学习算法，合理运用标签不准确的数据；根据专家知识在原有特征基础上构建新的特征，采用Pearson相关系数为模型进行特征筛选，选择Focal Loss作为算法迭代更新的损失函数。本发明通过剔除掉非结冰因素导致风机限功运行的样本点，提高了模型的准确率和泛化性能。本发明融合了新的特征，采用Pearson相关系数对特征进行降维，降低了模型复杂度，提升了叶片结冰识别效率。
-
公开(公告)号：CN106940791A
公开(公告)日：2017-07-11
申请号：CN201710147658.9
申请日：2017-03-13
Abstract: 本发明公开了一种基于低维方向梯度直方图的行人检测方法，包括以下步骤：步骤1：提取训练样本的低维方向梯度直方图ELHOG特征；步骤2：利用训练样本的低维方向梯度直方图ELHOG特征和线性核函数构造支持向量机SVM分类器；步骤3：计算每个候选样本的低维方向梯度直方图ELHOG特征；步骤4：利用步骤2构造的SVM分类器对每个候选样本的低维方向梯度直方图ELHOG特征进行识别以得到行人检测结果。该方法将特征提取中减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围。从而，本发明所述的行人检测方法相对于基于标准HOG的方法计算负荷大大降低，使检测速度大大提高了。
-
公开(公告)号：CN111222460A
公开(公告)日：2020-06-02
申请号：CN202010010662.2
申请日：2020-01-06
Abstract: 本发明公开了一种基于增量误差计算的行人检测器训练方法及系统，该方法包括以下步骤：步骤1：构建训练集；步骤2：权重与决策桩序号初始化；步骤3：构建有序特征值数组集合和伴随权重数组集合；步骤4：计算误差数组集合和极性数组集合；步骤5：获得最小误差数组；步骤6：设置决策桩；步骤7：按照决策桩更新样本的权重，更新决策桩序号；步骤8：判断决策桩序号是否超过设定的上限值，若未超过，返回步骤3，否则，利用所有决策桩构建行人检测器。使用增量式误差计算获取误差数组集合，将误差计算的复杂度由O(n)降低为O(1)，加快了行人检测器的训练速度。
-
公开(公告)号：CN111126247A
公开(公告)日：2020-05-08
申请号：CN201911327347.6
申请日：2019-12-20
Abstract: 本发明公开了一种基于二分查找的行人检测器训练方法及系统，该方法包括以下步骤：步骤1：构建样本训练集；步骤2：权重与决策桩桩号初始化；步骤3：构建有序特征值数组集合和伴随权重数组集合；步骤4：计算误差数组集合和极性数组集合；步骤5：获得最小误差数组；步骤6：利用最小误差数组中的最小误差，设置决策桩；步骤7：按照决策桩更新样本的权重，更新决策桩桩号；步骤8：判断决策桩桩号是否超过设定的最大桩号，若未超过，返回步骤3，否则，利用所有决策桩构建用于行人检测的检测器。使用变种二分查找获取最小误差数组，将查找操作的复杂度由O(n)降低为O(logn)，加快了行人检测器的训练速度，且保持检测器性能不降低。
-
公开(公告)号：CN110427743A
公开(公告)日：2019-11-08
申请号：CN201910731334.9
申请日：2019-08-08
Applicant: 湖南第一师范学院
IPC: G06F21/32 , G06F3/0488 , G06F3/16 , G06F21/60 , G06F11/30
Abstract: 本发明公开了一种车载电子设备控制装置及方法，包括装置本体，装置本体包括外壳体，外壳体安装在汽车中控平台上，外壳体前端面设有触摸显示屏，触摸显示屏上方安装有前置摄像头，触摸显示屏下方安装有麦克风，触摸显示屏左侧安装有多个功能按钮，触摸显示屏右侧安装有指纹识别芯片，外壳体内腔设有主控板，主控板上设有主控芯片、语音采集模块、语音控制模块、图像采集模块、存储模块、按键模块、显示模块、总线控制模块、加密传输模块、GPS定位模块、数据传输模块，本发明工作原理简单，能够实现对车载电子设备的智能化控制，控制效率高，而且不会造成数据泄露，安全性高。
-
Patent Agency Ranking
公开(公告)号：CN115081530A
公开(公告)日：2022-09-20
申请号：CN202210755770.1
申请日：2022-06-30
Applicant: 湖南第一师范学院
Abstract: 本发明属于风力发电技术领域，公开了一种风机叶片结冰检测方法、系统、介质及设备，所述风机叶片结冰检测方法包括在XGBoost算法的基础上结合tri‑training三体训练法半监督学习算法，合理运用标签不准确的数据；根据专家知识在原有特征基础上构建新的特征，采用Pearson相关系数为模型进行特征筛选，选择Focal Loss作为算法迭代更新的损失函数。本发明通过剔除掉非结冰因素导致风机限功运行的样本点，提高了模型的准确率和泛化性能。本发明融合了新的特征，采用Pearson相关系数对特征进行降维，降低了模型复杂度，提升了叶片结冰识别效率。
-
公开(公告)号：CN106934403A
公开(公告)日：2017-07-07
申请号：CN201710147660.6
申请日：2017-03-13
Abstract: 本发明公开了一种低维方向梯度直方图特征的提取方法，包括如下步骤：步骤1，计算整幅图像或者图像窗口中每个像素的梯度；步骤2，对图像窗口进行区域划分；步骤3，对块区域及其紧邻细胞区域中像素的梯度值在细胞区域之间进行位置线性插值；步骤4，计算细胞区域的方向梯度直方图；步骤5，计算块区域的方向梯度直方图；步骤6，计算图像窗口的方向梯度直方图特征。通过将减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围，该方法取消了块区域部分重叠，能提取出维度低得多的方向梯度直方图HOG特征。通过块内块外不同权重的高斯平滑，进一步减弱了区域量化走样。
-
公开(公告)号：CN111222460B
公开(公告)日：2023-04-18
申请号：CN202010010662.2
申请日：2020-01-06
IPC: G06V40/10 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种基于增量误差计算的行人检测器训练方法及系统，该方法包括以下步骤：步骤1：构建训练集；步骤2：权重与决策桩序号初始化；步骤3：构建有序特征值数组集合和伴随权重数组集合；步骤4：计算误差数组集合和极性数组集合；步骤5：获得最小误差数组；步骤6：设置决策桩；步骤7：按照决策桩更新样本的权重，更新决策桩序号；步骤8：判断决策桩序号是否超过设定的上限值，若未超过，返回步骤3，否则，利用所有决策桩构建行人检测器。使用增量式误差计算获取误差数组集合，将误差计算的复杂度由O(n)降低为O(1)，加快了行人检测器的训练速度。
-
公开(公告)号：CN111126247B
公开(公告)日：2021-11-05
申请号：CN201911327347.6
申请日：2019-12-20
Abstract: 本发明公开了一种基于二分查找的行人检测器训练方法及系统，该方法包括以下步骤：步骤1：构建样本训练集；步骤2：权重与决策桩桩号初始化；步骤3：构建有序特征值数组集合和伴随权重数组集合；步骤4：计算误差数组集合和极性数组集合；步骤5：获得最小误差数组；步骤6：利用最小误差数组中的最小误差，设置决策桩；步骤7：按照决策桩更新样本的权重，更新决策桩桩号；步骤8：判断决策桩桩号是否超过设定的最大桩号，若未超过，返回步骤3，否则，利用所有决策桩构建用于行人检测的检测器。使用变种二分查找获取最小误差数组，将查找操作的复杂度由O(n)降低为O(logn)，加快了行人检测器的训练速度，且保持检测器性能不降低。
-
公开(公告)号：CN106940791B
公开(公告)日：2019-11-26
申请号：CN201710147658.9
申请日：2017-03-13
Abstract: 本发明公开了一种基于低维方向梯度直方图的行人检测方法，包括以下步骤：步骤1：提取训练样本的低维方向梯度直方图ELHOG特征；步骤2：利用训练样本的低维方向梯度直方图ELHOG特征和线性核函数构造支持向量机SVM分类器；步骤3：计算每个候选样本的低维方向梯度直方图ELHOG特征；步骤4：利用步骤2构造的SVM分类器对每个候选样本的低维方向梯度直方图ELHOG特征进行识别以得到行人检测结果。该方法将特征提取中减弱区域量化走样的措施由块区域重叠替换为将块区域之外紧邻的细胞区域纳入位置线性插值范围。从而，本发明所述的行人检测方法相对于基于标准HOG的方法计算负荷大大降低，使检测速度大大提高了。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.037 seconds)
