-
公开(公告)号：CN113610120B
公开(公告)日：2023-09-29
申请号：CN202110825738.1
申请日：2021-07-21
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于弱监督学习的App图像内容安全检测方法。其包括算法部分，对应的检测器是一个卷积神经网络框架，本发明算法backbone部分采用的是Resnet。基于Resnet网络的优点，使得学习结果堆网络权重的波动变化更加敏感，同时残差结果对数据的波动更加敏感。另外，本发明的算法部分还加入了Inception结构，其结构在控制了计算量和参数的同时，获得了良好的分类。本方法提出采取弱监督学习的方法，通过改变模型参数，可构建见出不同的App内容检测器，剔除不良、违法信息，为人们提供一个优质、安全的网络环境；传统基于监督学习的图片检测方法的数据集标注主要靠人工，本发明采用弱监督学习方法，可大大降低人力成本。
-
公开(公告)号：CN113674321B
公开(公告)日：2024-05-17
申请号：CN202110980862.5
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种基于云端的监控视频下多目标跟踪的方法，属于目标识别跟踪技术领域，包括安装监控相机到指定场合；搭建云端和客户端平台；使用改进后的centernet检测模型对接收的视频帧进行目标检测；使用改进后的deepsort模型对检测到的多目标进行跟踪；在客户端对多目标跟踪输出的视频进行保存、删除以及更新。本发明从智能视频监控出发，对病房看护场景中患者进行轨迹跟踪，并对跟踪算法进行深入研究及改进，实现了高效多目标检测与跟踪监控系统。
-
公开(公告)号：CN113901801B
公开(公告)日：2024-05-07
申请号：CN202111084273.5
申请日：2021-09-14
Applicant: 燕山大学
IPC: G06F40/279 , G06F40/216 , G06N3/049 , G06N3/084 , G06N3/0442
Abstract: 本发明涉及一种基于深度学习的文本内容安全检测方法。该方法包括算法部分，对应的检测器是一个卷积神经网络框架。本发明算法整体架构采用的是长短记忆网络LSTM，此结构是一种循环神经网络，实现简单并具有长期记忆功能；在此基础上，还加入了注意力机制，此机制可将计算机有限的资源高效利用，并且使用时能并行，可在减少网络参数的情况下提升准确率。另外，本发明的算法部分还加入了残差结构，使得学习结果对网络权重的波动变化更加敏感，同时残差结果对数据的波动更加敏感。本方法提出基于深度的方法，通过改变模型参数，可构建出不同的文本内容检测器。
-
公开(公告)号：CN115866081B
公开(公告)日：2024-02-27
申请号：CN202211396522.9
申请日：2022-11-09
Applicant: 燕山大学
Abstract: 本发明涉及一种基于SOC的工业以太网协议转换方法，属于通讯协议转换技术领域，以SOC架构为基础，设计实现工业以太网协议转换的新型芯片架构，设计数据帧编/解码IP，通过修改所述IP的配置参数，实现多种工业以太网协议数据帧编解码，通过总线模块实现数据高速传输；设计的数据帧编/解码模块，通过主机端下发命令到CPU模块进行解析，由CPU模块下发配置信息，实现多种工业以太网协议数据帧的编/解码功能。本发明保证了数据传输的准确性，能够通过不同的配置信息实现对不同工业以太网协议数据帧进行编码和解码操作，提高芯片使用灵活性；可在AXI数据总线上挂载多数据帧编/解码模块，从而获得扩展功能，提高数据传输效率。
-
公开(公告)号：CN113688734B
公开(公告)日：2023-09-22
申请号：CN202110980385.2
申请日：2021-08-25
Applicant: 燕山大学
IPC: G06V20/40 , G06V10/82 , G06N3/063 , G06N3/082 , G06N3/0464 , G06V40/20 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于FPGA异构加速的老人跌倒检测方法，属于目标识别技术领域，所述方法包括融合算法部分和硬件加速部分，整体以神经网络作为基础框架，结合FPGA硬件加速技术，通过量化编译移植实现算法嵌入式移植，人体检测部分采用YOLOv3网络，通过双向剪枝和改进损失函数实现了可移植的改进型轻量化YOLOv3网络；跌倒检测算法部分采用了轻量化SqueezeNet网络，通过引入人体矩形高宽比结合主要关键点欧式距离综合判定的方法实现老人跌倒检测；硬件部分选择了Xilinx公司的mpsoc架构板卡ultra96‑v2。本发明不仅提高了老人跌倒检测设备的便携程度，同时降低了成本。
-
Patent Agency Ranking
公开(公告)号：CN113901801A
公开(公告)日：2022-01-07
申请号：CN202111084273.5
申请日：2021-09-14
Applicant: 燕山大学
IPC: G06F40/279 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的文本内容安全检测方法。该方法包括算法部分，对应的检测器是一个卷积神经网络框架。本发明算法整体架构采用的是长短记忆网络LSTM，此结构是一种循环神经网络，实现简单并具有长期记忆功能；在此基础上，还加入了注意力机制，此机制可将计算机有限的资源高效利用，并且使用时能并行，可在减少网络参数的情况下提升准确率。另外，本发明的算法部分还加入了残差结构，使得学习结果对网络权重的波动变化更加敏感，同时残差结果对数据的波动更加敏感。本方法提出基于深度的方法，通过改变模型参数，可构建出不同的文本内容检测器，剔除有害信息，为人们提供一个优质、安全的网络环境。
-
公开(公告)号：CN113688736B
公开(公告)日：2024-08-02
申请号：CN202110980852.1
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种对患者健康状况进行分析监测的方法，属于目标识别技术领域，构建利用病房内安装的监控摄像头和放在护理人员值班室的监控终端对患者进行健康状况检测的系统，该系统将面部表情识别、人体姿态估计和手部姿势估计结合起来，将摄像头采集到的患者的表情、姿态和手势数据进行融合，利用融合后的信息综合分析患者的健康状况；患者在病房内出现四种情况时系统需要发出警报，通知护理人员留意观察患者健康的情况，以减轻医院护理人员工作压力。本发明较全面的实现了对病房内患者健康情况的分析，从而在患者出现危险情况时，护理人员能够及时做出反应，保障了患者的生命健康，减轻了护理人员的工作压力。
-
公开(公告)号：CN113927597B
公开(公告)日：2023-04-07
申请号：CN202111226194.3
申请日：2021-10-21
Applicant: 燕山大学
IPC: B25J9/16
Abstract: 本发明涉及深度学习与视觉机器人技术领域，具体涉及基于深度学习的机器人连接件六自由度位姿估计系统，包括如下步骤：利用虚拟现实技术制作数据集；改进DOPE算法对连接件进行6D位姿估计；搭建机器人连接件位姿估计抓取平台；本发明利用虚拟现实技术对数据集做了改进，使数据集背景信息多样化，即使换到新环境也不会影响精度；对于特定的工业场景制作特定的数据集，利用虚拟现实技术进行制作，极大地减轻了人工标注物体的工作量；同时在单目视觉机器人连接件分拣场景中，对遮挡问题利用随机掩模局部处理方法对数据集进行了改进，提高了网络在处理物体遮挡时的准确度。
-
公开(公告)号：CN115905107A
公开(公告)日：2023-04-04
申请号：CN202211403872.3
申请日：2022-11-10
Applicant: 燕山大学
Abstract: 本发明公开了一种支持IRT的PROFINET SoC芯片架构，包括包含RISC‑V CPU模块、PROFINET IP模块、IEC 1158帧编/解码模块、Manchester编/解码模块、RAM数据存储模块、CRC帧校验模块、DMA模块和MEMORY模块，以及各模块之间的AXI4通讯关系，本发明通过设计RISC‑V CPU+FPGA异构SOC，实现灵活的可编程性和通讯硬件加速性能；Programming system和Programmable logic之间通过AXI4片内总线通讯，实现片内数据高效，准确传输。
-
公开(公告)号：CN113927597A
公开(公告)日：2022-01-14
申请号：CN202111226194.3
申请日：2021-10-21
Applicant: 燕山大学
IPC: B25J9/16
Abstract: 本发明涉及深度学习与视觉机器人技术领域，具体涉及基于深度学习的机器人连接件六自由度位姿估计系统，包括如下步骤：利用虚拟现实技术制作数据集；改进DOPE算法对连接件进行6D位姿估计；搭建机器人连接件位姿估计抓取平台；本发明利用虚拟现实技术对数据集做了改进，使数据集背景信息多样化，即使换到新环境也不会影响精度；对于特定的工业场景制作特定的数据集，利用虚拟现实技术进行制作，极大地减轻了人工标注物体的工作量；同时在单目视觉机器人连接件分拣场景中，对遮挡问题利用随机掩模局部处理方法对数据集进行了改进，提高了网络在处理物体遮挡时的准确度。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
