-
公开(公告)号：CN111368843A
公开(公告)日：2020-07-03
申请号：CN202010153401.6
申请日：2020-03-06
Applicant: 电子科技大学
Abstract: 本申请公开了一种基于语义分割的冰上湖提取的方法，包括：基于数据增广的冰上湖提取训练数据制作，对下载的冰上湖影像制作标签图像并通过数据增广方法增大样本量；训练冰上湖提取模型，将原始影像作为输入，标签影像作为输出，训练基于U-Net和SegNet堆叠网络的冰上湖提取模型；模型测试，对于需要实际进行冰上湖提取的区域，选取少量样本图片，制作标签数据，将样本图片输入冰上湖提取模型，将结果与标签数据对比，评价模型效果；模型应用，将需要进行冰上湖提取的区域的影像输入冰上湖提取模型，获取最终的冰上湖提取结果。本申请提供的一种基于语义分割的冰上湖提取的方法，实现了基于深度学习的语义分割算法在冰上湖提取上的首次应用。
-
公开(公告)号：CN110348449A
公开(公告)日：2019-10-18
申请号：CN201910621555.0
申请日：2019-07-10
Applicant: 电子科技大学
Abstract: 本发明提供一种基于神经网络的身份证文字识别方法，包括以下步骤：S1：进行色彩空间转换，将图像由RGB空间转换为HSV空间，并设置一定的(h，s，v)取值范围，提取出白色的证件区域；S2：将图像进行二值化处理，使用形态学开运算将文本行连通为类矩形区域，寻找外接矩形后提取出文本行；S3：将单个字符切割而出；S4：将单个文字图像逐个输入训练好的神经网络中进行识别，提高相似字的识别率。
-
公开(公告)号：CN111210166B
公开(公告)日：2023-06-20
申请号：CN202010097423.5
申请日：2020-02-17
Applicant: 电子科技大学
IPC: G06Q10/0637 , G06Q50/26 , G06F30/20
Abstract: 本发明公开了一种城市功能系统的鲁棒性评估方法,包括以下步骤：获取目标区域的城市功能系统组成地图，其中城市功能系统包括多种功能区域；提取所述城市功能系统中各个功能区域的中心点来代表相应的功能区域，并确定各个功能区域的网络模型之间的耦合关系；分析各个功能区域的网络模型的鲁棒性指标；提供攻击破坏实验对各个功能区域网络模型的鲁棒性进行仿真验证，观察记录仿真过程中各个功能区域网络模型的鲁棒性指标变化趋势；建立相应的仿真评估指标。本发明获取研究区的城市功能系统组成地图，通过设计针对性的鲁棒性指标及仿真评估指标，并设计多种情形的攻击破坏实验，该评估方法能有效且准确的进行城市功能系统的鲁棒性评估。
-
公开(公告)号：CN110362949B
公开(公告)日：2022-09-27
申请号：CN201910667647.2
申请日：2019-07-23
Applicant: 电子科技大学
Abstract: 本发明提供一种基于神经网络的滑坡敏感性评估方法，S1：筛选滑坡影响因子；S2：将筛选的若干滑坡影响因子原数据进行重分类；S3：构建神经网络学习模型；S4：选取样本点，所述样本点包含正样本点和负样本点，所述正样本点和所述负样本点都平均包含所述滑坡影响因子重分类后所有的情况；S5：选择训练样本点和测试样本点的最佳比例，将一定比例的训练样本点输入所述神经网络进行训练，剩下比例的样本点进行测试；S6：选择使模型精度最高的权重将待测样本点输入到所述神经网络进行训练并且设置输出为0～1的概率区间，输出的概率值为滑坡敏感性，整个过程样本数据获取容易并且分类精度高。
-
公开(公告)号：CN112686192B
公开(公告)日：2022-05-31
申请号：CN202110011403.6
申请日：2021-01-06
Applicant: 电子科技大学
IPC: G06V20/10 , G06V10/40 , G06V10/764 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 该发明公开了一种基于精细地形特征的滑坡稳定性分类方法，属地质灾害评估领域。本发明对滑坡样本数据进行地形特征提取的方式优化样本特征，使提取的特征能够更好地反映滑坡的情况，滑坡分类结果的可解释性更强。为了提高滑坡稳定性分类的准确率，更好的对滑坡进行画像；进一步的，采用单位时间平均日照量来计算滑坡的稳定性有利于实时的检测滑坡的状态，更加精确地计算出当前滑坡的稳定性，因为晚间滑坡比白天滑坡概率大很多，采用每小时平均日照量的方法，引入该概率特征，从而更加精确的计算当前时刻的滑坡稳定性，从而具有实施计算滑坡稳定性的能力。可用于防灾减灾、国土资源勘查、工程建设等用途。
-
Patent Agency Ranking
公开(公告)号：CN112529084B
公开(公告)日：2022-05-03
申请号：CN202011483680.9
申请日：2020-12-16
Applicant: 电子科技大学
IPC: G06V10/74 , G06V10/764 , G06V10/774 , G06K9/62 , G06N20/20
Abstract: 本申请公开了一种基于滑坡剖面图像分类模型的相似滑坡推荐方法，属于图像分类与检测及滑坡灾害防治领域。本发明为了解决现有技术中对滑坡剖面图像自动化分类及相似滑坡推荐问题；采用随机森林算法对滑坡剖面图像进行分类，基于分类结果推荐相似滑坡案例，不但具备较高的滑坡剖面图像分类精度，而且还能够从数据库中筛选相似滑坡案例推荐给用户；根据滑坡剖面图像对滑坡进行更精细化的描述，挖掘隐含的信息，并且根据精细化的描述，寻找更符合要求的滑坡案例，该方法可以作为滑坡灾害治理的补充依据。
-
公开(公告)号：CN111966825A
公开(公告)日：2020-11-20
申请号：CN202010683964.6
申请日：2020-07-16
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种基于机器学习的电网设备缺陷文本分类方法，属中文文本分析及自然语言处理领域。本发明首先对词语进行数字化处理，然后对缺陷文本中的句子进行关键词的提取，将关键词的词向量组合为词矩阵，该词矩阵作为神经网络的输入，再采用神经网络对词矩阵进行分类，然后识别出该缺陷文本表示的缺陷为哪一类。从而具有分类精度高，速度快的优点；本发明还对样本数据进行核心词提取的方式优化样本特征，减少后续神经网络分类的计算量，提高了计算速度。
-
公开(公告)号：CN110348449B
公开(公告)日：2023-04-18
申请号：CN201910621555.0
申请日：2019-07-10
Applicant: 电子科技大学
IPC: G06V30/148 , G06T5/30 , G06T7/10 , G06T7/187 , G06T7/90
Abstract: 本发明提供一种基于神经网络的身份证文字识别方法，包括以下步骤：S1：进行色彩空间转换，将图像由RGB空间转换为HSV空间，并设置一定的(h，s，v)取值范围，提取出白色的证件区域；S2：将图像进行二值化处理，使用形态学开运算将文本行连通为类矩形区域，寻找外接矩形后提取出文本行；S3：将单个字符切割而出；S4：将单个文字图像逐个输入训练好的神经网络中进行识别，提高相似字的识别率。
-
公开(公告)号：CN112686192A
公开(公告)日：2021-04-20
申请号：CN202110011403.6
申请日：2021-01-06
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于精细地形特征的滑坡稳定性分类方法，属地质灾害评估领域。本发明对滑坡样本数据进行地形特征提取的方式优化样本特征，使提取的特征能够更好地反映滑坡的情况，滑坡分类结果的可解释性更强。为了提高滑坡稳定性分类的准确率，更好的对滑坡进行画像；进一步的，采用单位时间平均日照量来计算滑坡的稳定性有利于实时的检测滑坡的状态，更加精确地计算出当前滑坡的稳定性，因为晚间滑坡比白天滑坡概率大很多，采用每小时平均日照量的方法，引入该概率特征，从而更加精确的计算当前时刻的滑坡稳定性，从而具有实施计算滑坡稳定性的能力。可用于防灾减灾、国土资源勘查、工程建设等用途。
-
公开(公告)号：CN110362949A
公开(公告)日：2019-10-22
申请号：CN201910667647.2
申请日：2019-07-23
Applicant: 电子科技大学
Abstract: 本发明提供一种基于神经网络的滑坡敏感性评估方法，S1：筛选滑坡影响因子；S2：将筛选的若干滑坡影响因子原数据进行重分类；S3：构建神经网络学习模型；S4：选取样本点，所述样本点包含正样本点和负样本点，所述正样本点和所述负样本点都平均包含所述滑坡影响因子重分类后所有的情况；S5：选择训练样本点和测试样本点的最佳比例，将一定比例的训练样本点输入所述神经网络进行训练，剩下比例的样本点进行测试；S6：选择使模型精度最高的权重将待测样本点输入到所述神经网络进行训练并且设置输出为0～1的概率区间，输出的概率值为滑坡敏感性，整个过程样本数据获取容易并且分类精度高。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
