-
公开(公告)号：CN111027576B
公开(公告)日：2020-10-30
申请号：CN201911368623.3
申请日：2019-12-26
申请人： 郑州轻工业大学
摘要： 本发明提出了一种基于协同显著性生成式对抗网络的协同显著性检测方法，步骤如下：构建协同显著性生成式对抗网络模型；对协同显著性生成式对抗网络模型进行两阶段训练：在第一训练阶段，采用带标签的显著目标数据库对协同显著性生成式对抗网络进行预训练，本阶段训练后，协同显著性生成式对抗网络具备对单幅图像进行显著性检测的能力；在第二训练阶段，基于第一阶段训练好的模型参数，采用协同显著目标属于同一类别的带标签协同显著性数据组对协同显著性生成式对抗网络进行训练，本阶段训练后，可直接使用训练好的模型进行类别协同显著性检测。本发明训练过程简单、检测效率高，通用性较强，准确率较高。
-
公开(公告)号：CN111091105A
公开(公告)日：2020-05-01
申请号：CN201911340541.8
申请日：2019-12-23
申请人： 郑州轻工业大学
摘要： 本发明提出了一种基于新的边框回归损失函数的遥感图像目标检测方法，其步骤如下：以高分辨率遥感图像为训练样本训练候选区域生成网络，候选区域生成网络的边框回归损失函数采用新的损失函数；通过训练好的候选区域生成网络得到候选目标框作为目标初始位置训练区域检测网络，区域检测网络的边框回归损失函数采用新的边框回归损失函数；交替训练候选区域生成网络和区域检测网络；共享候选区域生成网络和区域检测网络的主干网络，合并训练后的候选区域生成网络和区域检测网络构建检测模型，获得待检测的高分辨率遥感图像感兴趣目标的位置和类别。本发明通过改进目标检测的边框回归损失函数，能够有效提升高分辨率遥感图像目标检测的精度。
-
公开(公告)号：CN118688396A
公开(公告)日：2024-09-24
申请号：CN202410755637.5
申请日：2024-06-12
申请人： 郑州轻工业大学
摘要： 本发明涉及一种采用嵌入式测量装置测量水合物蓄冷系统的蓄冷量的方法，嵌入式测量装置设置在蓄冷系统中，嵌入式测量装置包括液体壳、与液体壳连通的稀释组件，电导率测量组件及运算组件，液体壳位于蓄冷槽中液体的液面以下。方法包括如下步骤：S1：溶液进入液体壳，稀释后得到稀释液，检测样品溶液的质量mY及稀释液的质量mRD。S2：检测稀释液的电导率σ。S3：根据上述参数确定样品溶液的质量浓度ω2。S4：根据ω2、相变蓄冷前初始溶液的质量浓度ω1、相变蓄冷前初始溶液的总质量m1、水合物蓄冷材料的水化分子数N、水的摩尔质量MH、溶质的摩尔质量MT确定水合物转化量nCT。S5：根据nCT、水合物蓄冷材料的摩尔质量M及其相变潜热r确定水合物蓄冷系统的蓄冷量Q。本发明使用的测量装置操作简单，测量方法能够准确测算水合物蓄冷材料的蓄冷量，误差较小。
-
公开(公告)号：CN118395007A
公开(公告)日：2024-07-26
申请号：CN202410496241.3
申请日：2024-04-24
申请人： 郑州轻工业大学
IPC分类号： G06F16/9535 , G06F16/9536
摘要： 本发明提供了一种基于文化旅游的大数据分析方法及系统，属于数据分析技术领域，其方法包括：基于文旅平台提取不同旅游地的文旅信息，并根据预设指标集对文旅信息进行拆分分析，构建得到对应旅游地的旅游矩阵；获取用户的用户旅游意图，对旅游矩阵进行行分析以及列分析；根据第一推荐热度系数以及第二推荐热度系数得到对应旅游地的初始推荐系数；根据对应旅游地的营销信息对初始推荐系数进行调整，得到对应旅游地的最终推荐系数，并生成旅游推荐列表发送到用户端显示。保证对旅游地信息的全面囊括进而为后续推荐提供有效基础，保证在满足用户意图的情况下实现旅游地的高效推荐。
-
公开(公告)号：CN111091105B
公开(公告)日：2020-10-20
申请号：CN201911340541.8
申请日：2019-12-23
申请人： 郑州轻工业大学
摘要： 本发明提出了一种基于新的边框回归损失函数的遥感图像目标检测方法，其步骤如下：以高分辨率遥感图像为训练样本训练候选区域生成网络，候选区域生成网络的边框回归损失函数采用新的损失函数；通过训练好的候选区域生成网络得到候选目标框作为目标初始位置训练区域检测网络，区域检测网络的边框回归损失函数采用新的边框回归损失函数；交替训练候选区域生成网络和区域检测网络；共享候选区域生成网络和区域检测网络的主干网络，合并训练后的候选区域生成网络和区域检测网络构建检测模型，获得待检测的高分辨率遥感图像感兴趣目标的位置和类别。本发明通过改进目标检测的边框回归损失函数，能够有效提升高分辨率遥感图像目标检测的精度。
-
公开(公告)号：CN111027576A
公开(公告)日：2020-04-17
申请号：CN201911368623.3
申请日：2019-12-26
申请人： 郑州轻工业大学
摘要： 本发明提出了一种基于协同显著性生成式对抗网络的协同显著性检测方法，步骤如下：构建协同显著性生成式对抗网络模型；对协同显著性生成式对抗网络模型进行两阶段训练：在第一训练阶段，采用带标签的显著目标数据库对协同显著性生成式对抗网络进行预训练，本阶段训练后，协同显著性生成式对抗网络具备对单幅图像进行显著性检测的能力；在第二训练阶段，基于第一阶段训练好的模型参数，采用协同显著目标属于同一类别的带标签协同显著性数据组对协同显著性生成式对抗网络进行训练，本阶段训练后，可直接使用训练好的模型进行类别协同显著性检测。本发明训练过程简单、检测效率高，通用性较强，准确率较高。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.027 秒)
