-
公开(公告)号：CN101064510A
公开(公告)日：2007-10-31
申请号：CN200710048903.7
申请日：2007-04-19
Applicant: 电子科技大学
IPC: H03L7/197
Abstract: 本发明公开了一种低相位杂散频率合成方法及其应用。本发明一改现有技术的频率合成方法对于确定的输出频率，其合成方案的频率配置关系总是一定的状况，利用多重调节的频率合成方案任一输出频率都可能有多种频率配置关系这一特点，在确保得到输出频率的前提下，通过对输出信号的实测(可利用相噪自动测试系统进行测试)，选择频谱纯度尤其是杂散指标最好的频率配置关系，将其存入RAM/ROM中。实际使用频率合成器时以查表方式，从RAM/ROM中读出对应频率关系进行配置，以达到设计出高分辨率，低杂散低相噪的捷变频微波毫米波频率合成器的目的，从而提高微波毫米波频率合成器的性能，尤其是大大减小频率合成器杂散指标的调试难度。
-
公开(公告)号：CN119004719B
公开(公告)日：2025-04-04
申请号：CN202411094227.7
申请日：2024-08-09
Applicant: 内蒙古高新科技控股有限责任公司 , 电子科技大学
IPC: G06F30/18 , G06F30/27 , G06F18/23213 , G06F18/24 , G06F18/2131 , G06F18/2135 , H01Q21/00 , G06F111/04
Abstract: 本说明书实施例提供一种基于幅度谱分析的非频变天线阵列优化布阵方法以及装置，其中所述基于幅度谱分析的非频变天线阵列优化布阵方法包括：获取由多个天线单元构成的虚拟密集阵列，并确定所述虚拟密集阵列的初始参数；基于所述初始参数构建参考方向图，并确定所述参考方向图的初始激励以及所述虚拟密集阵列的期望指标参数；基于所述初始激励和所述期望指标参数构造空谱分布，按照所述空谱分布对应的幅度谱信息在所述虚拟密集阵列中选择目标天线单元；根据所述目标天线单元构建目标非均匀阵列，其中，所述目标非均匀阵列满足预设的天线辐射条件。能够在降低天线阵列的密集度的同时保证天线阵列的辐射性能，降低了硬件的复杂性和成本。
-
公开(公告)号：CN118824547B
公开(公告)日：2025-03-14
申请号：CN202411075366.5
申请日：2024-08-07
Applicant: 电子科技大学
IPC: G16H50/30 , G16H30/20 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经网络融合机制的乳腺癌转移风险评估方法，属于医学图像处理技术领域。本发明包括：构建前哨淋巴结SLN超声图像数据集，包括SLN二维超声数据集TDUS和SLN超声造影数据集CEUS；构建乳腺癌转移风险评估模型，该评估模型包括：基于残差网络的第一子网络、基于自注意力神经网络的第二子网络，以及基于Choquet模糊积分的模糊积分融合模块；其中，第一、二子网络分别用于预测当前输入图像数据的乳腺癌转移风险的二分类的评估结果；通过基于Choquet模糊积分的模糊积分融合模块对子网络输出的评估结果进入结果融合处理，以输出最终评估结果，从而实现机器阅读SLN超声图像的乳腺癌转移风险辅助评估器。本发明方法提供的乳腺癌转移风险评估模型能高效、准确地辅助医师进行乳腺癌转移风险的预测，提升医生效率，降低医生工作强度。
-
公开(公告)号：CN119128186B
公开(公告)日：2025-01-24
申请号：CN202411621717.8
申请日：2024-11-14
Applicant: 电子科技大学
IPC: G06F16/50
Abstract: 本发明公开了一种桥墩施工进度及纠偏的检测方法、系统、设备及介质，属于图像检测领域，其目的在于解决现有桥墩施工过程中施工纠偏检测精度低、检测效率低的技术问题。构建的桥墩检测分割模型中，YOLO10目标检测网络对图像进行目标检测，CUNet目标分割网络对图像进行分割；利用无人机对在建的桥桩进行拍摄并获取无人机的当前坐标以及上下左右偏转角度；将无人机拍摄的图像输入桥墩检测分割模型并得到桥墩分割结果，将分割出来的图像移动至目标坐标系，并将中心线进行投影后获得各边的尺寸，并通过对比端点A、B之间的距离以及计算中心线的侧偏角；本发明可以准确检测在建桥桩施工进度、以及桥桩是否存在侧偏。
-
公开(公告)号：CN118968632A
公开(公告)日：2024-11-15
申请号：CN202411440220.6
申请日：2024-10-15
Applicant: 电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的姿态识别方法。该方法采用基于数据的姿态识别技术，收集用户操作时加速度传感器和陀螺仪传感器的数据，建立姿态数据库，利用神经网络从中学习人体姿态的规律，从而根据当前用户传感器的数据估计出人体姿态，所述加速度传感器测量物体在三个轴上的加速度，陀螺仪传感器测量物体在三个轴上的角速度，通过测量得到的加速度和角速度计算物体的姿态角，从而判断出物体的姿态，采用的神经网络为根据长短期记忆网络LSTM和Dense网络修改的新的时间递归神经网络。通过本发明方案，减少了过拟合的发生，有效提高了分类器的性能，从而提升了姿态识别的效率。
-
Patent Agency Ranking
公开(公告)号：CN118967704A
公开(公告)日：2024-11-15
申请号：CN202411071788.5
申请日：2024-08-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的前哨淋巴结超声图像语义分割方法，涉及图像语义分割技术领域。本发明首先获取前哨淋巴结超声图像数据集，对数据集进行预处理以得到训练集；然后构建用于图像语义分割的RA‑U‑Net++网络，并基于训练集对其进行网络参数调优，得到用于目标病灶的医学图像语义分割模型；该网络采用U型结构多层结构，每一层级设置一个采用残差空洞金字塔模块的编码节点，当前层级的编码节点的输出特征图经下采样后输入下一层级的编码节点；首层至倒数第二层均设置有解码节点，解码节点逐层减少，每一层级的解码节点位于编码节点后，每个解码节点的输入包括其前所有节点的输出特征图以及下一层级中的前相邻节点的输出特征图；基于首层的最后一个解码节点的输出特征图获取最终的分割结果。本发明实现了前哨淋巴结超声图像的自动分割，摆脱了繁琐费时费力的手工分割；并且分割效果好，能够得到较高的交并比IoU。
-
公开(公告)号：CN118917747A
公开(公告)日：2024-11-08
申请号：CN202411407971.8
申请日：2024-10-10
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06Q10/0633 , G06Q50/06 , G06F18/23 , G06F18/22 , G06F18/243 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/25
Abstract: 本发明提供了一种基于多场时空迁移学习的产品多层次装配质量检测方法与系统，属于装备制造领域。本发明能够实现对于具有多层次装配特点的复杂产品装配过程全流程追踪，获取高层次组件、低层次组件等各组件的装配过程实时状态信息，能够实现面向复杂产品装配全流程的动态追踪。提出了基于改进型OPC UA信息模型的产线多类别组件虚拟映射方法。该方法通过对于各个组件分配虚拟IP与对应数据库，实现了对于各个组件在虚拟空间的基于状态的实时动态追踪。基于多场时空迁移学习的装配质量预测能够通过对于复杂产品过程组件装配过程进行追踪，又可以对于产品最终装配质量进行追踪，从而实现对于多层次复杂产品装配质量综合判断。
-
公开(公告)号：CN118333864A
公开(公告)日：2024-07-12
申请号：CN202410422392.4
申请日：2024-04-09
Applicant: 电子科技大学
IPC: G06T3/4076 , G06T5/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例提供一种图像处理方法、计算机设备及存储介质。方法包括：获取若干高分辨率图像；通过改进的初始退化处理公式对若干高分辨率图像进行退化处理，得到初始低分辨率图像；其中，改进的初始退化处理公式表示为：#imgabs0#，其中，#imgabs1#为初始低分辨率图像；#imgabs2#为高分辨率图像；D表示进行退化处理；#imgabs3#表示模糊核；#imgabs4#表示高分辨率图像与模糊核之间的卷积操作；#imgabs5#表示降采样因子为#imgabs6#的下采样；#imgabs7#为加入高分辨率图像中的噪声；#imgabs8#表示使用JPEG方式压缩处理；判断初始低分辨率图像是否满足第一预设条件；在初始低分辨率图像满足第一预设条件时，将初始低分辨率图像确定目标低分辨率图像。本申请实施例旨在提高图像的退化处理效果，进而提高待重建图像的重建效果。
-
公开(公告)号：CN117078510B
公开(公告)日：2024-04-30
申请号：CN202310373066.4
申请日：2023-04-10
Applicant: 电子科技大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06N3/094
Abstract: 本发明公开了一种潜在特征的单幅图像超分辨重建方法，属于图像处理技术领域。为了保证扩散概率模型在少量的采样步数下进行高质量的采样，本发明基于设置的多模态分布模型来实现高分辨率图像的重构，该模型基于生成器和归一化流实现，在较少的迭代步数下，专注于重建高分辨率图像的高频细节。并通过自适应多头注意力机制和变分自编码器将低分辨率图像转换为隐条件作为模型的条件输入，在快速采样的同时减少模型崩塌带来的负面影响，以产生复杂多样化且高质量的高分辨率图像。通过自适应多头注意力机制和变分自编码器限制了扩散概率模型中的最大化变分下界带来的预测随机性影响，使模型训练稳定且能够生成与原始高分辨率图像风格和内容一致的图像。
-
公开(公告)号：CN112950954A
公开(公告)日：2021-06-11
申请号：CN202110204996.8
申请日：2021-02-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于高位摄像头的智能停车车牌识别方法，解决了现有街道路边停车的人工收费造成的费时费力的问题，通过视频帧队列保存车辆停车过程事件的一段视频，解决了停车过程中车牌遮挡问题；通过车辆是否越过车位线解决了车辆停车问题；通过垂直俯仰角近似旋转变换和透视变换矫正方法解决摄像头下车牌倾斜的问题，通过车牌识别神经网络识别车牌解决了车牌识别的问题，加上多尺度特征融合方法解决了小分辨率车牌识别的问题。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.028 seconds)
