-
公开(公告)号：CN113591866B
公开(公告)日：2023-07-07
申请号：CN202110865778.9
申请日：2021-07-29
申请人： 云南大学
IPC分类号： G06V30/148 , G06V30/14 , G06V30/19 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/0442
摘要： 本发明公开了一种基于DB与CRNN的特种作业证件检测方法及系统，该方法包括：将每张目标特种作业证件图像输入到DB文本检测网络模型，以确定每张目标特种作业证件图像对应的文本框数据集合；将每张目标特种作业证件图像以及每张目标特种作业证件图像对应的文本框数据集合输入到CRNN文本识别网络模型中，以确定每张所述目标特种作业证件图像中每个所述目标文本框内的文本信息。DB文本检测网络中的Backbone模块采用的是MobileNetV3‑large结构；CRNN文本识别网络中的CNN模块的部分结构采用的是MobileNetV3‑small结构。本发明能够达到降低人工工作量并提高证件图像检测效率的目的。
-
公开(公告)号：CN113360647B
公开(公告)日：2022-08-26
申请号：CN202110616920.6
申请日：2021-06-03
申请人： 云南大学
IPC分类号： G06F16/35 , G06F40/247 , G06F40/284 , G06K9/62 , G06Q30/00
摘要： 本发明涉及一种基于聚类的5G移动业务投诉溯源分析方法。该方法包括：利用Jieba分词技术对预处理后的移动业务投诉工单数据集进行分词处理，生成分词结果以及分词结果矩阵；对分词结果矩阵进行词频统计，生成第一词频表，并根据第一词频表构建同义词库；结合移动业务，根据第一词频表将分词结果按照“套餐/操作/原因”进行分类操作，构建关键词矩阵；对关键词矩阵进行聚类，生成业务投诉的问题类别矩阵以及每一类投诉问题的原因矩阵；对问题类别矩阵以及原因矩阵进行溯源分析确定投诉类别以及投诉原因。本发明能够对大量移动业务投诉数据进行分类处理，提高分析处理效率以及通用性。
-
公开(公告)号：CN113627302A
公开(公告)日：2021-11-09
申请号：CN202110883844.5
申请日：2021-08-03
申请人： 云南大学
摘要： 本发明涉及一种登高施工合规性检测方法及系统，所述方法包括：构建数据集；所述数据集包括：训练集和测试集；基于所述训练集对神经网络进行训练；获取施工图像；将所述施工图像输入至训练好的神经网络，得到爬梯人实例的数量和扶梯人实例的数量；根据所述爬梯人实例的数量和扶梯人实例的数量判断是否合规。本发明中的上述方法利用MaskR‑CNN模型学习并识别图像中登高施工中施工人员的动作；建立识别结果与审查结果的逻辑关系，基于MaskR‑CNN识别结果对施工是否合规进行判断，减少了人工筛选工作量，提高了识别精度。
-
公开(公告)号：CN113792584B
公开(公告)日：2023-10-27
申请号：CN202110887741.6
申请日：2021-08-03
申请人： 云南大学
IPC分类号： G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种安全护具佩戴检测方法及系统。所述方法，包括：采用ResNet‑101残差神经网络和特征金字塔网络对目标场景图像进行特征提取，得到待测特征图矩阵和待测掩膜特征图矩阵；由待测特征图矩阵生成待测锚框；基于待测特征图矩阵，采用训练好的区域候选网络和非极大值抑制的方法对待测锚框坐标矩阵中的坐标进行缩减，得到待测样本；将待测样本和待测掩膜特征图矩阵输入训练好的掩膜卷积模型中，得到目标场景图像中的工人掩膜和安全护具掩膜；根据目标场景图像的工人掩膜和安全护具掩膜之间的相交关系确定目标场景图像中工人是否佩戴安全护具。本发明能提高安全护具检测的准确率、降低人工成本。
-
公开(公告)号：CN113627302B
公开(公告)日：2023-07-18
申请号：CN202110883844.5
申请日：2021-08-03
申请人： 云南大学
IPC分类号： G06V40/20 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/00
摘要： 本发明涉及一种登高施工合规性检测方法及系统，所述方法包括：构建数据集；所述数据集包括：训练集和测试集；基于所述训练集对神经网络进行训练；获取施工图像；将所述施工图像输入至训练好的神经网络，得到爬梯人实例的数量和扶梯人实例的数量；根据所述爬梯人实例的数量和扶梯人实例的数量判断是否合规。本发明中的上述方法利用MaskR‑CNN模型学习并识别图像中登高施工中施工人员的动作；建立识别结果与审查结果的逻辑关系，基于MaskR‑CNN识别结果对施工是否合规进行判断，减少了人工筛选工作量，提高了识别精度。
-
公开(公告)号：CN113792584A
公开(公告)日：2021-12-14
申请号：CN202110887741.6
申请日：2021-08-03
申请人： 云南大学
摘要： 本发明公开了一种安全护具佩戴检测方法及系统。所述方法，包括：采用ResNet‑101残差神经网络和特征金字塔网络对目标场景图像进行特征提取，得到待测特征图矩阵和待测掩膜特征图矩阵；由待测特征图矩阵生成待测锚框；基于待测特征图矩阵，采用训练好的区域候选网络和非极大值抑制的方法对待测锚框坐标矩阵中的坐标进行缩减，得到待测样本；将待测样本和待测掩膜特征图矩阵输入训练好的掩膜卷积模型中，得到目标场景图像中的工人掩膜和安全护具掩膜；根据目标场景图像的工人掩膜和安全护具掩膜之间的相交关系确定目标场景图像中工人是否佩戴安全护具。本发明能提高安全护具检测的准确率、降低人工成本。
-
公开(公告)号：CN113255342A
公开(公告)日：2021-08-13
申请号：CN202110654901.2
申请日：2021-06-11
申请人： 云南大学
IPC分类号： G06F40/279 , G06F40/242 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种5G移动业务产品名称识别方法及系统。该方法包括获取5G套餐办理类的通话文本；对通话内容进行预处理，构建单元化数据集；对标准移动业务产品名称集进行口语化处理，构建最简移动业务产品集合；根据标准移动业务产品名称集确定过滤阈值；根据最简移动业务产品集合确定单元切割阈值；利用过滤阈值、单元切割阈值对单元化数据集进行过滤以及切割；对处理后的数据集进行标注，并随机抽样，进而根据随机抽样的数据集确定训练集和测试集；利用训练集训练双向LSTM+CRF模型；根据处理后的数据集，利用训练后的双向LSTM+CRF模型，确定移动业务产品名称识别结果集；构建移动业务产品名称字典；本发明能够高效率地进行移动业务产品名称识别。
-
公开(公告)号：CN118803806A
公开(公告)日：2024-10-18
申请号：CN202410189848.7
申请日：2024-02-20
申请人： 中国移动通信集团云南有限公司 , 中国移动通信集团有限公司 , 云南大学
摘要： 本公开实施例提供了一种基站资源的分配方法、装置、电子设备和存储介质，方法包括：根据获取的预设区域内的基站对应的基站资源可分享图、各基站的当前负载以及GCN网络，获取各基站对应的负载特征矩阵向量；根据基站资源可分享图，从各基站对应的负载特征矩阵向量中，获取任一基站的负载特征矩阵向量，以及任一基站的任一可分享基站的负载特征矩阵向量；根据任一基站以及任一可分享基站的负载特征矩阵向量，确定任一基站与任一可分享基站进行资源分享时的分享方、被分享方和分享比例；根据分享方、被分享方和分享比例、任一基站与任一可分享基站之间的资源互补值，确定任一基站对应的资源分配策略，以基于资源分配策略对任一基站进行资源分配。
-
公开(公告)号：CN117290700A
公开(公告)日：2023-12-26
申请号：CN202311164470.7
申请日：2023-09-11
申请人： 云南大学
IPC分类号： G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/08 , H04W24/06
摘要： 本发明公开了一种基于双模图特征融合的无线通信网络异常检测方法，根据实际需要确定无线通信网络的运维变量并收集运维数据样本，构建得到对应运维变量矩阵，构建包括运维图构建模块，相关性特征提取模块，时序性特征提取模块，特征融合模块和GRU模块的运维变量预测模型并基于运维数据样本的运维变量矩阵进行训练，当需要对无线通信网络进行异常检测时，获取运维数据并构建运维变量矩阵，输入运维变量预测模型得到运维变量预测矩阵，基于运维变量矩阵和运维变量预测矩阵之间的差距实现异常检测。本发明通过构建运维图，提取相关性特征和时序性特征并融合得到运维特征矩阵，进而实现异常检测，有效提高无线通信网络运维数据异常检测的准确性。
-
公开(公告)号：CN113255342B
公开(公告)日：2022-09-30
申请号：CN202110654901.2
申请日：2021-06-11
申请人： 云南大学
IPC分类号： G06F40/279 , G06F40/242 , G06N3/04 , G06N3/08
摘要： 本发明涉及一种5G移动业务产品名称识别方法及系统。该方法包括获取5G套餐办理类的通话文本；对通话内容进行预处理，构建单元化数据集；对标准移动业务产品名称集进行口语化处理，构建最简移动业务产品集合；根据标准移动业务产品名称集确定过滤阈值；根据最简移动业务产品集合确定单元切割阈值；利用过滤阈值、单元切割阈值对单元化数据集进行过滤以及切割；对处理后的数据集进行标注，并随机抽样，进而根据随机抽样的数据集确定训练集和测试集；利用训练集训练双向LSTM+CRF模型；根据处理后的数据集，利用训练后的双向LSTM+CRF模型，确定移动业务产品名称识别结果集；构建移动业务产品名称字典；本发明能够高效率地进行移动业务产品名称识别。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.023 秒)
