-
公开(公告)号：CN117170273A
公开(公告)日：2023-12-05
申请号：CN202310984786.4
申请日：2023-08-07
申请人： 桂林电子科技大学
IPC分类号： G05B19/042
摘要： 本发明属于智能节电技术领域，提供了一种基于互联网的智能节电控制系统，包括控制系统，所述控制系统包括线上智能可视化平台客户端、线下终端设备、继电器和电路，所述线下终端设备与线上智能可视化平台客户端和线下终端设备电连接；本发明通过运用多种传感器和物联网等技术，通过STM32系列控制芯片对一定区域进行实时红外监控和目标检测，对检测数据的处理以及网络接入，并将处理数据传输至PLC模块，经智能互联信息I/O模块处理并执行命令后，实现电源开关智能控制，进而达到楼层、楼宇及目标区域用电能耗控制的目的，增强楼宇用电的控制效果，同时，控制操作的步骤较为简便，可以及时对楼宇用电进行快速控制，进而增强楼宇节电控制的效果。
-
公开(公告)号：CN116206109B
公开(公告)日：2023-11-07
申请号：CN202310146446.4
申请日：2023-02-21
申请人： 桂林电子科技大学
IPC分类号： G06V10/26 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于级联网络的肝脏肿瘤分割方法，采取肝脏分割网络和肝肿瘤分割网络级联的方式，肝脏分割网络先从CT图像中分割肝脏，提取出肿瘤感兴趣区域，再将肿瘤感兴趣区域作为肝肿瘤分割网络的输入，进一步实现对肝脏肿瘤的精准分割，这解决了因肿瘤在整幅CT图像中占比小而造成的数据不平衡问题。肝脏分割网络和肝肿瘤分割网络均以残差网络作为骨架，残差网络极大提高了可以有效训练的网络的深度，加速训练网络的收敛，减少模型退化，从而有效避免了随着网络层数加深梯度消失的问题，解决了因网络过深而出现的梯度弥散问题。
-
公开(公告)号：CN118747764A
公开(公告)日：2024-10-08
申请号：CN202410889977.7
申请日：2024-07-04
申请人： 桂林电子科技大学
摘要： 本发明涉及3D点云配准技术领域，具体涉及一种结合注意力机制与多模型校准的点云配准算法，重叠代表点云配准算法：基于原始点云和目标点云获取原始点云的点重叠分数、目标点云的点重叠分数和点云的初始对齐，去除非匹配点，加权奇异值分解估计变换得到第一变换参数；端到端对应点云配准算法：对原始点云和目标点云进行下采样和特征提取，获取不同分支的点云信息，预测转换后关键点的坐标输出第二变换参数；基于误差评估重叠代表点云配准算法和端到端对应点云配准算法，选择误差小的算法作为当前点云配准方案。本发明根据输入点云数据的不同特征，结合两种方法各自的优点，实现对原始点云针对性配准，提高配准精度。
-
公开(公告)号：CN116486080A
公开(公告)日：2023-07-25
申请号：CN202310376737.2
申请日：2023-04-10
申请人： 桂林电子科技大学
IPC分类号： G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/082
摘要： 本发明公开一种基于深度学习的轻量化图像语义分割方法，先构建轻量化图像语义分割模型Mobile‑SegFormer；再利用已分割好的样本图像集对构建的轻量化图像语义分割模型进行训练，得到训练好的轻量化图像语义分割模型；后将待分割的图像送入到训练好的轻量化图像语义分割模型中，训练好的轻量化图像语义分割模型输出分割好的图片。本发明将SegFormer和MobileNetv3模型都进行了改进，无需通过Imagenet数据集的预训练，即可实现较高的分割精度，具有较友好的可移植性。通过实验进行对比，我们提出的Mobile‑SegFormer网络，相对于常见的轻量化网络，有着更准确的分割效果，相对于大型的分割网络，有着更轻量化的参数量和更低的每秒浮点运算值，能够较好的均衡Params、FLOPS和MIoU指标。
-
公开(公告)号：CN116363181A
公开(公告)日：2023-06-30
申请号：CN202310291088.6
申请日：2023-03-23
申请人： 桂林电子科技大学
IPC分类号： G06T7/33 , G06T7/00 , G06T7/13 , G06T3/40 , G06N3/0464
摘要： 本发明公开一种基于特征的CT图像和超声图像肝脏配准方法，先对CT进行图像预处理并从中提取肝脏器官轮廓特征；采集超声图像并从中提取肝脏器官轮廓特征；再根据肝脏器官面积特征对CT图像和超声图像进行快速粗匹配，筛选出若干张候选CT切片；后将候选CT切片与超声图像逐一进行配准，得到空间变换矩阵，并以此将候选CT切片变换到超声图像坐标系下，通过计算变换后的候选CT切片与二维超声之间的图像相似性，得到与二维超声精确匹配的CT切片。本发明能够提高配准的精度和效率。
-
公开(公告)号：CN117611810A
公开(公告)日：2024-02-27
申请号：CN202311457394.9
申请日：2023-11-03
申请人： 桂林电子科技大学
摘要： 本发明涉及图像分割技术领域，具体涉及一种基于Segformer的轻量化道路图像分割方法，针对Segformer模型存在的问题，基于交叉特征融合网络进行改进，在第一层中引入语义特征融合模块(semantic‑feature fusion，SFF)，在第二层中采用坐标注意力模块(coordinate attention，CA)，第三层中采用门控注意力机制模块(gated‑attention mechanism，GAM)，第四层中使用利用SENet模块重新校准特征映射，最后输送到语义分割解码器预测图像中各个像素的语义类别，本发明在不同情况下的语义特征融合分别采用了SFF和GAM模块，使分割效果更连续，更细化，同时采用了两种注意力模块CA和SENet，帮助模型精准地定位和识别感兴趣的目标，以少量的参数量和计算量保证高效且精准的图像分割，提高了自动驾驶时的实时性。
-
公开(公告)号：CN116883341A
公开(公告)日：2023-10-13
申请号：CN202310802870.X
申请日：2023-07-03
申请人： 桂林电子科技大学
摘要： 本发明涉及数字医疗技术领域，具体涉及一种基于深度学习的肝脏肿瘤CT图像自动分割方法，包括如下步骤：提取待分割CT图像；利用多尺度特征识别网络，提取所述待分割CT图像的多尺度特征；利用注意力机制网络，通过所述多尺度特征识别所述待分割CT图像中的病变区域；根据识别结果，在所述待分割CT图像中分割出肝脏肿瘤图像。本发明首先基于深度学习技术，解决了传统方法存在的手动标注、分割精度和效率低下等问题，同时相较于现有技术，本发明具有更高的自动化程度、更精准的分割结果和更高的分割效率。
-
公开(公告)号：CN116206109A
公开(公告)日：2023-06-02
申请号：CN202310146446.4
申请日：2023-02-21
申请人： 桂林电子科技大学
IPC分类号： G06V10/26 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于级联网络的肝脏肿瘤分割方法，采取肝脏分割网络和肝肿瘤分割网络级联的方式，肝脏分割网络先从CT图像中分割肝脏，提取出肿瘤感兴趣区域，再将肿瘤感兴趣区域作为肝肿瘤分割网络的输入，进一步实现对肝脏肿瘤的精准分割，这解决了因肿瘤在整幅CT图像中占比小而造成的数据不平衡问题。肝脏分割网络和肝肿瘤分割网络均以残差网络作为骨架，残差网络极大提高了可以有效训练的网络的深度，加速训练网络的收敛，减少模型退化，从而有效避免了随着网络层数加深梯度消失的问题，解决了因网络过深而出现的梯度弥散问题。
-
公开(公告)号：CN118804444A
公开(公告)日：2024-10-18
申请号：CN202410767674.8
申请日：2024-06-14
申请人： 桂林电子科技大学
IPC分类号： H05B47/105 , H05B47/125 , H05B47/19 , H05B47/165 , G08G1/052 , G06N5/048
摘要： 本发明涉及智能节电技术领域，尤其涉及一种基于云边端协同的智慧路灯节能控制系统，包括云平台管理端、边缘集中控制器、智能路灯控制器和控制算法，在工作时，边缘集中控制器通过检测车辆速度和车辆数目，然后将数据上传至云平台管理端，在进行控制算法处理后，边缘集中控制器将调度方式传输至智能路灯控制器，对路灯进行智能调度；同时将数据信息传输至云平台管理端，然后数据经过深度学习模型进行预测分析，通过实时反馈持续优化，自适应地调整深度学习模型和模糊逻辑规则，以应对环境和交通模式的变动，实现更高效和响应性更强的城市照明管理。
-
公开(公告)号：CN116433611A
公开(公告)日：2023-07-14
申请号：CN202310279890.3
申请日：2023-03-21
申请人： 桂林电子科技大学
IPC分类号： G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于UNet的多分支肝脏肿瘤分割方法，先构建基于UNet的多分支肝脏肿瘤分割网络；再利用事先已经分割出肝脏肿瘤的CT图像所构建的训练样本集对基于UNet的多分支肝脏肿瘤分割网络进行深度学习训练，得到训练好的基于UNet的多分支肝脏肿瘤分割网络；后将当前需要进行肝脏肿瘤分割的CT图像送到训练好的基于UNet的多分支肝脏肿瘤分割网络中，得到已分割出肝脏肿瘤的CT图像。通过加强分割网络特征图的感受野以及充分利用通道与空间结构信息，可以更好地捕获像素级细节和空间信息，从而提高网络对医学图像的分割性能。与现有的方法不同，本发明所提出的网络架构在捕获局部边缘的精细细节的同时，还能捕获全局多尺度信息，从而确保空间一致性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.023 秒)
