基于R2U-Net的DR-GAN多姿态人脸识别算法

    公开(公告)号:CN114220150A

    公开(公告)日:2022-03-22

    申请号:CN202111516120.3

    申请日:2021-12-06

    摘要: 本发明公开了一种基于R2U‑Net的DR‑GAN多姿态人脸识别算法,复杂场景下的摄像头部署往往不能采取到标准的正面人脸图像,尤其是面对大角度偏置的侧脸照片,提取的脸特征就会掺杂大量的角度信息,导致人脸识别的效果严重下降。针对大角度人脸偏置的问题,本文提出了一种基于单循环残差注意力网络(Recurrent Residual Attention Convolutional Neural Network,R2AttU‑Net)的解纠缠表示生成对抗网络(Disentangled Representation Learning GAN,DR‑GAN),R2AttU‑Net体系结构使用更少数量的网络参数,包含有效的特征积累方法,针对不同时间步长的特征累积确保了更好、更强的特征表示,循环卷积和残差操作有助于身份信息特征的提取,有助于提取非常低级的特征。

    一种基于图像摄像机和高性能显卡的交通异常检测系统设计

    公开(公告)号:CN114049306A

    公开(公告)日:2022-02-15

    申请号:CN202111204003.3

    申请日:2021-10-15

    摘要: 随着车辆的普及,交通系统的面临着堵车,交通事故等诸多问题。针对这些问题,设计并且实现了一种基于摄像头的交通异常检测系统。该系统中的硬件包括摄像头,装有显卡的计算机。本系统通过摄像头采集RGB彩色图像,并且使用显卡进行高性能计算,可以实现对图像的实时处理与实时推理结果显示。本系统使用Python与Opencv联合编程实现,主要的流程包括图像采集,图像处理,目标识别,结果获取。获取的最终结果包括,车辆的数目,是否堵车,镜头中的人的数量,以及车辆是否闯红灯,是否超速等交通道路的异常信息。

    基于底面压强统计量与储量方程的粮仓检测方法及装置

    公开(公告)号:CN111721448B

    公开(公告)日:2021-08-27

    申请号:CN202010549653.0

    申请日:2020-06-16

    IPC分类号: G01L1/00 G01G19/00

    摘要: 本发明属于粮仓数量检测技术领域,具体涉及基于底面压强统计量与储量方程的粮仓检测方法及装置。本发明利用底面两圈压力传感器的输出值或者底面单圈压力传感器的输出值来确定底面压强均值和侧面压强均值,代入至构建的粮仓储量数量模型中,便可确定粮仓储粮数量。本发明的特点为引入了粮堆高度和粮仓储粮数量的关系来构建粮仓储粮数量模型,以提高粮仓储粮数量检测模型的鲁棒性与泛化能力,适应于平房仓等结构类型,便于远程在线粮仓数量检测等特点,可满足平房仓等粮仓储粮数量远程在线检测的需要。

    一种SDN环境中重要节点信息采集方法

    公开(公告)号:CN105245362A

    公开(公告)日:2016-01-13

    申请号:CN201510581282.3

    申请日:2015-09-14

    IPC分类号: H04L12/24

    摘要: 本发明公开了一种SDN环境中重要节点信息采集方法,用于选取网络中重要节点,从而进行网络服务的重点监测和重点部署。首先对转发平面与网络服务程序的相关信息收集,然后对转发节点的重要程度进行量化分析,进而对网络服务进行有重点的信息采集。其中,所选参数包括四部分:1)通信量;2)网络拓扑;3)转发节点活跃度;4)网络服务信息,其中网络服务信息指对于评价转发节点部署该服务的迫切程度有关的指标,可根据具体网络服务在其所提供的指标中进行选取。本发明对网络服务的信息采集工作进行优化,在减少网络服务信息采集节点数量的同时,获得较好的服务效果。

    一种基于TDMA的车载自组网络自适应时隙分配方法

    公开(公告)号:CN103096327B

    公开(公告)日:2015-09-23

    申请号:CN201310006110.4

    申请日:2013-01-08

    IPC分类号: H04W16/10 H04B7/26

    摘要: 本发明涉及一种基于TDMA的车载自组网络自适应时隙分配方法,该方法将时帧划分为左右两个时隙集,将节点按照其移动方向划分为左、右节点集,左/右节点集里的节点根据当前的地理位置信息按照一定的规则选择左/右时隙集里的竞争时隙。本发明很大程度上减少了节点发生的接入冲突和合并冲突的概率;并根据节点感知到的节点密度变化,动态的调整帧长,以满足节点快速接入信道的需求;通过理论分析和仿真实验两方面证明本发明具有较低的时延,与现有协议相比较,本发明具有更少的冲突节点数量,更高的信道利用率,且具有良好的可扩展性。

    一种基于TDMA的车载自组网络自适应时隙分配方法

    公开(公告)号:CN103096327A

    公开(公告)日:2013-05-08

    申请号:CN201310006110.4

    申请日:2013-01-08

    IPC分类号: H04W16/10 H04B7/26

    摘要: 本发明涉及一种基于TDMA的车载自组网络自适应时隙分配方法,该方法将时帧划分为左右两个时隙集,将节点按照其移动方向划分为左、右节点集,左/右节点集里的节点根据当前的地理位置信息按照一定的规则选择左/右时隙集里的竞争时隙。本发明很大程度上减少了节点发生的接入冲突和合并冲突的概率;并根据节点感知到的节点密度变化,动态的调整帧长,以满足节点快速接入信道的需求;通过理论分析和仿真实验两方面证明本发明具有较低的时延,与现有协议相比较,本发明具有更少的冲突节点数量,更高的信道利用率,且具有良好的可扩展性。

    一种软件缺陷修复方法及装置

    公开(公告)号:CN111444079B

    公开(公告)日:2022-09-30

    申请号:CN201910041815.7

    申请日:2019-01-16

    摘要: 本发明涉及一种软件缺陷修复方法及装置,属于软件调试技术领域,将待修复程序表示为抽象语法树结构,将结构中的各个语句作为个体;生成测试用例集,包括正测试用例和反测试用例,将正、反测试用例在测试用例集中的比重分别作为个体通过正、反测试用例的权重,构造适应度函数,从软件程序中寻找语句作为初始个体,形成初始种群,结合适应度函数,执行进化操作,直至满足迭代终止条件。本发明通过构造适当的适应度函数,使得正、反测试用例的价值相同,保证搜索更快的趋近于最优个体,节约了计算资源,并提高了搜索效率,软件修复速度较快。

    基于流形正则化宽度学习的软件缺陷定位方法及处理装置

    公开(公告)号:CN114003509A

    公开(公告)日:2022-02-01

    申请号:CN202111348578.2

    申请日:2021-11-15

    IPC分类号: G06F11/36 G06K9/62 G06N20/00

    摘要: 本发明提供一种基于流形正则化宽度学习的软件缺陷定位方法及处理装置,属于软件测试技术领域,该方法的流程及阶段:首先,通过插桩执行待测程序和测试用例,同时进行静态分析得到程序谱和测试用例执行结果;其次,对于软件缺陷定位,流形正则化宽度学习引入局部离散度概念,运用局部保持投影的思想构建局部散度;然后,将局部类散度引入到宽度学习模型中,提升流形正则化宽度学习在软件缺陷定位中的分类效果;最后,对程序语句依照其在失败的模拟测试用例覆盖向量中出现的次数由多至少进行排序作为其可疑度排名列表,指导缺陷定位。本发明通过流形正则化宽度学习可以使数据在新的特征空间中保持原有的几何结构,拥有结构简单、高效等特点。