-
公开(公告)号：CN112308013B
公开(公告)日：2023-03-31
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN114330328A
公开(公告)日：2022-04-12
申请号：CN202111520289.6
申请日：2021-12-13
Applicant: 电子科技大学
IPC: G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Transformer‑CRF的藏文分词方法，该方法包括：输入数据集、数据预处理、音节扩展、构建基于Transformer‑CRF的藏文分词模型、训练并保存模型及其参数以及输入待分词语料，输出分词结果。本发明以当前音节为中心向左向右扩展两个单元，使用unigram和bigram相结合的方法，可以提取到更多的特征向量。同时，本发明克服了传统分词方法中存在的运算速度、准确率低等缺点。另外，基于Transformer‑CRF的藏文分词模型采用并行计算，大大增加了计算效率，而且模型中的自注意力机制的特征抽取能力比LSTM的特征抽取能力要好。
-
公开(公告)号：CN111695678A
公开(公告)日：2020-09-22
申请号：CN202010493422.2
申请日：2020-06-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于忆阻模块阵列的图像标题生成方法，涉及人工智能技术领域。该方法基于忆阻器的阻值可塑性，设计忆阻模块构成忆阻阵列，搭载多层卷积网络模型VGG-16，并将其与片外LSTM连接，实现图像标题生成。该方法搭载卷积网络解决了普通忆阻阵列的权值不连续问题，可以实现高精度的图像特征识别，同时，采用硬件实现神经网络，大幅度降低了神经网络的处理时间和能耗，效率高。本发明提出的忆阻模块阵列，为大规模神经网络提供了一种硬件解决方案的思路，使得大规模神经网络系统可以高速、低能耗地解决现实问题。
-
公开(公告)号：CN112037745A
公开(公告)日：2020-12-04
申请号：CN202010946590.2
申请日：2020-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络模型的音乐创作系统，涉及音乐及计算机信息处理领域。该系统包括服务器和设置于个人电脑终端的Web客户端，相较于Magenta开源项目，本发明利用web客户端和服务器提供给用户可视化界面，用户不用下载脚本文件和搭建脚本环境即可使用神经网络模型进行音乐创作，方便非相关专业的人员体验前沿的技术；相较于其他利用Magenta开源项目开发的web应用，本系统集成了Magenta全部而非某个或几个与音乐创作有关的神经网络模型，并附有详细的介绍和使用说明，用户可以对这些模型有更清晰的对比和认识。
-
公开(公告)号：CN111339858A
公开(公告)日：2020-06-26
申请号：CN202010096021.3
申请日：2020-02-17
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN112037745B
公开(公告)日：2022-06-03
申请号：CN202010946590.2
申请日：2020-09-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于神经网络模型的音乐创作系统，涉及音乐及计算机信息处理领域。该系统包括服务器和设置于个人电脑终端的Web客户端，相较于Magenta开源项目，本发明利用web客户端和服务器提供给用户可视化界面，用户不用下载脚本文件和搭建脚本环境即可使用神经网络模型进行音乐创作，方便非相关专业的人员体验前沿的技术；相较于其他利用Magenta开源项目开发的web应用，本系统集成了Magenta全部而非某个或几个与音乐创作有关的神经网络模型，并附有详细的介绍和使用说明，用户可以对这些模型有更清晰的对比和认识。
-
公开(公告)号：CN114330328B
公开(公告)日：2023-10-10
申请号：CN202111520289.6
申请日：2021-12-13
Applicant: 电子科技大学
IPC: G06F40/284 , G06N3/0455 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于Transformer‑CRF的藏文分词方法，该方法包括：输入数据集、数据预处理、音节扩展、构建基于Transformer‑CRF的藏文分词模型、训练并保存模型及其参数以及输入待分词语料，输出分词结果。本发明以当前音节为中心向左向右扩展两个单元，使用unigram和bigram相结合的方法，可以提取到更多的特征向量。同时，本发明克服了传统分词方法中存在的运算速度、准确率低等缺点。另外，基于Transformer‑CRF的藏文分词模型采用并行计算，大大增加了计算效率，而且模型中的自注意力机制的特征抽取能力比LSTM的特征抽取能力要好。
-
公开(公告)号：CN111339858B
公开(公告)日：2022-07-29
申请号：CN202010096021.3
申请日：2020-02-17
Applicant: 电子科技大学
IPC: G06V10/774 , G06V20/17 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于神经网络的油气管道标志物识别方法，该方法包括步骤：构建模型，获取训练集、验证集和测试集，经过训练得到最优模型，采用测试集进行测试，得到检测结果并计算检测精度。本发明使用参数少的Mobilenet作为基础网络，在多尺度特征映射上直接回归的SSD算法作为目标检测算法，实现了多尺度的目标检测，且检测模型小、检测速度快，使检测模型部署在移动端，对油气管道的标志物进行实时检测；并通过CBAM注意力机制从全局和局部范围突出标志物的显著特征，获得更好的检测效果；同时注意力机制嵌入在基础网络的每层后面，可以从第一层逐层增强特征表达能力，有效剔除干扰信息，提高检测精度。
-
公开(公告)号：CN111695678B
公开(公告)日：2022-05-03
申请号：CN202010493422.2
申请日：2020-06-01
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于忆阻模块阵列的图像标题生成方法，涉及人工智能技术领域。该方法基于忆阻器的阻值可塑性，设计忆阻模块构成忆阻阵列，搭载多层卷积网络模型VGG‑16，并将其与片外LSTM连接，实现图像标题生成。该方法搭载卷积网络解决了普通忆阻阵列的权值不连续问题，可以实现高精度的图像特征识别，同时，采用硬件实现神经网络，大幅度降低了神经网络的处理时间和能耗，效率高。本发明提出的忆阻模块阵列，为大规模神经网络提供了一种硬件解决方案的思路，使得大规模神经网络系统可以高速、低能耗地解决现实问题。
-
公开(公告)号：CN112308013A
公开(公告)日：2021-02-02
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
