-
公开(公告)号：CN113327205B
公开(公告)日：2023-04-18
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
公开(公告)号：CN115880767A
公开(公告)日：2023-03-31
申请号：CN202211237881.X
申请日：2022-10-11
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V40/20 , G06V20/40 , G06V10/40 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于类脑记忆网络的目标运动跟踪方法，属于目标跟踪技术领域。技术方案要点为：在主干特征提取网络VGG16输出特征分支之后，构建了类脑长期记忆网络。类脑长期记忆网络由长短期记忆网络和注意力驱动模块构成，首先构建长期记忆机制，从时间和空间两个维度上探索目标外观变化，有效的维持目标信息。同时，利用注意力驱动模块加强记忆中目标相关的信息，减少跟踪器对场景信息的依赖，得到类脑长期记忆模型，提高响应图的可靠性，实现精准的目标定位，然后通过设计的阈值评估当前跟踪结果的准确性，保证记忆更新的稳定性，提高模型对目标变化的鲁棒性，从而提升跟踪算法对目标形变等挑战的适应能力。
-
公开(公告)号：CN113897634A
公开(公告)日：2022-01-07
申请号：CN202111319483.8
申请日：2021-11-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: C25B11/065 , C25B11/075 , C25B1/04
Abstract: 本发明公开了一种非晶钌酸锶薄膜复合电极及其制备方法与应用，其制备方法包括以下步骤：将玻碳衬底使用氧化铝抛光粉充分打磨，使用超声波清洗，用惰性气体吹干后；固定在脉冲激光沉积系统样品台上，以钌酸锶为靶材，在氧分压和激光能量密度恒定条件下，首先预烧灼，然后取下挡板沉积，在氮气气氛下取出样品，得钌酸锶薄膜复合电极。本发明通过激光脉冲在玻碳基底上沉积生长非晶钌酸锶，所得电极材料结合力高，稳定性好，通过本发明的非晶钌酸锶薄膜复合电极应用于电催化水分解析氧反应系统中，可以有效地催化和促进电解水析氧反应反应的进行。本发明表明，非晶结构工程可以成为设计下一代电解水析氧反应应用高性能催化剂的有效和通用策略。
-
公开(公告)号：CN115293223A
公开(公告)日：2022-11-04
申请号：CN202210536222.X
申请日：2022-05-17
Applicant: 电子科技大学长三角研究院(湖州) , 电子科技大学
Abstract: 本发明公开一种深度学习中相位解缠的细节损失优化方法及系统、存储介质，该方法通过构建用于进行相位解缠的生成对抗网络：包括生成器和判别器；所述生成器用于对缠绕相位数据进行解缠并生成图像；所述判别器用于判别生成器生成的图像的真假结果；确定生成对抗网络的混合损失函数，并通过训练生成对抗网络处理需要处理相位解缠数据。通过设置具有混合损失函数的生成对抗网络，经过训练的GAN保留使相位解缠结果尽可能保留纹理细节，有效的抑制了斑点噪声，显著降低了山谷中的斑点噪声。
-
公开(公告)号：CN113327205A
公开(公告)日：2021-08-31
申请号：CN202110610161.2
申请日：2021-06-01
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开一种基于卷积神经网络的相位去噪网络及方法，包括依次连接的输入端、编码器、解码器和输出端；输入端用于接收带噪干涉相位图像，编码器采用卷积神经网络提取带噪干涉相位图像中的相位特征，并根据相位特征预测出不含噪声的干涉相位；解码器采用与编码器对应的反卷积神经网络将不含噪声的干涉相位进行处理得到不含噪声的相位图像；输出端用于输出不含噪声的相位图像。该网络为相位去噪网络PDNNet，对包含噪声的干涉相位的图进行训练，由训练得到的神经网络去预测不含噪声的干涉相位图，达到去噪效果。基于神经网络的相位去噪算法能较好地保留相位边缘特征，能在较短时间内去除相位噪声，同时保证精度较高。
-
Patent Agency Ranking
公开(公告)号：CN118186457A
公开(公告)日：2024-06-14
申请号：CN202410401101.3
申请日：2024-04-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: C25B11/075 , C25B11/067 , C25B1/04
Abstract: 本发明属于复合电极制备技术领域，公开了一种Co9S8(111)过渡金属硫化物单晶薄膜复合电极及其制备方法与应用，通过激光脉冲沉积技术在YSZ(111)衬底上沉积生长Co9S8(111)单晶薄膜，所得电极材料质量高、厚度薄以及电输运性能好。通过本发明的Co9S8(111)单晶薄膜复合电极应用于电催化水分解析氧反应系统中，可以有效地催化和促进电解水析氧反应的进行。本发明表明，过渡金属硫化物在电催化领域具有良好的性能，展现了良好的应用前景，为设计和改进具有更好催化性能的电催化剂提供可能，为单晶形貌的过渡金属硫化物在电化学性能和能源领域的应用提供了良好的基础，并且，制备工艺简单、制备成本低。
-
公开(公告)号：CN117641088A
公开(公告)日：2024-03-01
申请号：CN202311661249.2
申请日：2023-12-06
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明涉及一种基于人工智能的视频目标识别装置，包括摄像头本体以及设置在摄像头本体外部的防护盒，所述防护盒的内壁分别转动连接有多个转动辊，多个所述转动辊的表面设置有同一个呈透明状的活动膜，所述摄像头本体位于活动膜形成的闭环区域内，所述活动膜可移动以替换位于摄像头本体镜头前的影响视线的活动膜。本发明中，通过电机的输出端带动其中一个转动辊转动，进而在另外的转动辊的配合使得活动膜运动，进而能够将位于摄像头本体镜头前的活动膜移动至防护盒内部，并将干净的活动膜移动至摄像头本体的镜头前，以确保视频的清晰度，相较于现有技术，无需毛刷或吹气对镜头清理，且对于附着的灰尘和雨滴均有效果。
-
公开(公告)号：CN117593544A
公开(公告)日：2024-02-23
申请号：CN202311637844.2
申请日：2023-12-02
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/62 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/80 , G06V10/82 , G06V20/40 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于掩膜记忆传播的电力设备巡检分割跟踪方法。首先，构造一个基于掩膜传播的注意力模块。通过学习每帧之间的内在相关性从而挖掘历史帧的掩膜信息。通过检索存储特征和历史帧掩膜的内存库，生成目标注意图来突出框架特征上的目标区域，从而抑制背景杂波的不利影响。其次，设计了注意力细化通路来进一步细化掩膜生成过程中的分割轮廓。引入轻量级注意机制计算底层特征的权值，更多地关注对边缘细节敏感的底层特征，从而获得分割结果。最后，提出了一种掩膜融合机制来提高掩膜的精度。本发明通过掩膜感知和质量评估融合获得比框表示更精确的目标表示，提升了目标的定位精度。
-
公开(公告)号：CN115928200A
公开(公告)日：2023-04-07
申请号：CN202211503303.6
申请日：2022-11-28
Applicant: 电子科技大学长三角研究院(湖州)
IPC: C30B23/00 , C30B29/22 , C25B11/077 , C25B11/067 , C25B11/052 , C25B1/04
Abstract: 本发明属于复合电极制备技术领域，公开了一种钴掺杂镍酸镧钙钛矿氧化物单晶薄膜复合电极及其制备方法与应用，通过激光脉冲沉积技术在LaAlO3(001)衬底上沉积生长LaNi0.7Co0.3O3薄膜，所得电极材料结合力高、重复性强以及平整度高。通过本发明的LaNi0.7Co0.3O3薄膜复合电极应用于电催化水分解析氧反应系统中，可以有效地催化和促进电解水析氧反应的进行。本发明表明，钴掺杂镍酸镧工程可以有效地调节晶体结构进而调整电子结构，是增强钙钛矿电催化性能的有效策略，并为设计和改进具有更好催化性能的钙钛矿氧化物电催化剂提供可能。
-
公开(公告)号：CN115908480A
公开(公告)日：2023-04-04
申请号：CN202211238582.8
申请日：2022-10-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于收缩增强损失函数的多视图置信度感知跟踪方法，属于目标跟踪技术领域，用于解决传统孪生跟踪算法很少考虑模板中相似目标背景难以区分，导致的跟踪结果不准确问题。本发明首先设计了一个收缩增强损失函数，通过在回归学习训练时收缩简单背景负样本的影响，增大困难背景负样本的贡献，平衡训练样本，最终挑选对目标更敏感的通道特征；同时，为进一步增强置信度图可靠性，构造了一种多视图置信度感知方法。本发明通过多视图置信度指南将模板、前景和背景的响应图进行整合，突出目标特征，抑制背景干扰，从而获得更具判别力的目标响应图，提升跟踪结果的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
