-
公开(公告)号：CN115661679A
公开(公告)日：2023-01-31
申请号：CN202211386889.2
申请日：2022-11-07
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改进的YOLOv5的旋转目标检测方法。该发明在旋转目标检测方向上具有一定的通用性，该专利以遥感图像目标检测为说明案例。对于特征提取过程中提取到过多背景信息的问题，本文引入了注意力机制，并且对其做出改进，针对遥感图像中目标的特点，采用拥有更小感受野的卷积核来赋予模型空间上的注意力。残差模块采用C3结构构建更深层次的网络，SPP用于不同尺度特征的融合，并且引入角度分类的思想以及CSL标签，采用高斯函数作为窗口函数，让模型具有学习角度距离的能力。
-
公开(公告)号：CN119942370A
公开(公告)日：2025-05-06
申请号：CN202311452714.1
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V20/17 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种针对无人机图像的弱小目标检测方法。该发明在目标检测方向上具有一定的通用性。针对弱小目标检测难度较大的问题，本发明提出了一个上下文感知模块利用具有可变形卷积层的特征提取器和基于非局部的全局上下文(GC)模块来共同学习局部几何信息和全局语义特征。同时使用路径增强网络(PANet)来学习多尺度特征，然后应用一个细化块，整合不同层的高级的语义信息和低级的位置信息，以此提升对目标的定位能力。在基于无人机图像的弱小目标检测上，能够达到更高的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN114625881A
公开(公告)日：2022-06-14
申请号：CN202111471322.0
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提出一种基于ERP‑GAT的经济领域知识图谱补全算法。ERP‑GAT算法采用编码器‑解码器结构，编码器引入图注意力机制，输入实体嵌入矩阵和关系嵌入矩阵，计算每一个目标实体相邻的三元组的注意力分数，并更新嵌入矩阵，能够获取给定实体或节点周围的多跳关系、获取给定实体附近的丰富的语义信息和关系中所扮演的角色、对现有的知识在语义上相似的关系群进行巩固，解码器使用ConvKB模型，使用卷积层得到评分函数来分析在每一个维度上的全局嵌入特性并概括ERP‑GAT模型中的过渡特性。最终在标准数据集FB15K237的五项指标和NELL‑995的四项指标上相较其他现有算法有显著提升，取得了知识图谱补全任务的最佳效果。
-
公开(公告)号：CN114596316A
公开(公告)日：2022-06-07
申请号：CN202111479069.3
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提出了一种基于语义分割的改进型DeepLabv3+技术来尽可能多的保留道路图像分割中的细节特征。该发明在图像分割细节提取方向上具有一定的通用性，该专利以道路图像分割为说明案例。传统的道路分割方法中存在着道路的细节特征被当成噪声滤除的不足，针对该问题，本发明引用了深度学习中的通用语义分割框架DeepLabv3，并对传统的人工图像分割以及采用MobileNetV2的分割所产生的细节特征滤除问题对DeepLabv3进行了进一步的改进。基于语义分割改进后的DeepLabv3+算法模型能够用于对具有复杂背景噪声的无人机图像进行道路分割并且在复杂的背景下实现细节特征的抓取。
-
公开(公告)号：CN114385796A
公开(公告)日：2022-04-22
申请号：CN202111471317.X
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/332 , G06K9/62
Abstract: 本发明公开了一种基于fasttext的垃圾信息识别方法，本发明涉及自然语言处理和机器学习领域，结合TF‑IDF算法和fasttext算法，形成新的TF‑fasttext算法提供了对垃圾信息识别的效率。本发明对传统的fasttext算法进行了三个方面的优化。首先将TF‑IDF算法进行改进，将同类文本和不同文本之间的关系考虑进去，引入参数类频，来代表特征词在某类中出现的次数。其次将改进后的TF‑IDF算法与n‑gram模型结合，形成新的TF‑IDF‑N算法对n‑gram操作后的词进行特征筛选，根据特征词权重保留高区分度的词，去掉低区分度的词。从而消减了fasttext模型的噪声数据，保留更具代表性的特征词序列。最后在fasttext算法的输出层用层次softmax函数提升了模型判断的精度，而且缩短了样本训练的时间。
-
公开(公告)号：CN119942056A
公开(公告)日：2025-05-06
申请号：CN202311452390.1
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/25 , G06V10/40 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于高效的旋转目标检测方法。该发明在旋转目标检测方向上具有一定的通用性，该专利以遥感图像目标检测为说明案例。基线网络为基础，对网络进行改进。首先从特征提取的主干网络出发，使用特征提取能力更好、效率更高的主干网络与多尺度结构，使得网络在特征提取方面得到加强。之后使用各种数据增强方法，提升网络的检测泛化能力。最后提出了一种应用于旋转目标检测的混合损失以及与之配合的旋转框表示方法，使得网络在可以对旋转框的回归拥有更好的适应性。结合上述方法，得到了一种高效旋转目标检测网络。
-
公开(公告)号：CN115761845A
公开(公告)日：2023-03-07
申请号：CN202211368669.7
申请日：2022-11-03
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改进的MTCNN的人脸检测方法。我们首先在通过一种使用生成对抗网络的超分辨率技术——SRGAN，将低像素图像转换为高像素图像，SRGAN使用反学习方法，结合像素均方误差、VGG高维特征均方误差和针对训练损失的深度卷积网络来实现超分辨率恢复。在原有MTCNN网络结构中创新性地引入了InceptionV2网络结构，提高了网络的学习性能，既保留了原有网络结构的优点，又进一步提高了人脸检测算法的效率和准确性。该模块通过对特征图进行三种不同的卷积(1×1,3×3,5×5)来提取更多的特征。不同的卷积检查对不同位置的人脸具有不同的学习效果。使用不同的卷积核进行学习可以更好地达到理想的学习效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
