-
公开(公告)号：CN118691828B
公开(公告)日：2024-11-05
申请号：CN202411186248.1
申请日：2024-08-28
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于网格变形拟合的图像分割方法及计算机程序产品，属于图像数据处理技术领域，包括：利用TNT‑MNet模型对输入图像进行初步分割，利用循环神经网络在每次迭代过程中预测目标物的每个顶点的位置和移动距离，并结合顶点的法线方向调整顶点的位置，使其与目标表面对齐；利用多层感知器对每个顶点的特征向量进行非线性变换，预测每个顶点的相对位置变化和移动距离，实现顶点位置的再调整；利用图卷积网络对每个顶点的特征向量进行更新，实现顶点位置的进一步调整；对顶点的数量进行增减，均匀化网格密度，形成细化网格图像，完成图像分割。本发明将深度学习预测与网格形变优化策略相结合，提高了图像分割的精准度和稳定性。
-
公开(公告)号：CN118691828A
公开(公告)日：2024-09-24
申请号：CN202411186248.1
申请日：2024-08-28
Applicant: 青岛科技大学
Abstract: 本发明公开了一种基于网格变形拟合的图像分割方法及计算机程序产品，属于图像数据处理技术领域，包括：利用TNT‑MNet模型对输入图像进行初步分割，利用循环神经网络在每次迭代过程中预测目标物的每个顶点的位置和移动距离，并结合顶点的法线方向调整顶点的位置，使其与目标表面对齐；利用多层感知器对每个顶点的特征向量进行非线性变换，预测每个顶点的相对位置变化和移动距离，实现顶点位置的再调整；利用图卷积网络对每个顶点的特征向量进行更新，实现顶点位置的进一步调整；对顶点的数量进行增减，均匀化网格密度，形成细化网格图像，完成图像分割。本发明将深度学习预测与网格形变优化策略相结合，提高了图像分割的精准度和稳定性。
-
公开(公告)号：CN117953269A
公开(公告)日：2024-04-30
申请号：CN202311741226.2
申请日：2023-12-18
Applicant: 中国科学院海洋研究所 , 青岛科技大学 , 南麂列岛国家海洋自然保护区管理局
IPC: G06V10/764 , G06V20/05 , G06V10/44 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于多阶层的海洋生物分类方法，为网络模型增加生物先验知识的多阶层次类别体系。本方法主要包括阶层划分、多阶层网络模型、多阶层分类三部分。通过阶层划分对海洋生物进行分阶层处理，利用多阶层网络提取同阶类别的细节特征关系，提取的层次信息结合风险最小化策略优化分类结果。多阶层网络模型主要设计了C‑MBConv模块和精细分类模块，使网络模型更适配多阶层分类任务。本发明的多阶层分类部分为了减小高阶类别所产生的错误传递，设计的一种风险最小化策略极大程度上减少错误传播的可能。本方法可以有效提高分类精度，在具有多层次类别的数据上有较好的应用效果。
-
公开(公告)号：CN117395163A
公开(公告)日：2024-01-12
申请号：CN202310648931.1
申请日：2023-06-02
Applicant: 青岛科技大学
IPC: H04L41/147 , H04L41/14 , H04L41/16 , H04W4/30 , H04L9/00
Abstract: 本发明提出了一种移动安全通信性能智能预测方法，涉及通信技术领域，建立移动协作安全通信系统模型；基于移动协作安全通信系统模型，计算非零安全容量概率；基于非零安全容量概率，利用XGBoost算法，建立非零安全容量概率安全性能分析的数学模型；基于非零安全容量概率安全性能分析的数学模型，构建通信数据集；基于通信数据集、联邦学习、图注意力神经网络、长短期记忆人工神经网络和金字塔视觉Transformer建立基于FL‑GLP‑Net的移动安全性能预测网络模型。本发明能够实现通信性能的智能分析，降低计算复杂度，提高分析实时性，提高预测精度。
-
公开(公告)号：CN110175551B
公开(公告)日：2023-01-10
申请号：CN201910426216.7
申请日：2019-05-21
Applicant: 青岛科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/764
Abstract: 本发明公开了一种手语识别方法，包括：对手语视频所对应的视频序列进行频域变换，得到图像的相位信息；将相位信息和视频序列送入C3D卷积神经网络进行一次卷积并融合，形成特征信息；将所述特征信息送入深度卷积神经网络进行二次卷积和池化，并在池化过程中执行自适应学习池化算法，筛选出目标特征向量，送入全连接层输出分类结果。本发明将频域变换结合到深度学习算法中，利用频域变换提取出手语视频中的相位信息，辅助RGB空间信息，送入深度学习网络生成手语的特征，由此获得的特征更为本质、准确。通过在3D卷积神经网络模型的池化层加入自适应学习池化算法，可以挖掘到手语视频中更为抽象、高级的视频特征，得到更为精确的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN107122780B
公开(公告)日：2022-12-20
申请号：CN201710116534.4
申请日：2017-02-28
Applicant: 青岛科技大学
IPC: G06V40/20 , G06V10/77 , G06V10/50 , G06V10/772
Abstract: 本发明提出一种基于时空特征点的互信息与时空分布熵的行为识别方法，其包括以下步骤：提取视频流时空中有效的时空特征点并构建描述符；对所有STIPs描述符进行聚类，将每个聚类中心作为视觉词典中的一个视觉单词；对得到视觉词典中的视觉单词两两之间的时空关系进行描述生成视觉词典共生矩阵；对每个视觉单词内的时空特征点的时空分布进行描述生成环形特征点直方图与时空分布熵；融合视觉单词、时空特征点共生矩阵、环形时空特征点直方图与时空分布熵三种信息作为一个视频序列的描述符，利用支持向量机SVM进行行为分类识别。该方案克服传统BOVW忽略了特征点之间的时空信息的缺点，兼顾了STIPs的全局时空信息与局部空间分布。
-
公开(公告)号：CN111882581B
公开(公告)日：2022-10-28
申请号：CN202010705694.4
申请日：2020-07-21
Applicant: 青岛科技大学
Abstract: 本发明公开了一种深度特征关联的多目标跟踪方法，包括：S1.提取原始的视频帧Vt，Vt‑n，进行处理，输出It，It‑n，Ct，Ct‑n；S2.对数据进行预处理；S3.在深度特征提取器中进行通道数的缩减，组成含有512个通道数的特征集合Ft和Ft‑n；S4.将特征矩阵Ft和Ft‑n进行关联性分析，得到跟踪目标的轨迹Tt；本方法通过加深网络深度提取更丰富的语义信息，通过融合多层次特征保留更多细节信息，用共享权重的孪生网络联合训练不需连续的帧，解决目标遮挡问题，在计算中添加额外的列行表示对象的进出，解决跟踪对象进出视频帧的问题，整体上提高目标关联的性能，具有保留更多的细节信息、追踪结果准确的特点。
-
公开(公告)号：CN113091348B
公开(公告)日：2022-10-21
申请号：CN202110374015.4
申请日：2021-04-07
Applicant: 青岛科技大学
Abstract: 本发明公开了一种半导体TEC超低温制冷辅助循环系统和方法，系统包括散热底座；散热底座内部为中空结构，且安装有第一温度传感器；散热底座下方具有与其内部连通的制冷循环回路；制冷循环回路上安装有循环泵和冷却保温箱；制冷循环回路的回流末端串联有一段并联支路，并联支路中的任一条支路上安装有常闭型的流量磁力阀；多级TEC半导体片固定在散热底座的顶面；多级TEC半导体片的顶面为冷端面；冷端面上安装有第二温度传感器；智能温控系统与第一温度传感器、第二温度传感器、流量磁力阀和多级TEC半导体片电性连接。本发明可以实现调节循环冷却液流量，精确控制多级TEC半导体片热端温度，减小冷端面温度波动，保持多级TEC半导体片的制冷效率稳定。
-
公开(公告)号：CN113347657A
公开(公告)日：2021-09-03
申请号：CN202110357718.6
申请日：2021-04-01
Applicant: 青岛科技大学
Abstract: 本发明公开了一种移动通信系统的安全容量性能预测方法，包括建立移动通信系统模型的步骤，在建立移动通信系统上推导其安全容量表达式的步骤，以及设计Dense‑Inception卷积神经网络对平均安全容量进行预测的步骤；本发明通过以上步骤推导出移动通信系统的平均安全容量的表达式，然后基于Dense‑Inception卷积神经网络对移动通信系统的安全容量性能进行了智能预测，相比现有的CNN神经网络、BP神经网络、极限学习机、局部加权线性回归、支持向量机等方法能够取得更好的安全性能预测效果。
-
公开(公告)号：CN110753367B
公开(公告)日：2021-07-16
申请号：CN201910942144.1
申请日：2019-09-30
Applicant: 青岛科技大学
IPC: H04W24/06 , G06N3/08 , G06N3/04 , H04B17/391
Abstract: 本发明公开了一种移动通信系统的安全性能预测方法，包括确定信源发射天线的接收信噪比的近似值的步骤，基于接收信噪比的近似值确定概率密度函数和累积分布函数的步骤，基于概率密度函数和累积分布函数推导安全中断概率的下界闭合表达式的步骤，以及采用神经网络对安全中断概率性能进行预测的步骤；本发明通过以上步骤针对安全中断概率和非零安全容量概率推导出精确的闭合表达式，进而基于神经网络对移动通信物理层安全性能进行了智能预测，与现有的极限学习机、局部加权线性回归、支持向量机等方法进行了比较，取得了更好的安全性能预测效果。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.038 seconds)
