“周求湛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果202个，建议您升级VIP下载更多相关专利

[发明专利]细粒度图像检索方法及装置-CN202311210919.9在审
发明人：刘萍萍;胡锦华;周求湛 -专利权人：吉林大学
申请日： 2023-09-20 - 公布日： 2023-10-27 - 主分类号： G06F16/53 文献下载
摘要：细粒度图像检索方法及装置，针对现有技术中，尚未实现一种可以随着训练进行，自适应地调整损失函数梯度的方法的技术问题，本发明提供的技术方案为：细粒度图像检索方法，所述方法包括：通过主干网络采集待处理图像的嵌入向量的步骤，所述嵌入向量用于捕捉所述图像的细粒度特征；在嵌入空间中生成代理张量集合的步骤，所述张量用于表示所述图像的细粒度的每一类；采集预设的全连接层的步骤；通过所述全连接层将所述嵌入向量全部映射到度量空间的步骤；得到所述嵌入向量和所述张量集合之间的余弦相似度的步骤；将所述相似度带入Proxy‑Based度量损失函数的步骤；根据所述损失函数，训练所述主干网络的步骤。适合应用于细粒度图像检索的工作中。
细粒度图像检索方法装置

[发明专利]半监督图像分类方法及半监督图像分类系统-CN202311152314.9在审
发明人：刘萍萍;陈鹏飞;周求湛 -专利权人：吉林大学
申请日： 2023-09-08 - 公布日： 2023-10-17 - 主分类号： G06V10/764 文献下载
摘要：本发明为图像分类领域，公开了一种半监督图像分类方法及半监督图像分类系统。将获取的图像分为训练集与验证集，并将训练集图像分为已标注图像与未标注图像；构建半监督图像分类模型；对于已标注图像，利用半监督图像分类模型计算输入图像的预测与其对应真实标签的监督损失#imgabs0#；对于未标注的图像，先将图像进行弱增强和强增强得到弱增强的图像和强增强的图像；获取未标注的图像的原始图像，再对弱增强的图像和强增强的图像经过特征提取器后输出的特征向量；将特征向量视为锚点；将从弱增强的图像扰动中获得的特征视为正样本，将从强增强的图像扰动中获得的特征视为负样本；提高半监督图像分类模型的泛化能力。提高对图像分类的准确性。
监督图像分类方法系统

[发明专利]一种基于图论和强化学习的车联网通信资源分配方法-CN202110975210.2有效
发明人：郭迟;周求湛;王聪;崔琳 -专利权人：吉林大学
申请日： 2021-08-24 - 公布日： 2023-10-17 - 主分类号： H04W72/044 文献下载
摘要：本发明公开了一种基于图论和强化学习的车联网通信资源分配方法，所述方法包括如下步骤：一、根据具体场景建模RRM问题；二、将RRM问题分解为信道分配CA以及功率控制PC子问题，为RRM的最优解提供了下界；三、将CA问题转化为二部图上的最大加权匹配问题，利用匈牙利算法求解；四、根据问题分解原则，将CA问题获得的信道分配方案带入到PC问题中；五、将PC问题转换为MDP模型，利用DDPG算法求解，得到车联网资源分配策略。本发明基于强化学习的方式通过线下学习、线上决策的方式使得资源分配方法达到实时决策的效果，解决固定分配方式带来的决策延迟、决策效率低的问题。
一种基于强化学习联网通信资源分配方法

[发明专利]基于云边协同的非侵入式负荷监测数据在线压缩感知方法-CN202310608352.4在审
发明人： 周求湛;荣静;王聪;冀泽宇 -专利权人：吉林大学
申请日： 2023-05-27 - 公布日： 2023-10-10 - 主分类号： G01R31/00 文献下载
摘要：本发明公开了一种基于云边协同的非侵入式负荷监测数据在线压缩感知方法，所述方法包括如下步骤：步骤一、数据采集；步骤二、数据压缩采样；步骤三、稀疏表示；步骤四、数据重构；步骤五、负荷监测；步骤六、实时反馈控制。本发明通过在线字典学习，可以根据实时采集的负荷电流信号学习更符合当前信号的字典，从而能够更好地适应信号的时变性和非线性特点。同时，采用SAMP重构算法，通过稀疏度自适应进行信号重构。本发明的云边协同架构，解决了本地部署NILM硬件计算能力有限问题。同时通过本发明的在线压缩感知方法降低了通信带宽的占用，并提高了信号稀疏表示的能力以及重构信号的准确性。
基于协同侵入负荷监测数据在线压缩感知方法

[发明专利]一种电子机械助力制动系统的建压机构-CN202111409053.5有效
发明人：何睿;周求湛;王志展;邓亲付;冯荣章;刘欢 -专利权人：盐城吉研智能科技有限公司
申请日： 2021-11-25 - 公布日： 2023-10-10 - 主分类号： B60T7/04 文献下载
摘要：本发明属于车辆工程技术领域，具体为一种电子机械助力制动系统的建压机构，包括电机，主缸和制动助力系统总成；制动助力系统总成主要包括第一壳体，第一轴，第一回位弹簧，第一脚感弹簧，顶杆，第二壳体，橡胶垫，顶杆座，调整座，第三壳体，第一传感器齿轮，托盘，第一传感器齿条，第一拨叉，大锥齿轮，第一角接触轴承，第四壳体，螺杆，第一螺母，垫圈，滚珠丝杠，连杆座，连杆，尼龙垫，第一缓冲垫，前连接杆，第三脚感弹簧，第二角接触轴承，小锥齿轮，一号轴挡圈，键，其结构合理，实现了驾驶踏板与车轮之间的解耦，保证了驾驶员良好的踏板感觉，同时具备主动制动功能需求的主动建压能力。
一种电子机械助力制动系统机构

[发明专利]一种带有环境参数补偿功能的微震动无人值守报警系统-CN202310736853.0有效
发明人： 周求湛;胡继康;李大一;赵东娆 -专利权人：吉林省日月智感互联科技有限公司
申请日： 2023-06-21 - 公布日： 2023-09-19 - 主分类号： G08B13/16 文献下载
摘要：本发明涉及一种带有环境参数补偿功能的微震动无人值守报警系统，属于报警装置技术领域，包括至少一个微震动探测节点，该微震动探测节点包括核心控制单元、通信单元、定位单元和至少一个布置在预警周界的振动传感器；振动传感器和定位单元分别输出振动信号和天气状况信息至核心控制单元，核心控制单元将天气状况信息和对震动数据提取的时域、频域归一化特征值同时代入带有环境参数补偿系数的逻辑回归模型中进行目标识别，判断振动信号是否为入侵信号，若是则生成报警信息并进行报警。本发明中逻辑回归模型考虑振动传感器当前位置的天气状况，保证振动信号的噪声数据始终更加接近入侵事件的噪声数据，提高微震动无人值守报警系统准确性和可靠性。
一种带有环境参数补偿功能震动无人值守报警系统

[发明专利]一种用于颅内出血的半监督图像分割方法及系统-CN202310671020.0有效
发明人：刘萍萍;陈鹏飞;宁港军;周求湛 -专利权人：吉林大学
申请日： 2023-06-08 - 公布日： 2023-09-15 - 主分类号： G06T7/11 文献下载
摘要：本发明提出了一种用于颅内出血的半监督图像分割方法及系统，属于医学图像分割技术领域，从数据集中筛选样本，划分训练集和测试集；将训练集送入一个由CNN和Transformer作为骨干网络的双架构分割框架中，在训练过程中，分别处理已标注和未标注的图像；计算CNN与Transformer总协同训练损失；训练过程结束后，仅使用训练好的CNN网络进行测试，将测试集输入至训练好的CNN网络提取特征，进行分割，并评估分割结果的正确性；本发明提出的半监督分割框架的性能有了巨大的提升，具有更好的分割性能，相比其他半监督分割算法有明显优势。
一种用于内出血监督图像分割方法系统

[发明专利]基于精细化全局注意力机制图像特征提取方法和分割方法-CN202310759859.X有效
发明人：刘萍萍;代创业;宁港军;商文理;周求湛 -专利权人：吉林大学
申请日： 2023-06-27 - 公布日： 2023-09-08 - 主分类号： G06T7/11 文献下载
摘要：基于精细化全局注意力机制图像特征提取方法和分割方法，属于图像分割技术领域，解决图像分割的神经网络中注意力机制对于特征的提取不充分以及参数量过多问题。本发明的方法包括：在计算精细化通道注意力时，在进行特征浓缩时引入了具有不同空洞大小的空洞卷积；将不同空洞大小的空洞卷积共享权重；将深度可分离卷积中的逐通道卷积与空洞卷积结合，使得每一次卷积操作只需要在一个通道上进行计算；在计算精细化空间注意力时，将特征图进行了分组，每一组分别计算注意力权重，最后每一组都能得到一个注意力图。每一组生成的注意力图只对各自组进行权重赋予。本发明适用于医学图像的特征提取和分割。
基于精细全局注意力机制图像特征提取方法分割

[发明专利]基于虚拟全局代理的糖网眼底图像分级方法和设备-CN202310745450.2有效
发明人：刘萍萍;商文理;杨晓康;杜广新;周求湛 -专利权人：吉林大学
申请日： 2023-06-25 - 公布日： 2023-09-01 - 主分类号： G06T7/00 文献下载
摘要：基于虚拟全局代理的糖网眼底图像分级方法和设备，属于图像分级技术领域，解决糖网眼底图像样本分布不均衡造成的模型分级精确度低问题。本发明方法包括：虚拟全局代理方法中根据所有训练样本数据集的分布情况进行虚拟全局代理带点的选择；基于虚拟全局代理方法提出一种线性动态镜像特征合成方法，利用外部存储空间来保存过往的训练样本特征从而使得模型在进行样本特征合成的时候可以利用到全部的数据集特征，根据当前训练批次的状态对外部存储空间中保存的样本特征进行一个动态的调整；同时，还根据当前训练过程中少数类别样本的平均损失占比差值来动态的控制样本的生成。本发明适用于糖网眼底图像分级。
基于虚拟全局代理网眼图像分级方法设备

[发明专利]基于深层信息传递网络的眼底图像分割方法-CN201911082827.0有效
发明人：刘萍萍;赵宏伟;金白鑫;王鹏;石立达;周求湛 -专利权人：吉林大学
申请日： 2019-11-07 - 公布日： 2023-08-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于深层信息传递网络的眼底图像分割方法，所述方法通过构建深层信息提取网络，以预处理的眼底图片训练构建的深层信息传递网络，为眼底图像分割提供更好的网络模型，拟合出眼底图像的视盘区域，提升图像分割的精度。本发明使用预训练网络对编码层进行初始化，训练得到与图像分割任务需求相关的网络，在网络中采用解码层网络模块，提升了分割精度；深层信息传递网络模块与特征图上下文提取模块相结合，将特征图的高维特征传递到最终输出的预测图，使解码路径信息丢失更少；对编码层的深层网络采用了空洞卷积，保持参数不变的情况下扩大了卷积核的感受野，提取了更全面的特征图信息。
基于深层信息传递网络眼底图像分割方法

[发明专利]一种类内排序辅助的深度度量学习图像检索方法及系统-CN202310677829.4在审
发明人：刘萍萍;刘泽同;郎一君;刘世豪;周求湛;李清亮 -专利权人：吉林大学
申请日： 2023-06-09 - 公布日： 2023-07-07 - 主分类号： G06F16/583 文献下载
摘要：本发明提出了一种类内排序辅助的深度度量学习图像检索方法及系统，首先提取潜在特征以计算度量损失；在嵌入空间中设置生成边界，从提取的潜在特征中通过动态样本选择策略选择原样本进行样本生成，在原样本的周围区域生成新的样本，将新生成的样本和原样本组成一组数据并送入全连接网络；将输入的生成样本和原样本映射到新的嵌入空间中，计算它们的相似度，根据相似度排序，得到排序损失；再使用反向传播算法训练主网络；训练过程结束后，丢弃掉全连接网络，仅使用训练好的主网络进行测试；将测试集输入训练好的主网络进行特征提取，并根据特征间的相似度大小返回检索的结果，评估检索结果的正确性。
种类排序辅助深度度量学习图像检索方法系统

[发明专利]一种基于模块化设计的无人值守报警系统及方法-CN202310664262.7在审
发明人： 周求湛;胡继康;李大一;张狄 -专利权人：吉林省日月智感互联科技有限公司
申请日： 2023-06-07 - 公布日： 2023-07-04 - 主分类号： G08B13/196 文献下载
摘要：本发明公开了一种基于模块化设计的无人值守报警系统及方法，属于报警检测设备技术领域，系统包括壳体、传感器模块和摄像头模块，所述传感器模块设置于壳体的底部、且传感器模块与壳体之间螺纹连接；所述摄像头模块设置于壳体的顶部，且摄像头模块与壳体之间螺纹连接；方法包括：传感器模块检测到入侵信号后，主控模块接收到传感器模块回传的变化信号，并将传递的信号经过信号处理模块内置的算法剖析与设定好的阈值进行对比得出指令主控模块通过电信号对各模块进行传输控制命令。本发明的传感器模块和摄像头模块和壳体知金采用螺纹连接，方便安装和拆卸以及更换。
一种基于模块化设计无人值守报警系统方法

[发明专利]一种基于多源信息融合的周界入侵识别方法-CN202310060682.4在审
发明人： 周求湛;刘志宏;牟岩 -专利权人：吉林大学
申请日： 2023-01-16 - 公布日： 2023-05-16 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于多源信息融合的周界入侵识别方法，所述方法包括如下步骤：步骤S1：搭建基于多传感器的数据采集系统；步骤S2：通过步骤S1搭建的数据采集系统采集环境信号和入侵目标信号，通过小波阈值去噪、图像增强的方式建立入侵目标和环境噪声的样本数据库；步骤S3：对步骤S2构建的样本数据库，通过多域特征提取算法提取样本数据库的环境数据和目标数据的特征值；步骤S4：将步骤S3构建的不同类型特征值利用融合网络进行多特征融合，最后送入目标识别算法，判断当前是否入侵。本发明的方法结合图像、声音和振动传感器构建目标识别技术，弥补了图像传感器被遮挡破坏时系统无法正常工作的问题，提高了周界预警系统的容错能力。
一种基于信息融合周界入侵识别方法

[发明专利]一种基于深度学习的不平衡数据能耗分解方法-CN202211626268.7在审
发明人： 周求湛;李媛媛;王聪;荣静;冀泽宇;刘志宏 -专利权人：吉林大学
申请日： 2022-12-15 - 公布日： 2023-04-25 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种基于深度学习的不平衡数据能耗分解方法，所述方法首先将数据集进行处理，然后通过一维卷积层进行特征提取，最后通过lstm层进行负荷分解。本发明针对目前不平衡数据集负荷分解准确率较低的现状，提供了一种基于深度学习的不平衡数据的能耗分解方法，该方法通过将不平衡数据集转换为平衡数据集，进而对其进行负荷分解，极大提高了不平衡数据集负荷分解的准确度。
一种基于深度学习不平衡数据能耗分解方法

[发明专利]一种基于transformer与深度学习的负荷数据能耗分解方法-CN202211740635.6在审
发明人： 周求湛;李媛媛;王聪;荣静;冀泽宇 -专利权人：吉林大学
申请日： 2022-12-31 - 公布日： 2023-04-25 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于transformer与深度学习的负荷数据能耗分解方法，所述方法包括如下步骤：步骤一：采集负荷数据并对数据集进行处理，删除样本中的异常值；步骤二：使用一维卷积神经网络CNN对功率序列进行卷积，依靠卷积中的卷积核进行功率特征的提取；步骤三、将LSTM与transformer融合在一起，建立transformerBCL模型，利用transformer充分提取特征中的信息，再利用LSTM对transformer提取出来的信息进行负荷分解。本发明通过将深度学习与transformer结合在一起，有效改善了负荷分解在低频时候的表现，提高了负荷分解在低频时候的精度。
一种基于 transformer 深度学习负荷数据能耗分解方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
下一页»
尾页
共 202 条