“李方昱”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12个，建议您升级VIP下载更多相关专利

[发明专利]一种基于可变形卷积的印制线路板电子元器件目标检测方法-CN202310621681.2在审
发明人： 李方昱;牛末寒;刘峥;韩红桂 -专利权人：北京工业大学
申请日： 2023-05-30 - 公布日： 2023-09-26 - 主分类号： G06T7/00 文献下载
摘要：一种基于可变形卷积的印制线路板电子元器件目标检测方法属于计算机视觉领域。针对印制电路板(PCB)目标检测过程中由于拍摄角度多样化产生的检测对象形变问题，实现对PCB电子元器件的识别定位。该检测方法通过可变形卷积结构，使得卷积核根据目标的尺寸大小以及形状改变自适应地进行变形，提升神经网络对未知变化的适应性，增强泛化能力，从而提升PCB目标检测的精度；解决了当前基于深度神经网络目标检测难以解决物体空间形变的问题；实验结果表明该方法能够准确地对PCB电子元器件进行检测，并具有较强的自适应能力，提升目前废弃电器电子产品回收拆解过程中的智能化程度，提升工艺的自动化程度。
一种基于变形卷积印制线路板电子元器件目标检测方法

[发明专利]一种基于部分标签特征学习的生活垃圾识别方法-CN202310557795.5在审
发明人：韩红桂;范晓晔;李方昱;杜永萍 -专利权人：北京工业大学
申请日： 2023-05-18 - 公布日： 2023-09-08 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于部分标签特征学习的生活垃圾识别方法，针对数据缺少标签使模型难以挖掘数据特征，导致分类精度低的问题。本发明在真实垃圾图像数据的基础上，建立基于部分标签特征学习的生活垃圾识别方法，利用信息不确定性选择具有丰富未知信息的样本进行标注，实现特征的自适应学习，并降低学习成本，最终完成垃圾的准确分类。这种基于部分标签特征学习的生活垃圾识别方法在实际垃圾回收过程中，可以解决垃圾由于数据量大，标签难以获取，从而导致垃圾特征挖掘不充分的问题，实现了高精度垃圾分类，为垃圾回收行业提供技术支持。
一种基于部分标签特征学习生活垃圾识别方法

[发明专利]一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法-CN202211670437.7在审
发明人：高慧慧;张潇然;韩红桂;高学金;李方昱 -专利权人：北京工业大学
申请日： 2022-12-24 - 公布日： 2023-05-23 - 主分类号： G06F30/17 文献下载
摘要：本发明公开了一种基于注意力增强时频Transformer的滚动轴承剩余寿命预测方法。针对传统Transformer模型对振动信号的上下文区域信息不敏感，导致在时序预测中容易忽略重要信息、降低预测精度的问题，该方法首先提取原始振动信号的时域和频域统计特征来构建健康指标，以全面表征轴承退化信息；在此基础上，引入通道‑空间注意力模块对时域和频域特征进行高适配性特征融合，以提高模型输入特征的质量。其次，提出一种新型卷积多头自注意力机制以增强模型学习序列上下文区域信息的能力，充分捕获信息之间的局部关联性。最后，利用全连接层、GeLU激活函数和Sigmoid激活函数构建回归器对滚动轴承剩余寿命进行预测。本发明有效地学习信号特征与剩余寿命之间的复杂映射关系，实现滚动轴承高精度剩余寿命预测。
一种基于注意力增强 transformer 滚动轴承剩余寿命预测方法

[发明专利]基于卷积神经网络特征可视化的典型垃圾识别方法-CN202310185219.2在审
发明人：韩红桂;张奇宇;李方昱;杜永萍;吴玉锋 -专利权人：北京工业大学
申请日： 2023-02-24 - 公布日： 2023-05-05 - 主分类号： G06V10/764 文献下载
摘要：本发明提出基于卷积神经网络特征可视化的典型垃圾识别方法。其中，方法包括：建立卷积神经网络的典型垃圾类别决策模型，设计基于类别决策的典型垃圾特征激活映射策略，突破网络学习过程中的典型垃圾识别可视化技术，实现可解释的特征可视化卷积神经网络典型垃圾识别，为垃圾回收行业提供强有力的技术支持，对典型生活垃圾分类具有显著的应用和经济效益。因此，本发明的研究成果在典型生活垃圾回收领域具有广阔的应用前景。
基于卷积神经网络特征可视化典型垃圾识别方法

[发明专利]一种基于自编码神经网络的城市污水处理过程异常数据检测方法-CN202211692992.X在审
发明人：韩红桂;孙美婷;李方昱 -专利权人：北京工业大学
申请日： 2022-12-28 - 公布日： 2023-03-31 - 主分类号： G06F18/2433 文献下载
摘要：本发明提出一种基于自编码神经网络的城市污水处理过程异常数据检测方法。针对城市污水处理过程数据具有非线性及难以构建精确数学模型的问题，该检测方法，利用自编码神经网络自动提取变量间的非线性关系，采用梯度下降算法对模型参数进行动态调整，设计记忆模块自适应地计算异常分数阈值以检测异常样本，保障了城市污水处理过程数据的质量，提高了数据研究的可信度。
一种基于编码神经网络城市污水处理过程异常数据检测方法

[发明专利]一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法-CN202211233344.8在审
发明人：高慧慧;张潇然;韩红桂;高学金;李方昱 -专利权人：北京工业大学
申请日： 2022-10-10 - 公布日： 2023-03-28 - 主分类号： G06F18/24 文献下载
摘要：一种基于卷积变压器生成对抗网络的小样本滚动轴承故障诊断方法涉及滚动轴承等旋转设备故障诊断领域，克服在运行数据稀缺条件下难以实现准确故障诊断的问题。首先，获取滚动轴承实际运行条件下的信号数据并对其进行数据标准化处理；其次，构建具有卷积与变压器交叉式结构的生成器和判别器，利用变压器层有效地提取时序信号的全局时域特征；在此基础上，利用卷积层进一步提取时序信号的局部时域特征。同时将位置编码嵌入时序信号，使得模型可以充分学习信号所具有的位置信息特征，最终生成高质量的时序信号样本以扩充原始训练样本，从而提升小样本条件下的故障诊断精度。
一种基于卷积变压器生成对抗网络样本滚动轴承故障诊断方法

[发明专利]一种基于空间遗忘通道注意力卷积神经网络的生活垃圾分类方法-CN202211062731.X在审
发明人：韩红桂;张奇宇;李方昱;杜永萍;吴玉锋 -专利权人：北京工业大学
申请日： 2022-08-31 - 公布日： 2022-12-09 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于空间遗忘通道注意力卷积神经网络的生活垃圾分类方法，解决实际生活垃圾分类过程中垃圾种类样式繁多难以精准分类的问题。本发明设计特征空间遗忘注意力模块，可以让网络关注更多局部特征，从而使得网络学习到更多不同垃圾样式的复杂特征信息，有效提高网络对生活垃圾的分类精度。本发明应用在智能自动化视觉技术的生活垃圾回收过程，提高了生活垃圾的回收效率，同时也能够减少人工成本，提高全社会面的资源回收效益。
一种基于空间遗忘通道注意力卷积神经网络生活垃圾分类方法

[发明专利]一种基于原型增量学习的垃圾分类方法-CN202211063075.5在审
发明人：韩红桂;范晓晔;李方昱;杜永萍 -专利权人：北京工业大学
申请日： 2022-08-31 - 公布日： 2022-12-09 - 主分类号： G06V10/764 文献下载
摘要：本发明针对类别不断变化的数据难以使用模型准确分类的问题，提出了一种基于原型增量学习的垃圾分类方法，建立基于原型增量学习的垃圾分类模型，利用原型表征已知类别图像数据，减少对已知垃圾类别数据的存储，该方法能在垃圾组分不断变化时，对类样本不平衡的垃圾进行准确分类，同时该方法基于原型降低了对网络存储的需求，避免了训练增量分类网络时泄露用户隐私的可能，为垃圾回收行业提供技术支持。
一种基于原型增量学习垃圾分类方法

[发明专利]一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法-CN202210631722.1在审
发明人：韩红桂;孙美婷;李蒙蒙;李方昱 -专利权人：北京工业大学
申请日： 2022-06-06 - 公布日： 2022-08-16 - 主分类号： G06K9/62 文献下载
摘要：一种基于自编码神经网络的城市污水处理过程缺失数据在线补偿方法，实现城市污水处理过程中随机缺失数据的实时补偿。针对城市污水处理过程数据具有非线性、高噪声的特点，难以利用精确的数学模型建立，该补偿方法，利用自编码神经网络自动提取变量间的非线性关系，根据事件触发机制判断实时样本的缺失情况，采用梯度下降算法对模型参数进行自适应在线调整，降低了高噪声对补偿结果的影响，提高了城市污水处理过程缺失数据实时补偿的精度。
一种基于编码神经网络城市污水处理过程缺失数据在线补偿方法

[发明专利]一种基于混合注意力形变卷积神经网络的手机表面缺陷精准分级方法-CN202210590772.X在审
发明人：韩红桂;张奇宇;甄晓玲;李方昱;杜永萍;吴玉锋 -专利权人：北京工业大学
申请日： 2022-05-27 - 公布日： 2022-07-29 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种基于形变卷积神经网络的废旧手机表面缺陷精准分级方法，针对废旧手机回收过程中表面缺陷难以精准分级的问题。本发明设计混合注意力机制模型，能够优化模型的性能，建立基于形变卷积神经网络的识别模型，实现对废旧手机表面缺陷的准确分级。本发明对不同场景下的手机表面缺陷分级均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
一种基于混合注意力形变卷积神经网络手机表面缺陷精准分级方法

[发明专利]一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法-CN202111252569.3在审
发明人：韩红桂;甄晓玲;杜永萍;李方昱 -专利权人：北京工业大学
申请日： 2021-10-27 - 公布日： 2022-02-25 - 主分类号： G06T7/00 文献下载
摘要：一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法，针对废旧手机回收过程中表面缺陷难以精准识别的问题。本发明利用灰度化和索贝尔算子对数据集进行预处理得到清晰的图像数据，构造了一种基于多尺度卷积神经网络的手机表面缺陷精准识别方法实现对表面缺陷的快速准确识别。本发明对不同场景下的手机表面缺陷识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
一种基于尺度卷积神经网络手机表面缺陷精准识别方法

[发明专利]一种基于能量分离的魏格纳-维利时频分解方法-CN201910672574.6有效
发明人：魏友华;李方昱;胡英;陈旭平 -专利权人：成都理工大学
申请日： 2019-07-24 - 公布日： 2021-04-27 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于能量分离的魏格纳‑维利时频分解方法，包括以下步骤：采集待分析的原始一维信号x(t)；将原始一维信号x(t)进行傅里叶‑贝塞尔级数展开，获取原始一维信号x(t)的零阶傅里叶‑贝塞尔级数展开式和傅里叶‑贝塞尔系数序列；采用能量分离算法计算傅里叶‑贝塞尔系数序列的振幅包络，获取M组傅里叶‑贝塞尔系数子序列；对傅里叶‑贝塞尔系数子序列进行反傅里叶‑贝塞尔变换，获取每个子序列的时域子信号xi(t)；获取每个子序列的时域子信号xi(t)的魏格纳‑维利分布；将所有子信号的魏格纳‑维利分布叠加，获取一维信号x(t)不含交叉项的魏格纳‑维利时频谱。本发明能够显著抑制交叉项的产生，使得到的时频谱更为准确。
一种基于能量分离魏格纳维利时频分解方法

1
共 12 条