“魏宪”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63个，建议您升级VIP下载更多相关专利

[发明专利]一种基于轻量化神经网络的交通标志识别方法-CN202110881764.6有效
发明人：魏宪;郭杰龙;杨晓迪;李杰;俞辉;张剑锋;邵东恒;唐晓亮 -专利权人：泉州装备制造研究所
申请日： 2021-08-02 - 公布日： 2023-04-18 - 主分类号： G06V20/58 文献下载
摘要：一种基于轻量化神经网络的交通标志识别方法，通过构建轻量化神经网络模型进行训练、剪枝得到轻量化神经网络模型，所述轻量化神经网络模型包括卷积特征提取部分和分类器部分；卷积特征提取部分由1层传统3×3卷积和16层可分离非对称卷积组成，分类器部分由三层可分离全连接模块组成，该识别方法在保证识别准确率的同时降低了网络的参数规模和运算量，从而提升了神经网络模型在车载平台环境下部署的识别速度。
一种基于量化神经网络交通标志识别方法

[发明专利]一种边界框回归方法及系统-CN202310106009.X在审
发明人：俞辉;魏宪;郭杰龙;李杰;邵东恒;张剑锋 -专利权人：泉州装备制造研究所
申请日： 2023-02-13 - 公布日： 2023-04-11 - 主分类号： G06V10/25 文献下载
摘要：本申请公开了一种边界框回归方法及系统，其中，方法步骤包括：获取目标场景当中待检测图像边界框损失函数的范式；基于所述范式，得到改进IoU损失函数；基于所述改进IoU损失函数，确定边界框回归损失函数；将所述边界框回归损失函数应用到非极大值抑制处理中，提高检测精度。本申请完善边界框宽高属性回归属性，不但考虑重叠面积和边界框距离，进一步添加关于宽高回归的惩罚项，而且惩罚项避免了CIoU回归宽高比所造成的阻碍回归问题，保证了归回边界框回归属性的完整性。同时，将创新的CRIoU损失应用到目标检测网络的非极大值抑制处理中，提升了检测精度。
一种边界回归方法系统

[发明专利]一种针对对抗攻击的深度学习模型防御方法及模型-CN202211321718.1有效
发明人：魏宪;郭杰龙;黄延辉;俞辉;汤璇;邵东恒;张剑锋;李杰 -专利权人：泉州装备制造研究所;闽都创新实验室
申请日： 2022-10-27 - 公布日： 2023-03-28 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种图像识别技术领域、针对对抗攻击的深度学习模型防御方法及模型，充分利用对抗样本与原始样本之间的内在关联，通过在深度学习模型输入层之前构建过滤层，将对抗样本向正常样本进行转化；并利用对抗攻击样本，对过滤层参数进行训练，从而提高模型抵御对抗攻击的能力；最后将训练好的过滤层与经过对抗训练的学习模型结合，得到鲁棒性强且分类精度高的深度学习模型，保证在抵御对抗攻击的同时不降低对正常样本的识别能力。
一种针对对抗攻击深度学习模型防御方法

[发明专利]一种锂电池SOH预测方法及装置-CN202310052813.4在审
发明人：俞辉;郭杰龙;罗鹏;魏宪;李杰;邵东恒;张剑锋 -专利权人：泉州装备制造研究所
申请日： 2023-02-03 - 公布日： 2023-03-17 - 主分类号： G01R31/367 文献下载
摘要：本发明公开一种锂电池SOH预测方法及装置，涉及锂电池健康管理技术领域，该方法包括：获取锂电池的样本数据，通过灰色关联度分析方法对样本数据进行筛选，得到相关联数据；获取锂电池SOH的原始数据，通过集合经验模态分解对原始数据进行分解，生成标签数据；构建深度学习模型，其中所述深度学习模型为基于注意力机制的CNN‑bilstm模型；通过相关联数据及标签数据对深度学习模型进行训练，生成优化模型，通过优化模型对实测数据进行预测，生成锂电池SOH预测结果以实现锂电池SOH预测；通过上述技术方案，本发明能够解决传统电池SOH预测稳定性差、泛化能力差、预测精度低的问题。
一种锂电池 soh 预测方法装置

[发明专利]一种图像超分辨率重建方法-CN202310063582.7在审
发明人：郭杰龙;魏宪;雷嘉铭;俞辉;邵东恒;张剑锋;李杰 -专利权人：泉州装备制造研究所
申请日： 2023-02-06 - 公布日： 2023-03-14 - 主分类号： G06T3/40 文献下载
摘要：本发明属于图像重建技术领域，提供一种图像超分辨率重建方法，包括：构建生成模型；生成模型包括：稀疏编码模块和重建模块；基于稀疏编码模块，对待重建图像进行稀疏编码；基于重建模块，对稀疏编码后的图像进行重建，获取初始超分辨率图像；构建鉴别模型；基于鉴别模型，对初始超分辨率图像进行判别，获取最终的超分辨率图像，完成图像超分辨率重建。本发明利用卷积网络实现稀疏编码并获取图像稀疏表示，将得到的稀疏表示经过卷积字典层进行重建得到超分辨率图像，使该模型可以将图像作为网络的输入，避免了传统算法的复杂的图像处理以及数据重建的过程，同时具有稀疏字典学习捕获图像的高频结构信息的优点，解决高频信息缺失和存在噪点问题。
一种图像分辨率重建方法

[发明专利]一种基于重构模型的对抗样本改进分类方法-CN202310132811.6在审
发明人：郭杰龙;魏宪;俞辉;阳帆;李杰;张剑锋;邵东恒 -专利权人：泉州装备制造研究所
申请日： 2023-02-20 - 公布日： 2023-03-14 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于重构模型的对抗样本改进分类方法，属于自动驾驶图像分类领域，包括：构建重构模型，基于重构模型提取图像数据集的特征信息；利用对抗攻击从重构模型中学习抽象表征，基于生成器生成对抗样本；构建分类器，基于对抗样本对分类器进行训练，获得训练后的分类器；基于共同的损失函数联合训练对抗样本和训练后的分类器，获得目标分类模型，基于目标分类模型对图像数据集进行分类，获得分类结果。本发明能从基于重构模型的对抗样本中学习帮助分类的特征，从而提升模型分类精度。
一种基于模型对抗样本改进分类方法

[发明专利]一种智能视频监控系统-CN202110264348.1有效
发明人：侯晴霏;谢建华;陈秋林;洪少华;魏宪;郭杰龙 -专利权人：福建环宇通信息科技股份公司
申请日： 2021-03-11 - 公布日： 2023-02-28 - 主分类号： H04N7/18 文献下载
摘要：本发明提供了一种智能视频监控系统，包括实时获取监控空间范围内视频流的多个摄像机，对多个摄像机的视频流进行处理的视频微处理器，与视频微处理器通过无线网络连接的监控中心；视频微处理器包括视频数据获取模块、视频数据预处理模块、视频数据特征提取模块、异常检测模型建立模块和异常判定模块。本发明视频数据特征提取模块通过多示例划分并采用时间序列对连续帧之间的运动变化趋势进行建模，解决了不同视角下运动速度知觉不同的问题，异常检测模型建立模块通过基于聚类的非参数模型来对特征空间进行建模，解决了训练数据类别标签不清晰的问题，并在建模及检测的同时对模型进行在线更新，解决了异常事件定义模糊的问题。
一种智能视频监控系统

[发明专利]主变套管吊装平衡工具-CN202110806188.9有效
发明人：焦宝安;尚昆;张维东;姜磊;李俊男;周武;董军;陈兵;厉荣杰;王作鹏;林峰;徐立恒;刘思华;田鲁博;周大伟;魏宪;蔡清亮;孔峥;王晓华;王同来 -专利权人：国家电网有限公司;国网山东省电力公司检修公司
申请日： 2021-07-16 - 公布日： 2023-01-24 - 主分类号： B66C1/12 文献下载
摘要：主变套管吊装平衡工具，包括上固定架、下固定架、提拉绳与吊绳，上固定架、下固定架均包括弧形板，本发明利用上固定架、下固定架、提拉绳与吊绳相结合，上固定架、下固定架能够分别对主变套管的上部和下部进行固定，从而让主变套管受力更加均匀，从而分担主变套管的受力，避免了主变套管轻易损坏，提高安全性。
套管吊装平衡工具

[发明专利]基于融合多注意力机制和Graph的视频语义分析方法-CN202010315106.6有效
发明人：郭杰龙;魏宪;郭列;王万里;兰海;邵东恒;张剑锋;汤璇 -专利权人：泉州装备制造研究所
申请日： 2020-04-21 - 公布日： 2022-12-27 - 主分类号： G06V20/40 文献下载
摘要：本发明公开了一种基于融合多注意力机制和Graph的视频语义分析方法。该方法包括首先从视频中提取图像数据；在残差网络的基础上融合基于卷积注意力模块的注意力机制，以提取图像特征；利用文本中的知识预训练出一个具有先验知识的字典；通过基于多图卷机网络将提取的图像特征和中的目标关系属性信息转化成图调制特征；再将图调制特征导入长短时记忆网络生成描述的句子；最终得到视频语义文本内容数据，输出该数据。本发明最终能够得到准确度较高的视频语义文本数据。本发明结合硬件实体的监控设备，可以为公共安全提供更多智能视频分析和提前预警功能，极大程度上提高视频监控的效率，发挥视频资源的最大用途。
基于融合注意力机制 graph 视频语义分析方法

[发明专利]基于视觉、激光雷达和毫米波雷达的目标检测方法-CN202010380040.9有效
发明人：魏宪;郭杰龙;李朝;兰海;邵东恒;唐晓亮;汤璇;冯远志 -专利权人：泉州装备制造研究所
申请日： 2020-05-08 - 公布日： 2022-11-29 - 主分类号： G01S13/931 文献下载
摘要：本发明公开了一种基于视觉、激光雷达和毫米波雷达的目标检测方法，包括：获取摄像头，激光雷达，毫米波雷达的探测到的原始数据，并将三者进行时间和空间同步；根据雷达协议对毫米波雷达数据进行解算；基于毫米波雷达解算后的数据的位置，速度，雷达反射面积生成三维的感兴趣区域；提取点云鸟瞰图和摄像头图像的特征图；将生成的三维感兴趣区域投影到激光雷达的点云鸟瞰图的特征图和摄像头图像的特征图；将带有预选框的特征图进行融合，融合图像进行全连接层处理。本发明利用不同的传感器数据进行数据融合，大大减少了候选框的生成数量，提高了候选框的质量，加快了识别速度，通过传感器冗余提高不同环境下目标检测的可靠性。
基于视觉激光雷达毫米波雷达目标检测方法

[发明专利]一种基于注意力机制的癫痫发作检测系统-CN202211276626.6在审
发明人：张成;王希豪;兰海;杨冬平;魏宪 -专利权人：之江实验室
申请日： 2022-10-19 - 公布日： 2022-11-18 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于注意力机制的癫痫发作检测系统，包括：数据获取模块：用于从公开的数据库中获取待检测的脑电信号数据；数据处理模块：用于对所述脑电信号数据进行预处理，得到预处理脑电信号数据；癫痫发作检测模块：用于基于注意力机制构建CNN和Transformer神经网络最优模型，将脑电信号数据通过所述CNN和Transformer神经网络最优模型得到发作期和发作间期样本的类别概率，用于识别癫痫发作。本发明基于训练集和测试集对网络进行训练，使用早期停止机制、学习率衰减等方法对CNN和Transformer神经网络进行优化，得到用于癫痫发作检测的最优网络参数，使用CNN和Transformer神经网络对样本数据进行分类，可以高效快速的识别出癫痫发作的类别，从而提高癫痫识别的准确率。
一种基于注意力机制癫痫发作检测系统

[发明专利]一种智能车辆性能测试系统及其方法-CN202011157317.8有效
发明人：魏宪;兰海;李朝;郭杰龙;张剑锋;俞辉;唐晓亮;邵东恒 -专利权人：泉州装备制造研究所
申请日： 2020-10-26 - 公布日： 2022-09-27 - 主分类号： G01M17/007 文献下载
摘要：本发明公开了一种智能车辆性能测试系统及其方法，所述系统包括光学定位系统和异常事件添加节点模块；所述光学定位系统用于计算出待测车辆的空间坐标以及车辆姿态角，所述异常事件添加节点模块用于在车辆的图像信息中添加障碍物和干扰效果，从而实现对传感器以及智能车辆感知算法的鲁棒性测试。
一种智能车辆性能测试系统及其方法

[发明专利]基于线性动态系统和深度网络的异常行为检测方法-CN201811562111.6有效
发明人：郭杰龙;魏宪;兰海;方立;孙威振;王万里;汤璇;唐晓亮 -专利权人：泉州装备制造研究所
申请日： 2018-12-20 - 公布日： 2022-09-13 - 主分类号： G06V20/40 文献下载
摘要：本发明提供了一种基于线性动态系统和深度网络的异常行为检测方法。本发明将LDS动态系统模型与TSN深度学习网络相结合，通过TSN提取动作的时空特征信息，然后通过LDS将动作特征串联为完整的行为特征，最后通过支持向量机SVM判断行为类型。本发明在残差网络的基础上搭建了3D卷积网络，通过2D+1D形式构建3D卷积核，降低了网络参数量，并解决了原3D网络无法预载入权值的问题；在TSN结构中引入了残差3D网络，增加网络的特征提取能力；增加了网络层数，提升了网络的拟合能力。本发明能够实现长序列异常动作的高精度识别，最终达到对异常行为的精确监测。
基于线性动态系统深度网络异常行为检测方法

[发明专利]一种利用正交视觉转换器提高图像识别准确率的方法及应用-CN202210628383.1在审
发明人：陈铭松;费燕虹;魏宪;杨雅宁;王嘉莉 -专利权人：华东师范大学
申请日： 2022-06-06 - 公布日： 2022-08-26 - 主分类号： G06V10/82 文献下载
摘要：本发明公开了一种利用正交视觉转换器提高图像识别准确率的方法，所述方法包括以下具体步骤：步骤一、生成正交视觉转换器中自注意力层所需的查询矩阵、键矩阵和值矩阵；步骤二、基于正交投影矩阵，根据查询矩阵、键矩阵和值矩阵计算自注意力；步骤三、基于正交投影矩阵，将步骤二中的自注意力机制扩展到多头；步骤四、基于正交投影矩阵，训练正交视觉转换器模型；步骤五、利用步骤四中获得的正交视觉转换器模型进行图像识别。本发明还公开了上述方法在提高图像识别预测准确率中的应用。本发明所述的方法能够在图像识别场景中提高传统视觉转换器的推理精度，同时具备一定的鲁棒性。
一种利用正交视觉转换器提高图像识别准确率方法应用

[发明专利]一种基于对抗噪声的弱视检测方法-CN202011536368.1有效
发明人：兰海;魏宪;胡建民;宗佳旭;郭杰龙;唐晓亮;戴炳发;庄子豪 -专利权人：泉州装备制造研究所
申请日： 2020-12-22 - 公布日： 2022-07-29 - 主分类号： A61B3/032 文献下载
摘要：本发明公开了一种基于对抗噪声的弱视检测方法，通过将不同类型的噪声叠加在视标图像上，从而获得不同类型弱视患者对各类噪声的敏感性，并通过机器学习的方法训练上述数据，得到弱视分类模型，进而在采集了弱视患者的叠加噪声的视标级数后，能够通过弱视分类模型得到该弱视患者的弱视分类结果；本发明能够对弱视患者的病变检测更加透彻，提高确诊的精度。
一种基于对抗噪声弱视检测方法