“李嫄源”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46个，建议您升级VIP下载更多相关专利

[发明专利]一种面向专用车驾驶员行为监测的微小目标检测方法-CN202310765399.1在审
发明人：朱智勤;谷双双;李嫄源;王韶文;黄鑫;龚康;帅林宏;周锋;李家兴;胡波;刘秋卓 -专利权人：重庆邮电大学
申请日： 2023-06-27 - 公布日： 2023-10-27 - 主分类号： G06V20/59 文献下载
摘要：本发明涉及一种面向专用车驾驶员行为监测的微小目标检测方法，属于计算机视觉领域。该方法具体为，首先使用Diffusion网络通过前后推导的马尔科夫链方式，利用迭代扩散操作生成与实数据高度相似的模拟数据，使用特定实例复制粘贴技术将初步处理的图像中的微小目标粘贴到任意位置生成含有丰富微小目标信息的合成图像；双路径并行蒸馏学习网络进行蒸馏得到一系列针对不同应用场景下的Student网络组成适用于不同专用车的网络空间；最后利用多源多目标优化知识匹配网络实现对不同场景下专用车与Student网络的匹配。该方法能够匹配不同监测性能和检测速度的专用车，满足不同场景下的监测需求。
一种面向专用车驾驶员行为监测微小目标检测方法

[发明专利]一种云计算双流特征交互的电动汽车充电桩占用预测方法-CN202310916869.X在审
发明人：朱智勤;姚政;李嫄源;陈诗尧;黄鑫;周志浩;龚康;李家兴;刘秋卓;安翼尧 -专利权人：重庆邮电大学
申请日： 2023-07-25 - 公布日： 2023-10-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种云计算双流特征交互的电动汽车充电桩占用预测方法，属于电动汽车充电桩占用预测领域。该方法使用包括：S1：对多元离散序列数据进行归一化处理；S2：对S1中归一化的数据分别利用基于LSTM提取短期充电状态依赖性特征，基于VAE提取长期充电状态依赖性特征；S3：将提取得到的两类特征进行拼接后输入电动汽车充电桩占用预测网络，得到充电占用状态的多阶段预测；电动汽车充电桩占用预测网络采用端到端的训练方式，不断更新权值参数，直至网络收敛；S4：将上述得到的模型在云平台部署，同时负责数据的存储和处理，完成电动车充电占用状态预测及资源调度。本发明能有效的完成电动汽车充电站占用预测。
一种计算双流特征交互电动汽车充电占用预测方法

[发明专利]一种基于改进鲸鱼优化算法的文本聚类方法-CN202310823599.8在审
发明人：黄鑫;张冉巧;李嫄源;朱智勤;周志浩;陈诗尧;李家兴;龚康;刘秋卓;文斌;刘阳;周嘉靖 -专利权人：重庆邮电大学
申请日： 2023-07-06 - 公布日： 2023-10-10 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于改进鲸鱼优化算法的文本聚类方法，属于大数据挖掘和机器学习领域。该方法包括以下步骤：S1：利用Spark从科研文本数据库中获取科研文本数据，并进行数据清洗；S2：对数据清洗后的文本数据进行进行分词、去停用词、特征选择、向量化和降维操作，将非结构化的文本数据转化成结构化的数值型的数据；S3：利用K‑means算法计算出初始的聚类中心，使用改进鲸鱼优化算法对聚类中心进行优化并输出聚类结果。本发明利用改进鲸鱼优化算法的全局寻优能力，解决了当前文本聚类算法容易陷入局部最优的问题，提高了对科研文本数据聚类的准确性，减少了数据维度，增强了聚类的效果。
一种基于改进鲸鱼优化算法文本方法

[发明专利]面向车载智能系统的轻量化微小交通标志识别方法-CN202310838014.X在审
发明人：朱智勤;郑人中;李嫄源;黄鑫;周志浩;龚康;周锋;李家兴;胡波;刘秋卓 -专利权人：重庆邮电大学
申请日： 2023-07-10 - 公布日： 2023-10-10 - 主分类号： G06V20/58 文献下载
摘要：本发明涉及面向车载智能系统的轻量化微小交通标志识别方法，属于智能交通领域。将获取的环境图像通过压缩处理成规定尺寸的图像文件。将该图像输入信息流逻辑传播网络，信息流逻辑传播网络先简单提取图像的多层低级语义信息。通过边缘信息优化模块获取低级语义信息的边界信息，以边界信息监督图卷积流提取多特征层层内和层间的高级图语义信息。先以获得的高级特征层进行分类预测，稀疏表达出目标区域。然后将图卷积流提取的多层高级信息逐元素拆分为大小相同的特征层，用卷积流网络在稀疏区域内逐渐从左至右，从上到下融合扩展特征层。最有以融合特征层进行目标检测。
面向车载智能系统量化微小交通标志识别方法

[发明专利]一种面向特种专用汽车多模态传感器数据预处理方法-CN202310540664.6在审
发明人： 李嫄源;黄艳钦;朱智勤;陈诗尧;李家兴;龚康;刘秋卓 -专利权人：重庆邮电大学
申请日： 2023-05-11 - 公布日： 2023-08-11 - 主分类号： G06F18/10 文献下载
摘要：本发明涉及一种面向特种专用汽车多模态传感器数据预处理方法，属于特种专用汽车检测预警领域。该方法包括：针对多模态的传感器收集到的特种专用汽车产生的一维数据，采用基于上下文推理的数据清理方法进行数据清理；针对特种专用汽车运行过程中，多模态的传感器收集到的正常工况数据量大于异常工况数据量，而正常工况数据对于异常工况的预警检测作用较小时，采用基于K‑Means聚类和diffusion网络的数据均衡方法实现数据均衡；针对特种专用汽车多传感器收集到的多模态数据指标，采用基于注意力机制的图神经网络和多尺度自适应优化模块的数据融合方法，改善预警模型的检测能力，提高数据的利用效率。
一种面向特种专用汽车多模态传感器数据预处理方法

[发明专利]一种基于分层式鲁棒判别学习的高光谱遥感图像异常目标探测方法-CN202310380512.4在审
发明人：郭坦;何龙;罗甫林;李新月;李嫄源;谭晓衡;陶洋 -专利权人：重庆邮电大学
申请日： 2023-04-11 - 公布日： 2023-07-07 - 主分类号： G06T7/00 文献下载
摘要：本发明提出了一种用于高光谱遥感图像异常检测的分层式鲁棒判别学习方法。其特点在于通过强化高光谱图像中背景成分与异常目标成分结构上的非相干约束，以促进两者之间的内在非相干性与相异性，从而增强两者的可分离性。通过l1，1范数和Frobenius范数来有效刻画真实场景下高光谱遥感图像获取过程中引入的复杂混合噪声，提高异常目标检测模型的抗噪声性能。为更精确地分离深度混合的背景和异常目标，获得稳健且检测能力更强的异常目标检测模型，设计了分层式的检测思想，渐进式地分离深度混合的高光谱遥感图像中的背景和异常目标成分。本发明不仅可以提高背景和异常目标之间的可区分能力，而且具有非常强的噪声抑制性能和检测鲁棒性。
一种基于分层式鲁棒判别学习光谱遥感图像异常目标探测方法

[发明专利]基于铁磁纳米线/碳材料的复合型柔性三维力传感器及其制备方法-CN202110687119.0有效
发明人：李锐;向莎;杨平安;苟欣;陈大超;周崇川;何雨橙;李嫄源 -专利权人：重庆邮电大学
申请日： 2021-06-21 - 公布日： 2022-12-27 - 主分类号： G01L5/1627 文献下载
摘要：本发明公开了一种基于铁磁纳米线/碳材料的复合型柔性三维力传感器及其制备方法，该柔性传感器包括柔性基体，铁磁纳米线/碳材料敏感层和电极引线；所述铁磁纳米线/碳材料敏感层封装于柔性基体内，所述电极引线分别固定于铁磁纳米线/碳材料敏感层的两端。在制备该传感器敏感单元时，采用首先在磁场作用下，利用高分子泡沫浸渍铁磁纳米线溶液，然后再浸渍碳材料溶液；在检测三维力时，通过不同电极引线所构成的不同电阻其阻值变化的不同去检测三维力，进而实现柔性三维力传感器的制备。本发明的柔性三维力传感器能够同时实现较低的非线性误差和良好的稳定性，并且制备工艺简单，可操作性强，在人机交互、医疗健康等领域有着广阔的前景。
基于纳米材料复合型柔性三维传感器及其制备方法

[发明专利]一种基于深度学习的遥感图像中的露天矿场检测方法-CN202011204160.X有效
发明人：朱智勤;罗柳;李嫄源;李鹏华;李朋龙;丁忆 -专利权人：重庆邮电大学
申请日： 2020-11-02 - 公布日： 2022-10-14 - 主分类号： G06V20/13 文献下载
摘要：本发明涉及一种基于深度学习的遥感图像中的露天矿场检测方法，属于目标检测领域。基于Mask R‑CNN网络，在此网络上设计了基于混合注意力的区域生成网络MA‑RPN和基于扩展的特征金字塔网络ET‑FPN，MA‑RPN引入了混合注意力机制，在区域生成网络中添加注意力模块，通过注意力掩码将图片中露天矿场的关键特征标识出来，从而帮助模型学习到需要关注的露天矿场区域；ET‑FPN具有专门用于露天矿场检测的金字塔层，用以提取遥感图像中露天矿场的信息，扩展的特征金字塔层反馈到后续的检测器进一步进行定位和分类。本发明能够在遥感图像中实现露天矿场的检测。
一种基于深度学习遥感图像中的露天矿场检测方法

[发明专利]基于强化学习的稠密迭代特征腹腔内压预测系统-CN202210632448.X在审
发明人：朱智勤;雷杨博;丛柏森;李晓磊;李嫄源;姚政;周志浩 -专利权人：重庆邮电大学
申请日： 2022-06-06 - 公布日： 2022-09-06 - 主分类号： G16H50/20 文献下载
摘要：本发明涉及一种基于强化学习的稠密迭代特征腹腔内压预测系统，属于机器学习领域，包括：数据采集及处理模块：用于获取患者基本数据和临床数据，并进行预处理，制作成样本和数据集；数据输入模块：用于将预处理后的样本送入稠密迭代增强模型，经过若干特征提取单元迭代增强，获得经过增强的特征；预测模块：用于将增强特征进行GAP和flatten后，送入全连接层，获取预测结果；模型训练模块：根据真实值和预测结果计算损失，使用动态调整学习率机制，使用weight decay和momentum机制，更新模型参数，使用完全的端到端方式训练网络。
基于强化学习稠密特征腹腔预测系统

[发明专利]基于自适应多特征融合的微小目标检测方法-CN202011204130.9有效
发明人：朱智勤;张源川;李嫄源;冒睿睿;李鹏华 -专利权人：重庆邮电大学
申请日： 2020-11-02 - 公布日： 2022-08-26 - 主分类号： G06V10/80 文献下载
摘要：本发明涉及一种基于自适应多特征融合的微小目标检测方法，属于目标检测领域。对提取后的特征先经过传统特征金字塔结果进行特征融合，在这基础上，本发明额外设计了一条路径进一步进行特征融合，再使用自适应多特征融合算法进行多尺度融合，使得微小目标的语义信息在多尺度特征层中进行传播，丰富微小目标的语义信息和纹理信息。同时，使用k‑means算法获得更加合理的先验框参数，加速网络收敛、提高模型精度。最后，对检测结果进行非极大值抑制，筛除重叠物体框。整个网络采用端到端的方式不断更新网络权值，直至收敛。最终，本发明自适应多特征融合的微小目标检测算法能够有效地完成微小目标检测。
基于自适应特征融合微小目标检测方法

[发明专利]基于轻量级类八维卷积神经网络的驾驶分心识别方法-CN202010752388.6有效
发明人：杨奕枫;李鹏华;李嫄源;胡向东;李锐;朱智勤;侯杰 -专利权人：重庆邮电大学
申请日： 2020-07-30 - 公布日： 2022-07-01 - 主分类号： G06V20/59 文献下载
摘要：本发明涉及一种基于轻量级类八维卷积神经网络的驾驶分心识别方法，属于驾驶智能化技术领域。首先，为了保证样本的多样性，建立了一个由2468个视频组成的集中于6种驾驶行为的1234个参与者的分散注意力数据集。其次，设计了一个具有八维卷积混合(OLCM)块的轻量级CNN。第三，针对之前的轻量级努力提出了三个新颖点来保证OLCMNet的有效性。通过使用点态卷积(PC)将特征映射分割成多个分支，用深度卷积(DC)替代每个分支的普通卷积，OLCM块被设计用来减少空间冗余和连接密度。在OLCMNet的最后阶段增加了一个挤压激发(SE)模块。本方法应用在ADAS就可以实时提供最优的控制策略。
基于轻量级类八维卷积神经网络驾驶分心识别方法

[发明专利]一种基于序列统计表征学习的miRNA-mRNA靶标预测方法-CN202210337726.9在审
发明人：朱智勤;姚政;丛柏森;杨攀;李晓磊;李嫄源 -专利权人：重庆邮电大学
申请日： 2022-03-31 - 公布日： 2022-06-24 - 主分类号： G16B20/30 文献下载
摘要：本发明涉及一种基于序列统计表征学习的miRNA‑mRNA靶标预测方法，属于生物信息学领域。采用神经网络和注意力机制结合的方式对miRNA和mRNA序列的结构特征进行多尺度，多粒度的特征提取，使得到特征即既含序列各个碱基字符和靶标区域序列的局部、全局的多尺度特征，又包含细粒度、粗粒度的多粒度语义信息特征联系。并使用变分自动编码器结构作整体框架，利用输入数据的概率分布保证预测的精确度，并增加了模型的可解释性。本发明采用基于序列统计表征学习的miRNA‑mRNA靶标预测方法能够有效地完成miRNA‑mRNA的靶标预测。
一种基于序列统计表征学习 mirna mrna 靶标预测方法

[发明专利]面向移动设备拍摄的遥感图像坐标匹配方法-CN202110807186.1有效
发明人：朱智勤;钟成燕;李嫄源;李朋龙;丁忆 -专利权人：重庆邮电大学
申请日： 2021-07-16 - 公布日： 2022-06-24 - 主分类号： G06V10/75 文献下载
摘要：本发明涉及一种面向移动设备拍摄的遥感图像坐标匹配方法，属于移动设备拍摄图像匹配领域，将原始尺寸的图像块与其尺度缩放后的所有图像块都送入遥感底图进行滑动匹配，由此获得不同尺度下的相似度矩阵。从每个相似度矩阵中获取最大相似度得分，该得分对应的位置为该尺度下的坐标位置定位。由此获得不同尺度下，相似性得分与位置坐标的一一对应关系。将相似度得分按照图像块尺度从小到大的顺序排列，从中选取任意一个相似度得分，基于邻域加权方式为其分配一个权重，生成该尺度下新的最终相似度得分。选取更新后的不同尺度下最大相似度得分为最终的坐标位置定位。本发明减少了图像匹配定位的误差，提升了找到底图中正确匹配位置的准确性。
面向移动设备拍摄遥感图像坐标匹配方法

[发明专利]一种基于多维的遥感图像微小目标检测方法-CN202011204146.X有效
发明人： 李嫄源;张源川;朱智勤;李鹏华;冒睿睿 -专利权人：重庆邮电大学
申请日： 2020-11-02 - 公布日： 2022-04-12 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于多维的遥感图像微小目标检测方法，属于目标检测领域。采用多深度图像金字塔网络进行多深度、多分辨率的特征提取，用浅层流提取高分辨率图像特征、用深层流提取低分辨率图像特征。同时，为了缓解多尺度、多深度特征之间的信息不平衡，还提出了多尺度特征金字塔网络，使得微小目标的语义信息和特征纹理信息不仅从高层传播到低层，而且从深流传播到浅流，从而提高微小目标的识别结果。最后再附加两个简单的全连接层进行分类、回归任务，整个模型称为多深度、多尺度、多分辨率微小目标检测网络M3DNet。最终，本发明采用多深度、多尺度、多分辨率的遥感图像微小目标检测方法能够有效地完成微小目标检测。
一种基于多维遥感图像微小目标检测方法

[发明专利]一种面向中国移动智能客服的动态扩展知识图推理方法-CN201810049053.0有效
发明人：李鹏华;刘太林;朱智勤;李嫄源;朱庆元 -专利权人：重庆邮电大学
申请日： 2018-01-18 - 公布日： 2022-02-08 - 主分类号： G06F16/332 文献下载
摘要：本发明涉及一种面向中国移动智能客服的动态扩展知识图推理方法，属于人工智能技术领域。该方法包括：表征学习下的三元知识图构建；限界技术下的知识图Top‑k查询技术；单一业务类型多轮对话场景知识推理；跨业务类型多轮对话场景新语义挖掘。本发明为用户提供了有效应答交互的自然语言信息，满足智能客服多轮对话需求。
一种面向中国移动智能客服动态扩展知识推理方法

1
2
3
4
下一页»
尾页
共 46 条