一种利用卷积神经网络估计标签数量的方法

    公开(公告)号:CN117313758A

    公开(公告)日:2023-12-29

    申请号:CN202311257522.5

    申请日:2023-09-27

    Abstract: 本发明涉及一种利用卷积神经网络估计标签数量的方法,属于射频识别领域。本发明公开了一种利用卷积神经网络(CNN,Convolutional Neural Network)估计标签数量的方法,适用于采用动态帧时隙ALOHA算法(DFSA,Dynamic Framed Slotted ALOHA)的高频射频识别(RFID,Radio Frequency Identification)系统。该方法主要包括:(1)构造CNN模型:对于已知数量的标签,将DFSA算法中的Q值设置为0并开启盘点,此时所有标签同时响应产生碰撞,采集此时起始帧(SOF,Start ofFrame)的碰撞波形作为样本集的特征集合来训练CNN模型;(2)预估待盘点标签的数量:对于未知数量的待盘点标签,设置DFSA算法的Q值为0,采集此时SOF的碰撞波形作为训练得到的CNN模型的输入,输出为标签数量估计值。本发明能有效提升高频RFID系统盘点效率。

    一种视频分析中抽取图像帧的方法

    公开(公告)号:CN115482493A

    公开(公告)日:2022-12-16

    申请号:CN202211176748.8

    申请日:2022-09-26

    Abstract: 本发明涉及一种视频分析中抽取图像帧的方法,属于图像处理领域。本发明包括抽取候选图像帧步骤,从一段视频的图像帧序列中抽取一个候选图像帧序列,包括彩色图像帧转换为灰度图像帧、计算各图像帧的平均灰度、计算各图像帧的方差、计算平均方差、根据图像帧的方差抽取候选图像帧等子步骤。本发明还包括抽取最终图像帧步骤,从候选图像帧序列中抽取最终的图像帧序列,包括计算相邻两帧的平均绝对差分、计算平均绝对差分的平均值、计算平均绝对差分的方差、根据平均绝对差分抽取最终图像帧等子步骤。本发明利用视频片断中图像帧的特征,抽取出清晰、相差较大的图像帧序列,有利于随后对抽取出的图像帧进行基于深度神经神经网络等方法的处理。

    一种利用语义依存分析的中文问句语义理解方法

    公开(公告)号:CN112733547A

    公开(公告)日:2021-04-30

    申请号:CN202011584513.3

    申请日:2020-12-28

    Abstract: 本发明涉及一种利用语义依存分析的中文问句语义理解方法,其中,包括:步骤1.收集并整理应用领域问句数据集;步骤2.对于得到的问句数据集进行预处理;步骤3.构建基于BiLSTM的语义依存分析模型;步骤4.构建语义依存结构解析规则;步骤5.将步骤4转换得到的查询三元组列表映射为SPARQL语句中基本图模式,形成三元组模式关系。本发明方法通过语义依存分析技术,结合中文分词技术,能够为用户提供高效语义理解的新方式,在特定应用领域的智能问答、搜索推荐等系统中将发挥重要作用。

    一种基于密码技术的物联网标识方法

    公开(公告)号:CN110753066A

    公开(公告)日:2020-02-04

    申请号:CN201911038234.4

    申请日:2019-10-29

    Abstract: 本发明涉及一种基于密码技术的物联网标识方法,其中,包括:服务方生成标识体系根密钥和服务方的公钥和私钥;用户方生成自身的公钥和私钥,将自身的名称和公钥传递给服务方;用户方生成物品标识和秘钥,将用户方标识、物品标识、物品信息密文和签名传递给服务方;用户方生成物品秘钥,将用户方标识、物品标识、物品状态信息密文和签名传递给服务方;用户方查询物品的信息时,用户方将用户方标识、物品标识和签名传递给服务方,服务方接收后进行验证,验证通过后,服务方检索物品标识对应物品标识记录和物品状态记录,将用户方标识、物品标识和状态信息密文和签名传递给用户方。本发明将密码学和物品标识机密结合,在物联网领域中将发挥重要作用。

Patent Agency Ranking