-
公开(公告)号：CN109978340A
公开(公告)日：2019-07-05
申请号：CN201910149637.X
申请日：2019-02-28
Applicant: 西南科技大学
Abstract: 本发明涉及军工装配领域，特别是一种基于可视化的弹药错配校正系统及方法。CAPP系统，提供正确的弹药三维零部件模型、正确装配工序及部位数据信息；信息处理数据库，用于存储CAPP输入的信息、正确工序模版、弹药三维零部件模型和处理所述MES系统传输回的现场传感器数据；MES系统，为装配现场传感器数据传输提供通道；装配现场模块，收集装配现场的传感器数据信息并显示MES系统传来的指导纠错信息。通过可视化指导人工校正错配情况，至少减少人员的查找手册时间和减少人员对相关技术的记忆量，通过CAPP系统提前切割好装配的小视频、BOM表单等数据，节省了在数据库中临时切割视频的计算量和计算时间，从而大大地节约了时间，减少了错误装配、提高了效率。
-
公开(公告)号：CN109764769A
公开(公告)日：2019-05-17
申请号：CN201910149647.3
申请日：2019-02-28
Applicant: 西南科技大学
IPC: F42B33/00
Abstract: 本发明涉及军工装配领域，特别是一种基于可视化装配系统的实时弹药装配指导方法。读取正确装配工序和三维零部件模型以及部位数据信息；播放可视化装配视频，显示零部件以及相应部位数据信息；操作人员提取装配零部件进行扫码识别；可视化装配工艺集成软件系统判断装配零件是否正确；若正确则显示装配视频，循环播放对应可视化装配视频，否则锁死可视化装配视频；完成装配后进行装配校验。通过实时同步的可视化指导人工装配，减少人员查找手册时间和减少人员对相关技术的记忆量，通过CAPP系统提前切割好装配的小视频、BOM表单等数据，节省了在数据库中临时切割视频的计算量和计算时间，从而节约了时间，减少了错误装配、提高了装配效率和正确性。
-
公开(公告)号：CN107436446A
公开(公告)日：2017-12-05
申请号：CN201710666057.9
申请日：2017-08-07
Applicant: 西南科技大学
Abstract: 本发明涉及放射源定位领域，特别涉及一种放射源定位方法及定位系统。本发明通过将多个放射源探测器在不同相对位置上分别对放射源进行两次以上的探测，根据不同的探测结果进行比价，从而去除放射源探测过程中出现的虚假位置，实现方式简单，计算量小，计算精度高。
-
公开(公告)号：CN119850935A
公开(公告)日：2025-04-18
申请号：CN202510323992.X
申请日：2025-03-19
Applicant: 西南科技大学 , 四川超马赫科技有限公司
IPC: G06V10/25 , G06V10/143 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475
Abstract: 本发明属于计算机视觉的目标检测技术领域，公开了基于扩散生成驱动的红外与可见光图像融合目标检测方法，包括以下步骤：基于公开的红外与可见光图像数据集M3FD和低光与正常光图像数据集LOL，构造用于条件扩散模型训练的数据集；对面向低质量图像数据的条件扩散模型进行预训练，得到低质量图像的协同扩散生成先验；基于协同扩散生成先验的融合图像，获得融合特征；基于生成驱动融合图像，进行目标检测，产生最终的目标检测结果。本发明采用上述基于扩散生成驱动的红外与可见光图像融合目标检测方法，减弱了低质量图像带来的噪声影响，能够有效处理低质量红外和可见光图像，并进行准确的目标检测。
-
公开(公告)号：CN117688973A
公开(公告)日：2024-03-12
申请号：CN202311758943.6
申请日：2023-12-19
IPC: G06N3/042 , G06N3/0455 , G06N3/094 , G06N3/0985 , G06N3/098 , G06N3/096 , G06F18/15 , G06F18/25 , G06F18/2433
Abstract: 本发明公开了一种知识与数据双驱动的流式多模态图学习方法，涉及多模态图学习领域，包括以下步骤：利用收集的多模态数据训练终身学习知识预训练网络；利用数据整流模块对流式多模态数据进行去中心化和归一化操作；利用数据补全模块对缺失数据进行补全；利用模态数据鉴别模块对补全的多模态数据进行鉴别；将数据仓库中的多模态数据输入至训练后的终身学习知识预训练网络中学习数据的代表性原型知识点；利用知识驱动的图生成模块根据知识仓库中代表性原型知识点与补全后的多模态数据生成二分图。本发明解决了现有数据驱动机制计算开销大、模型泛化性和扩展性差，以及知识驱动机制易受不良数据影响，面临知识退化与灾难性遗忘风险的问题。
-
Patent Agency Ranking
公开(公告)号：CN117036920A
公开(公告)日：2023-11-10
申请号：CN202211112068.X
申请日：2022-09-13
Applicant: 西南科技大学
Abstract: 本发明公开基于增强CenterNet的核电站冷源致灾物识别方法，涉及核电站冷源致灾物识别技术领域。本发明通过构建增强型深度目标检测网络，所述增强型深度目标检测网络采用浅层沙漏网络与残差结构为主干网络，将目标物体视为一个中心点，通过关键点估计的方法找到目标中心点，再回归到其它属性，完成对目标物体的检测与计数。本发明对有无毛虾的识别mAP达到96.75％、计数误差小于15％，可用于核电站海洋生物的探测预警，保证核电冷源安全。
-
公开(公告)号：CN116824187A
公开(公告)日：2023-09-29
申请号：CN202210266861.9
申请日：2022-03-17
Applicant: 西南科技大学
IPC: G06V10/762 , G06V10/74 , G06V20/30
Abstract: 本发明涉及一种基于核k均值耦合图和强化张量学习的多核聚类方法，对数据进行高阶相似关系学习，特别针对具有非线性结构的数据，包括以下步骤：输入待分析数据；利用核技巧对数据进行预处理；利用核k‑均值耦合图学习和强化张量学习方法对输入的待分析数据建立聚类分析模型；采用交替优化方法求解模型，得到数据相似图的张量表示；利用张量构造数据相似图，并输入到谱聚类中，得到最终聚类结果。本发明与现有方法相比，解决了现有多核聚类方没有考虑基核之间的高阶关系导致学习得到的相似图质量不高的问题，有效提高了聚类性能；可广泛应用于计算机视觉和模式识别等技术领域。
-
公开(公告)号：CN114723980A
公开(公告)日：2022-07-08
申请号：CN202210636324.9
申请日：2022-06-07
Applicant: 西南科技大学
IPC: G06V10/762 , G06V10/77 , G06V10/80 , G06K9/62
Abstract: 本发明公开了一种基于深层语义挖掘的多视图聚类方法，包括以下步骤：S1、输入多视图数据；S2、基于多视图数据矩阵，利用深度矩阵分解构建出每个视图的潜在表示矩阵；S3、根据每个视图的潜在表示矩阵，构建基于深层语义挖掘的多视图聚类方法的目标函数；S4、采用交替优化的方法求解目标函数，直接计算出聚类指示矩阵；S5、利用聚类指示矩阵，输出最终的聚类结果。本发明方法通过挖掘多视图数据中的深层语义信息，解决了现有聚类算法忽略了多视图数据的深层语义信息以及采用两步策略进行多视图聚类无法获得最优聚类结果的问题，有效地实现多视图数据的聚类，提高了多视图聚类的性能；可广泛应用于计算机视觉和模式识别技术领域。
-
公开(公告)号：CN112712095A
公开(公告)日：2021-04-27
申请号：CN201911017699.1
申请日：2019-10-24
Applicant: 西南科技大学
IPC: G06K9/62
Abstract: 本发明涉及机器学习和数据挖掘领域，特别是一种基于联合熵尺度加权和块对角正则的鲁棒多核子空间聚类算法。提出一种用于数据聚类的鲁棒多核子空间聚类（JNKSC）方法，该算法包括：使用特征映射将数据映射到希尔伯特空间H；使用核技巧构成核池，共包含12个基核；对核池使用熵尺度加权策略，得到新的共识核H；引入BDR和自表达框架，致力于得到最优块对角结构的关系矩阵Z;利用共识核H和最优关系矩阵Z，构成目标函数，用于聚类。本发明利用基于熵尺度的自加权策略来更新迭代基核并得到具有更好数据特征的共识核，提高对非高斯噪声的鲁棒性，利用BDR和自表达框架，提高亲和矩阵的块对角性，提高谱聚类的聚类结果。
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.032 seconds)
