一种基于深度学习的非极大值抑制方法

    公开(公告)号:CN107679469B

    公开(公告)日:2021-03-30

    申请号:CN201710863757.7

    申请日:2017-09-22

    Abstract: 本发明公开了一种基于深度学习的非极大值抑制方法,针对深度学习目标检测算法预测窗口的特点,定义了一种新的置信度指数。提出了改进的窗口筛选准则和依据置信度指数对窗口参数进行加权平均的方法。相比于传统方法有着更高的定位精度,更高的召回率以及更佳的鲁棒性。本方法首先找到每个目标对应的置信度最高的窗口为主窗口,然后在每个窗口附近找到置信度大于阈值且与主窗口的交叠率大于阈值的一批窗口作为子窗口。根据子窗口的位置参数和置信度调整主窗口的位置参数,得到新的窗口。多种情况下的实验表明,在相同的目标检测算法下,本方法得到的窗口更接近于真实窗口。

    一种基于MiZ702N的实时人脸检测识别系统

    公开(公告)号:CN107766812A

    公开(公告)日:2018-03-06

    申请号:CN201710945484.0

    申请日:2017-10-12

    CPC classification number: G06K9/00228 G06K9/00288 G06K9/00986

    Abstract: 本发明公开了一种基于MiZ702N的实时人脸检测识别系统,包括图像传感器、MiZ702N开发板、VGA显示器;MiZ702N开发板包括视频输入模块、存储器、CPU、神经网络加速器、视频输出模块;图像传感器采集视频信息并将信息发送到视频输入模块,之后将单帧图像存储到存储器中;CPU从存储器获取图像信息,进行图像预处理后将预处理后的图像存储到存储器中;神经网络加速器从存储器中获取预处理后的图像进行人脸检测运算和人脸识别运算,然后将运算结果返回存储器;CPU根据运算结果处理图像;视频输出模块从存储器中获取经CPU处理后的图像,最后输出数据到VGA显示器。本发明具有内部总线数据传输速度快,神经网络并行度高,实时准确检测识别人脸的优点。

    一种基于深度学习的非极大值抑制方法

    公开(公告)号:CN107679469A

    公开(公告)日:2018-02-09

    申请号:CN201710863757.7

    申请日:2017-09-22

    CPC classification number: G06K9/6256 G06K9/00228 G06K9/3208

    Abstract: 本发明公开了一种基于深度学习的非极大值抑制方法,针对深度学习目标检测算法预测窗口的特点,定义了一种新的置信度指数。提出了改进的窗口筛选准则和依据置信度指数对窗口参数进行加权平均的方法。相比于传统方法有着更高的定位精度,更高的召回率以及更佳的鲁棒性。本方法首先找到每个目标对应的置信度最高的窗口为主窗口,然后在每个窗口附近找到置信度大于阈值且与主窗口的交叠率大于阈值的一批窗口作为子窗口。根据子窗口的位置参数和置信度调整主窗口的位置参数,得到新的窗口。多种情况下的实验表明,在相同的目标检测算法下,本方法得到的窗口更接近于真实窗口。

    一种基于FPGA的通用定点数神经网络卷积加速器硬件结构

    公开(公告)号:CN107392309A

    公开(公告)日:2017-11-24

    申请号:CN201710810528.9

    申请日:2017-09-11

    CPC classification number: G06N3/063 G06F5/06

    Abstract: 本发明公开了一种基于FPGA的通用定点数神经网络卷积加速器硬件结构,包括:通用AXI4高速总线接口,通用GPIO接口;提供通用的存储器硬件并且支持高并行的读写操作;通用卷积器可对定点数精度配置,可配置卷积操作大小,在完成数据存储后可配合高并行的读写进行高并行的卷积运算;通用读写控制单元,包含对ram、rom、Fifo的读写控制逻辑以及地址产生逻辑;通用状态控制器,针对卷积层和读写、计算过程做出相应的单元运行反应,控制整体的计算流程;通用卷积结果缓存器,采用对卷积结果分段式累加的方法,高速并行对处理结果进行缓存和向总线发送。本发明在基于Yolo算法的人脸检测和基于CNN的人脸识别应用中得到验证,体现出极高的运行速度和较高的数据精度。

    一种基于MiZ702N的实时人脸检测识别系统

    公开(公告)号:CN107766812B

    公开(公告)日:2021-06-29

    申请号:CN201710945484.0

    申请日:2017-10-12

    Abstract: 本发明公开了一种基于MiZ702N的实时人脸检测识别系统,包括图像传感器、MiZ702N开发板、VGA显示器;MiZ702N开发板包括视频输入模块、存储器、CPU、神经网络加速器、视频输出模块;图像传感器采集视频信息并将信息发送到视频输入模块,之后将单帧图像存储到存储器中;CPU从存储器获取图像信息,进行图像预处理后将预处理后的图像存储到存储器中;神经网络加速器从存储器中获取预处理后的图像进行人脸检测运算和人脸识别运算,然后将运算结果返回存储器;CPU根据运算结果处理图像;视频输出模块从存储器中获取经CPU处理后的图像,最后输出数据到VGA显示器。本发明具有内部总线数据传输速度快,神经网络并行度高,实时准确检测识别人脸的优点。

    一种基于模糊逻辑和教学计划的MOOC课程混合推荐方法

    公开(公告)号:CN114547481B

    公开(公告)日:2024-12-24

    申请号:CN202210170316.X

    申请日:2022-02-23

    Applicant: 东南大学

    Inventor: 王伟 李硕 徐立臻

    Abstract: 本发明公开一种基于模糊逻辑和教学计划的MOOC课程混合推荐方法,包括以下步骤:步骤1.依据MOOC公开课程数据,将中介模糊逻辑引入ML_BPNN神经网络,对损失函数进行优化,最终得到包含MOOC课程与在线学生特征的混合得分矩阵;步骤2.将在线学生之间的全局相似度引入点态用户分解混合相似性模型,在线学生与MOOC课程的交互关系混合相似度是由采用皮尔逊相似度计算得到的预定义相似度和依据潜在向量内积计算得到的学习相似度组成;步骤3.将PoiU‑FHSM混合相似度计算结果与按照大专院校教学大纲的课程安排计划建立的课程映射关系相结合,最终输出Top推荐MOOC课程及与其关联的先修与后修推荐MOOC课程。本发明主实现了对MOOC课程及与其关联的前修与后修MOOC课程的同时推荐。

    一种基于模糊逻辑和教学计划的MOOC课程混合推荐方法

    公开(公告)号:CN114547481A

    公开(公告)日:2022-05-27

    申请号:CN202210170316.X

    申请日:2022-02-23

    Applicant: 东南大学

    Inventor: 王伟 李硕 徐立臻

    Abstract: 本发明公开一种基于模糊逻辑和教学计划的MOOC课程混合推荐方法,包括以下步骤:步骤1.依据MOOC公开课程数据,将中介模糊逻辑引入ML_BPNN神经网络,对损失函数进行优化,最终得到包含MOOC课程与在线学生特征的混合得分矩阵;步骤2.将在线学生之间的全局相似度引入点态用户分解混合相似性模型,在线学生与MOOC课程的交互关系混合相似度是由采用皮尔逊相似度计算得到的预定义相似度和依据潜在向量内积计算得到的学习相似度组成;步骤3.将PoiU‑FHSM混合相似度计算结果与按照大专院校教学大纲的课程安排计划建立的课程映射关系相结合,最终输出Top推荐MOOC课程及与其关联的先修与后修推荐MOOC课程。本发明主实现了对MOOC课程及与其关联的前修与后修MOOC课程的同时推荐。

    一种多电压等级柔性互联装置
    9.
    发明公开

    公开(公告)号:CN115425691A

    公开(公告)日:2022-12-02

    申请号:CN202211225112.8

    申请日:2022-10-09

    Applicant: 东南大学

    Abstract: 本发明公开了一种多电压等级柔性互联装置,涉及中低压直流配电技术领域,多电压等级直流组网装置包括2个多绕组变压器、中压功率转供模块及低压直流组网模块。中压功率转供模块含多个AC/DC变换器,AC/DC变换器在交流侧通过多绕组变压器与中压交流配电馈线连接,直流侧串联构成中压直流母线,分别采用功率控制以及直流电压控制策略,实现系统功率转供;低压直流组网模块包含2个AC/DC变换器及多个DC/DC变换器,储能、光伏及直流负荷通过DC/DC变换器接入低压直流母线,其中AC/DC变换器及双向DC/DC变换器采用虚拟电机控制策略,为系统提供惯性,实现各源荷稳定接入。

    一种多直流母线低压柔性直流组网装置及其控制方法

    公开(公告)号:CN114977258A

    公开(公告)日:2022-08-30

    申请号:CN202210571878.5

    申请日:2022-05-24

    Applicant: 东南大学

    Inventor: 王建华 李硕

    Abstract: 本发明公开了一种多直流母线低压柔性直流组网装置及其控制方法,涉及低压直流配电技术领域,多直流母线低压柔性直流组网装置包括2个多绕组变压器、多个AC/DC变换器及DC/DC变换器,2个多绕组变压器高压侧分别连接两侧交流馈线,低压侧多绕组根据直流母线需求设置不同电压等级,并连接各AC/DC变换器,AC/DC变换器直流输出侧一一对应串联构成多条直流母线,光伏、储能、直流负载通过DC/DC变换器接入各直流母线,储能依据电压信息迟滞比较信号以及SOC状态确定下垂控制系数以进行直流电压下垂控制,系统直流侧发生短路故障时,控制系统根据不同故障位置可选择对应故障恢复策略。

Patent Agency Ranking