公开(公告)号：CN102842043A

公开(公告)日：2012-12-26

申请号：CN201210247371.0

申请日：2012-07-17

Applicant: 西安电子科技大学

Inventor： 刘若辰 ,  张燕 ,  吴沛 ,  焦李成 ,  刘静 ,  李阳阳 ,  王爽 ,  马文萍

IPC: G06K9/62 ,  G06N3/00

Abstract: 本发明公开了一种基于自动聚类的粒子群优化分类算法，主要解决现有技术对邻域信息参考的局限性和目标函数评价标准单一性的问题。其实现过程是：(1)对训练数据执行自动聚类方法，获得自动聚类方法的类标；(2)对训练数据执行粒子群优化分类方法，获得该分类方法的类标；(3)计算粒子的适应度值，计算最优关系矩阵；(4)更新粒子的位置；(5)更新粒子的历史最高适应度值和种群的全局历史最高适应度值；(6)判断算法是否满足终止条件，若满足，则停止迭代；否则转至步骤(3)；(7)利用粒子种群判测试数据的类标；(8)计算分类正确率。本发明具有对UCI数据分类效果显著的优点，可用于纹理图像分类。

公开(公告)号：CN119229369A

公开(公告)日：2024-12-31

申请号：CN202411287999.2

申请日：2024-09-13

Applicant: 西安电子科技大学广州研究院

Inventor： 刘静 ,  苗巧茹 ,  杨智伟 ,  毋朝阳

IPC: G06V20/52 ,  G06V20/40 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习及视频分析的智能门窗状态检测系统，包括客户端、数据采集端和服务端，客户端输出端与数据采集端通信连接，数据采集端输出端与服务端通信连接，服务端输出端与客户端通信连接，服务端包括模型构建模块、模型训练模块、视频学习模块、模型确定模块和检测结果反馈模块，本发明的有益效果是：本发明在门窗状态检测中首次使用目标检测深度学习算法，实现门窗状态的智能化检测，改进的YOLOv5网络结构确保捕获细粒度信息和保护在检测头部增加CBAM模块，提高暗光条件下检测性能，通过多帧融合和时序信息分析，增强模型对门窗状态变化的理解和判断，提高检测鲁棒性的技术方案。

公开(公告)号：CN118470590A

公开(公告)日：2024-08-09

申请号：CN202410548692.7

申请日：2024-04-30

Applicant: 西安电子科技大学广州研究院

Inventor： 刘静 ,  毛世顺 ,  杨智伟

IPC: G06V20/40 ,  G06V10/40 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82 ,  G06N3/045 ,  G06N3/084 ,  G06N3/088 ,  G06N3/09

Abstract: 本发明公开了一种基于由粗到精策略的无监督监控视频异常检测方法，属于视频处理技术、计算机视觉领域。本发明方法直接从没有任何人工标注的原始监控视频中训练异常检测模型，从而极大降低了模型训练成本，节约了硬件资源，提高了检测速度。在训练阶段采集多个场景下的监控视频作为训练集并预处理提取特征。核心步骤为：第一阶段粗粒度地实现视频聚类区分，将没有标注的视频划分为正常和异常视频簇。第二阶段细粒度地为所有视频片段生成伪标签，利用片段伪标签信息进行引导深度学习，训练所需要的异常检测模型，体现了由粗到精的无监督学习思想。在测试阶段将训练好的异常检测模型部署到计算机上实现对视频流数据中异常事件的实时推理检测。

公开(公告)号：CN118379326A

公开(公告)日：2024-07-23

申请号：CN202410473164.X

申请日：2024-04-18

Applicant: 西安电子科技大学广州研究院

Inventor： 刘晓涛 ,  黄康金 ,  刘静

IPC: G06T7/246 ,  G01C21/00 ,  G06T7/277 ,  G06V10/762 ,  G06V10/764 ,  G06V10/74 ,  G06T5/50 ,  G06F17/11 ,  G06F17/16 ,  G06N3/04

Abstract: 本发明公开了一种基于深度相机的动态物体检测处理方法，在降低动态物体对机器人定位建图干扰的同时对动态物体的运动状态进行估计，本发明的有益效果是：在动态物体检测方面，利用YOLOX目标检测算法和DBSCAN点云聚类算法同时对动态物体进行检测，避免动态物体漏检的情况，同时利用恒加速度模型和卡尔曼滤波对检测到的物体进行状态估计，获得动态物体的速度信息，为移动机器人的导航避障提供参考信息，提高移动机器人的定位精度和建图质量。

公开(公告)号：CN114677346B

公开(公告)日：2024-04-05

申请号：CN202210275353.7

申请日：2022-03-21

Applicant: 西安电子科技大学广州研究院

Inventor： 刘静 ,  杨明辉 ,  吴鹏 ,  冯辉

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0895

Abstract: 本发明涉及图像表面缺陷的检测方法技术领域，公开了基于记忆信息的端到端的半监督图像表面缺陷的检测方法，其技术方案要点包括如下步骤：包括如下步骤(一)模拟异常样本、(二)冻结编码器、(三)提取记忆信息、(四)融合多尺度特征、(五)做出空间注意力图、(六)导入解码器、(七)得到输入图像的异常区域；本发明解决了监督学习框架下异常样本获取困难的问题，只需要采集正常样本即可完成模型训练；同时本发明解决了现有的检测方法在推理阶段需要较高计算成本的缺点，更能满足工业场景缺陷检测的实时性需求；同时解决了基于重构的模型泛化能力过强的缺点，实现了较高的异常检测精度。

公开(公告)号：CN116611657B

公开(公告)日：2024-03-15

申请号：CN202310601849.3

申请日：2023-05-26

Applicant: 西安电子科技大学广州研究院

Inventor： 滕祥意 ,  张政宇 ,  刘静 ,  黄婷

IPC: G06Q10/0631 ,  G06Q50/26 ,  G06F30/20 ,  G06F111/06

Abstract: 本发明涉及船舶管理技术领域，具体的说是一种基于遗传算法的码头泊位及岸桥分配优化方法，所述优化方法包括以下步骤：S1、模型的建立：在模型假设和模型符合定义的前提下，建立了如下的码头泊位及岸桥分配模型：目标函数min∑i∈Sstarti‑arrivali+|realPosi‑targeti|#(1)，目标函数(1)表示最小化各船舶等待停泊时间及目标泊位偏移距离之和，根据模型假设，时间因素更加重要，故忽略目标泊位偏移距离成本，本发明通过使用小生境遗传算法、间接编码、非法解转换函数等多项技术求解码头泊位及岸桥分配优化问题，相较于启发式算法，总体性能提升了80～90％。

公开(公告)号：CN116911483B

公开(公告)日：2024-02-23

申请号：CN202311189442.0

申请日：2023-09-15

Applicant: 西安电子科技大学广州研究院

Inventor： 赵宏 ,  袁锴薪 ,  刘静

IPC: G06Q10/047 ,  G06N3/006 ,  G06Q10/0631 ,  G06Q10/083 ,  G06Q10/087

Abstract: 本发明公开了一种基于蚁群优化算法的多AGV动态路径规划方法，包括任务排布系统下发新的调度请求，多AGV小车系统获取空闲的AGV小车，选择一辆到达调度任务起点代价最小的空闲AGV小车响应该调度请求，规划从响应小车当前位置到达起点的最小代价路径和从起点到终点的最小代价路径，将路径下发给待响应的小车，小车的状态更新为忙碌。其中通过蚁群优化的最短路径算法、死锁消解算法、冲突消解算法获取最小代价路径；归纳了各种冲突类型，并根据不同情况设计了不同的冲突消解算法，实现多AGV调度系统的自动化，智能化和高效化。

公开(公告)号：CN113807231B

公开(公告)日：2024-02-13

申请号：CN202111073404.X

申请日：2021-09-14

Applicant: 西安电子科技大学

Inventor： 刘静 ,  马玉婷

IPC: G06V20/52 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提出了一种基于UNET的下采样卷积神经网络的X光违禁物品检测方法，能够高效的将违禁物品检测出来。基于UNET网络实现的细粒度划分网络重复利用原有的低级特征和高级特征的弹性形变获得更优的特征提取，经过多次下采样后的低分辨率信息，可反映威胁目标和环境之间的潜在关系，有助于物体的类别判断；高分辨率信息，为分割提供更精细的特征，保证了特征的高效性和多样性，用来处理数据不平衡问题。在层次结构方面，建立了一种新的损失函数——分类损失函数，根据权重对数据进行重新

公开(公告)号：CN117436092A

公开(公告)日：2024-01-23

申请号：CN202210798643.X

申请日：2022-07-07

Applicant: 西安电子科技大学广州研究院

Inventor： 薛明胜 ,  许丽莎 ,  娄坚 ,  刘静

IPC: G06F21/60 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提供的一种基于全黑塞曲率的对抗训练模型的数据遗忘方法，将训练数据集中的样本图片输入至逻辑斯蒂模型学习训练，得到训练完成的逻辑斯蒂模型的参数；接收移除请求，当移除请求数量达到移除机制启动阈值时，使用共轭梯度法求解目标样本的全黑塞矩阵的相关信息与所有样本图像的全黑塞矩阵和，两者之间影响函数所导出的线性方程组来更新逻辑斯蒂模型的参数。本发明采用全黑塞矩阵相关形式，通过引入一系列的近似和转换增强移除的效率，极大地减小黑塞矩阵部分的计算量，同时仍然保持有效的遗忘学习性能。本发明的方法可以降低用户数据被不法分子所窃取的可能性。

公开(公告)号：CN116306770B

公开(公告)日：2023-11-14

申请号：CN202310127530.1

申请日：2023-02-17

Applicant: 西安电子科技大学广州研究院

Inventor： 刘静 ,  李艺帆 ,  赵宏 ,  刘春生 ,  杨方 ,  常超 ,  马春来

IPC: G06N3/006 ,  G06N3/04 ,  G06N3/084 ,  G06F18/214

Abstract: 本发明涉及软件定义网络性能预测技术领域，具体的说是一种基于密母神经架构搜索的软件定义网络性能预测方法，包括收集训练数据、确定编码方式及搜索空间、初始化种群、计算种群的适应度值、选择父代个体、执行交叉、变异算子、执行局部搜索算子、合并父代和子代种群、精英选择出下一代种群、确定最优的个体以及执行推理过程进行SDN网络性能预测的步骤；本发明将神经架构搜索技术用于设计SDN网络性能预测器的探索，为提升SDN网络性能预测器的泛化能力做出了巨大贡献,借助时兴的神经架构搜索技术，可对任意路由协议/路由策略的通信网络自动化地设计出有效的神经网络结构，极大地缓解了SDN网络性能评估算法设计时巨大的调参压力。