-
公开(公告)号：CN114064949B
公开(公告)日：2025-04-08
申请号：CN202111334739.2
申请日：2021-11-11
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06F16/51 , G06F16/583 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了基于元学习的深度哈希检索算法，1）对图像数据进行预处理，将平衡图像数据集转化为非平衡图像数据集；2）对元学习网络的参数#imgabs0#、图像检索网络的参数#imgabs1#进行更新；利用非平衡图像数据集在图像检索网络中对#imgabs2#进行优化，利用平衡图像数据集在元学习网络中对#imgabs3#进行优化；3）构建图像检索训练过程的学习方式；4）对图像检索训练过程中的参数进行更新；5）图像检索生成哈希码过程，输入图像经过卷积神经网络CNN的全连接层的特征激活作为视觉特征，利用视觉特征进行小规模的图像检索。通过从训练损失到样本权值的加权函数，该算法不需要手动预先指定权重函数及额外的超参数，可以直接从数据中自适应地学习显式加权函数。
-
公开(公告)号：CN119131747A
公开(公告)日：2024-12-13
申请号：CN202411150660.8
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
Abstract: 本申请公开了一种模型训练方法及多尺度车辆行人检测方法，属于目标检测技术领域。该方法首先获取样本车辆行人训练集、样本车辆行人标注训练集和YOLOv8改进模型，YOLOv8改进模型的改进方法包括用部分卷积模块替换YOLOv8模型的骨干网络的C2f模块中Bottleneck结构的传统卷积模块，引入轻量化跨尺度特征融合模块CCFM，引入重参数检测头；然后基于样本车辆行人训练集和样本车辆行人标注训练集，训练YOLOv8改进模型，得到轻量化的目标车辆行人检测模型。该方法可以保障对车辆和行人的检测精度的基础上降低模型参数量和计算量，提升模型在嵌入式平台部署后的检测效果。
-
公开(公告)号：CN119131350A
公开(公告)日：2024-12-13
申请号：CN202411149611.2
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V10/25 , G06V20/17 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种模型训练方法及空中低慢小无人机检测方法，属于目标检测技术领域。该方法首先获取样本无人机图像、样本无人机标注图像和包括具有RepVGG风格结构的可重参数化的主干网络EfficientRep、基于内容引导注意力的混合融合模块CGAFusion和WassersteinLoss损失函数的YOLOv8改进模型；然后，基于样本无人机图像和样本无人机标注图像，训练YOLOv8改进模型，得到目标无人机检测模型。该方法可以准确且高效地检测空中低慢小无人机。
-
公开(公告)号：CN119131348A
公开(公告)日：2024-12-13
申请号：CN202411149403.2
申请日：2024-08-21
Applicant: 西南交通大学烟台新一代信息技术研究院 , 艾迪恩(山东)科技有限公司
IPC: G06V10/25 , G06N3/0464 , G06N3/0985 , G06V10/44
Abstract: 本申请公开了一种模型训练方法及火灾检测方法，属于目标检测技术领域。该方法通过获取样本火灾数据集、样本火灾标注数据集和YOLOv8改进模型，YOLOv8改进模型包括在特征提取部分的Layer8和Layer9之间增加的卷积层和残差层、C2F‑MBC模块和在特征提取部分的SPPF模块之前增加的空间注意力模块，基于样本火灾数据集和样本火灾标注数据集，训练YOLOv8改进模型，得到目标火灾检测模型。该方法在动态变化大、视线遮挡频繁、光照条件复杂及烟雾分布不均等复杂环境下提升火灾检测的准确性，减少误报率，以保障工地安全。
-
公开(公告)号：CN118268975A
公开(公告)日：2024-07-02
申请号：CN202410703202.6
申请日：2024-06-03
Applicant: 西南交通大学烟台新一代信息技术研究院 , 山西省交通开发投资集团有限公司 , 山西交通控股集团有限公司 , 山西省智慧交通实验室有限公司
IPC: B24B27/033 , B24B27/00 , B24B47/12 , B24B41/06 , B24B55/00
Abstract: 本发明涉及磨削加工技术领域，公开了桥梁钢索除锈装置，包括：钢索套接外壳、两个钢索夹持组件、第一电机、除锈组件、第二电机和角度调整组件；两个钢索夹持组件设置在钢索套接外壳的两端并用于夹持在钢索上；除锈组件设置在钢索套接外壳的内部，并且除锈组件通过环绕钢索外侧滚刷除锈；角度调整组件设置在钢索套接外壳上并与除锈组件连接，角度调整组件用于调整第二电机滚刷钢索的角度。本发明设置的除锈组件是通过拼接的方式形成套接在钢索上的环形结构，并在环形结构内滑动连接有多个磨刷单元，通过第二电机驱动除锈组件内的多个磨刷单元持续滑动，从而对套接的钢索外侧进行磨刷除锈。
-
Patent Agency Ranking
公开(公告)号：CN113849597B
公开(公告)日：2024-04-30
申请号：CN202111012858.6
申请日：2021-08-31
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06F16/33 , G06F16/35 , G06F40/295 , G06F40/30 , G06Q30/0242 , G06N3/0442 , G06N3/08 , G06N7/01
Abstract: 本发明提供基于命名实体识别的违法广告词检测方法，步骤1）将广告数据转化为文本格式，形成广告文本；步骤2）对广告领域进行分类，利用BERT中文预训练模型将广告文本按领域分类；步骤3）对应不同广告领域类别，根据每个广告领域的广告违法行为编码对广告文本按字粒度进行标注形成标注文本；步骤4）将标注文本分为训练集与验证集，将训练集映射到BERT中文预训练模型中获得动态字向量；步骤5）将动态字向量传入BiLSTM双向长短期记忆网络获取得分向量；步骤6）将得分向量传入条件随机场CRF，CRF获取标签之间的关系，对最终预测的标签加以约束，得到最优标签，本发明通过深层网络BERT+BiLSTM+CRF结构学习违法词特征，达到提取违法词并匹配违法条例的功能。
-
公开(公告)号：CN117839919A
公开(公告)日：2024-04-09
申请号：CN202410245763.6
申请日：2024-03-05
Applicant: 西南交通大学烟台新一代信息技术研究院 , 山西省交通开发投资集团有限公司 , 山西交通控股集团有限公司 , 山西省智慧交通实验室有限公司
Abstract: 本发明涉及桥梁钢结构技术领域，公开了道路桥梁钢结构涂装设备，包括底板，底板上设有用于支撑钢结构的支架组件，底板的两端均设有用于限制钢结构位置的限位架，底板上设有能够移动的滑座组件，滑座组件上安装有用于包覆局部钢结构的涂装外壳，涂装外壳的内侧设有多个涂料喷头；所述支架组件包括两个轨道条，两个轨道条上均转动连接有多个转臂组件，多个转臂组件的内部均设有弹性回正组件，两个轨道条上对应的两个转臂组件顶端共同连接有支撑组件。本发明采用多个独立条形支撑结构共同支撑钢结构，从而在钢结构底端形成多个等距分布的支撑区域，当其中某一个独立条形支撑结构受外力产生折叠时，不会对支撑的钢结构产生影响。
-
公开(公告)号：CN117593582A
公开(公告)日：2024-02-23
申请号：CN202311619791.1
申请日：2023-11-30
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院 , 鲁东大学
IPC: G06V10/764 , G06V10/774 , G06V10/778 , G06V10/82 , G06N3/0464 , G06N3/096 , G06N3/098
Abstract: 本发明涉及图像处理技术领域，公开了一种基于联邦迁移学习的图像分类装置及算法，装置包括：多个客户端、服务器端及训练端，多个客户端分别与服务器端形成通信连接，服务器端与训练端形成通信连接，多个客户端、服务器端及训练端协同完成模型的训练和更新；客户端分别在其本地训练数据模型，并将模型权重发送至服务器端；服务器端聚合来自各客户端的模型权重，并将聚合后的全局模型参数发送至训练端；训练端基于全局模型参数在目标数据集上进行训练，并将更新后的参数返回给服务器端。算法通过装置来实现。本发明通过联邦学习实现数据聚合，通过迁移学习构建有效的共享机器学习模型，以适应目标数据集的特性；具有高度的通用性和良好的可扩展性。
-
公开(公告)号：CN117576630A
公开(公告)日：2024-02-20
申请号：CN202311608621.3
申请日：2023-11-28
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
IPC: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种模型训练方法和安全监测方法，属于深度学习技术领域。该方法包括：获取样本火情图像和YOLOv7‑tiny改进模型，样本火情图像所反映的信息包括火焰、火花或烟雾中的至少一种，改进模型火情识别结果的准确性高；对样本火情图像进行标注，得到标注后的样本火情标注图像，为YOLOv7‑tiny改进模型提供训练所需的样本数据；基于样本火情图像和火情标注图像训练改进模型，确定mAP值，以评估训练结果；基于mAP值，对改进模型进行参数调节，输出参数调节后的改进模型，该方法可以利用该模型快速准确地识别火焰、火花和烟雾，提高检测精度高。
-
公开(公告)号：CN117496332A
公开(公告)日：2024-02-02
申请号：CN202311498758.8
申请日：2023-11-13
Applicant: 艾迪恩(山东)科技有限公司 , 西南交通大学烟台新一代信息技术研究院
Abstract: 本发明涉及图像识别处理技术领域，公开了一种基于边缘计算的AI视觉识别装置、系统及方法，该装置包括：视频数据获取单元、视频数据处理单元、视频数据识别单元以及警报信息发送单元；该系统包括：该AI视觉识别装置、多个视频采集器以及云端业务平台；该方法应用于该装置或系统。在本发明中，视频采集器采集视频数据，发送至AI视觉识别装置，该装置对视频数据进行识别和处理，再经判断、筛选后，生成警报信息，发送至云端业务平台。本发明部署于施工现场中，实现高效的边缘端视觉分析、检测与警报；可采用一对多的部署方式，即插即用、配置简单、维护方便，便于大规模和广泛的推广部署，能够大幅节省云计算资源和网络带宽。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.059 seconds)
