-
公开(公告)号：CN119862416A
公开(公告)日：2025-04-22
申请号：CN202411759388.3
申请日：2024-12-03
Applicant: 上海海事大学
IPC: G06F18/214 , G06F18/10 , G06F18/2431 , G06N3/0442 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及一种基于DI‑LSTM的温室土壤温度预测方法和电子设备，包括以下步骤：构建并训练时间序列温度预测网络，其中时间序列温度预测网络为包括多个DI‑LSTM模块，并嵌入多并行交错分支的网络，所述DI‑LSTM模块在LSTM的基础上，于更新门部分增加了一条并行分支；将待预测的温室环境数据集输入训练好的时间序列温度预测网络中，输出温室土壤温度的实时预测结果。与现有技术相比，本发明具有预测结果更准确、鲁棒性更强等优点。
-
公开(公告)号：CN113837300A
公开(公告)日：2021-12-24
申请号：CN202111147485.3
申请日：2021-09-29
Applicant: 上海海事大学
Abstract: 本发明涉及一种基于区块链的自动驾驶跨域目标检测方法，该方法包括：构建基于区块链的目标检测系统框架，并基于系统框架训练DA‑YOLO模型且设计域分类器；构造车辆区块链结构，并设置智能合约且执行数据存储和模型共享；将数据打包为区块并添加到车辆区块链结构中。上述基于区块链的自动驾驶跨域目标检测方法，可以提高DDL系统的安全性和有效性。与条件分布式学习相比，基于区块链的分布式学习可以减少每个节点的计算开销。通过域自适应，所提出的方法可以减少不同对象类之间的域差异。另外，通过使用区块链技术可以保证模型共享的可靠性，提高跨域对象检测的性能。
-
公开(公告)号：CN113795012A
公开(公告)日：2021-12-14
申请号：CN202111085012.5
申请日：2021-09-16
Applicant: 上海海事大学
Abstract: 本发明涉及一种基于区块链的网联车辆边缘计算与视频分析资源分配方法，包括以下步骤：车辆节点将视频分析任务压缩成视频块并传输到路边单元节点；为自动驾驶汽车互联网的区块链结构设置智能合约；将视频块的视频卸载和资源分配问题建模为马尔可夫决策过程；采用异步优势参与者评判算法计算马尔可夫决策过程。上述基于区块链的网联车辆边缘计算与视频分析资源分配方法，解决了海量视频数据传输和计算密集型视频分析给车载网络带来了巨大的负担，同时，数据共享在自动驾驶汽车互联网中缺乏安全性和可扩展性的问题得到解决，优化区了块链系统的交易吞吐量并减少多访问边缘计算系统的延迟。
-
公开(公告)号：CN119784598A
公开(公告)日：2025-04-08
申请号：CN202411690682.3
申请日：2024-11-25
Applicant: 上海海事大学
IPC: G06T5/10 , G06T5/60 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/05 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明涉及一种基于频域分析和视觉Mamba的水下图像增强方法，包括：构建多级小波变换网络，该网络为编码器‑解码器结构，其中所述编码器包括空间‑频率特征融合模块和离散小波变换；所述解码器包括空间‑频率特征融合模块和逆离散小波变换；在编码器中离散小波变换将水下图像分解为低频部分和高频部分，低频部分和高频部分由对应的空间‑频率特征融合模块分别基于Mamba和频域卷积进行空间特征和频率特征提取，在解码器按照先低频后高频顺序沿通道进行拼接，再经过逆离散小波变换进行重建；将水下图像数据输入多级小波变换网络，得到增强后的水下图像数据。与现有技术相比，本发明具有提升增强质量、降低复杂度、以及快速增强等优点。
-
公开(公告)号：CN119781081A
公开(公告)日：2025-04-08
申请号：CN202411566183.3
申请日：2024-11-05
Applicant: 上海海事大学
IPC: G01W1/10 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于改进图卷积神经网络的天气预测方法、设备和介质，其特征在于，所述改进图卷积神经网络包括依次连接的BiLSTM模型、GCN模型和Transformer模型；该方法包括：将采集多个地区历史天气数据时间序列信息构建时间特征矩阵后，输入到BiLSTM模型中，得到时间特征矩阵；分析天气数据的空间结构信息，得到表征地区之间三种关系，分别为经度相同、纬度相同和位置接壤，并构建对应的邻接矩阵；将邻接矩阵和时间特征矩阵输入GCN模型，分别得到三种关系对应的含时空关系的新特征矩阵，将三个新特征矩阵相加得到包含所有时空关系的特征矩阵X；将特征矩阵X输入Transformer模型，输出预测日的天气预测结果。与现有技术相比，本发明具有预测结果准确、快速等优点。
-
Patent Agency Ranking
公开(公告)号：CN118691819A
公开(公告)日：2024-09-24
申请号：CN202410845265.5
申请日：2024-06-27
Applicant: 上海海事大学
IPC: G06V10/26 , G06V20/50 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/10
Abstract: 本发明涉及一种基于多层特征级联的图像分割方法、系统和电子设备，该方法基于改进的DeepLabv3+模型来实现，包括：将获取的水面无人船的原始图像输入到特征提取模块中，输出多次下采样的低层特征图和通过整个特征提取模块的特征图x1；将输出的特征图x1输入到坐标注意力模块CA中，获取空间位置信息；将步骤坐标注意力模块CA的输出结果输入到改进后的CASPP中，获取高层特征图；将不同尺度的低层特征图与高层特征图进行融合拼接，并输出图像分割结果。与现有技术相比，本发明具有实现图像的精准分割，提高特征提取效率以及为航行决策提供高效指导等优点。
-
公开(公告)号：CN118675502A
公开(公告)日：2024-09-20
申请号：CN202410727098.4
申请日：2024-06-06
Applicant: 上海海事大学
Abstract: 本发明涉及一种基于ASR‑SER联合模型的语音情感识别方法，所述方法采用包括ASR‑SER联合模型来实现，所述方法包括以下步骤：步骤S1，在ASR路径和SER路径上分别对原始音频输入进行声学特征提取，得到相应的声学特征和MFCC特征；步骤S2，将声学特征输入到构建的声转词模型，得到隐藏状态和相应的文本输出，其中所述声转词模型包括ASR编码器和基于注意力机制的ASR解码器；步骤S3，将ASR路径上得到的隐藏状态和SER路径上得到的MFCC特征作为SER通道部分的输入，将文本输出作为ASR通道部分的输入，分别得到各自的输出向量；步骤S4，使用共同注意力机制融合步骤S3中两个输出向量，得到最终的语音情感分类。与现有技术相比，本发明具有语音情感识别更准确、更具鲁棒性等优点。
-
公开(公告)号：CN118485830A
公开(公告)日：2024-08-13
申请号：CN202410679255.9
申请日：2024-05-29
Applicant: 上海海事大学
IPC: G06V10/26 , G06V10/40 , G06V10/10 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于Transformer的图像分割方法，该方法包括以下步骤：步骤S1，将图像输入特征提取模块进行特征提取，将得到特征图分为三份；步骤S2，将步骤S1中提取的其中一份特征图输入到Transformer Encoder中进行处理；步骤S3，将步骤S1中提取的其中一份特征图输入到ASPP模块中进一步提取特征；步骤S4，将步骤S3中的结果输入到Transformer Encoder中进行处理；步骤S5，将步骤S1中最后一份特征图、S2和S4的结果进行拼接后，在Decoder中调整通道数并还原尺寸后输出预测图。与现有技术相比，本发明具有提升图像分割的精度和处理效率等优点。
-
公开(公告)号：CN119904780A
公开(公告)日：2025-04-29
申请号：CN202411995332.8
申请日：2024-12-31
Applicant: 上海海事大学
Inventor： 蒋先涛
IPC: G06V20/40 , G06V10/80 , G06V10/44 , G06V10/764 , G06N3/0464
Abstract: 本发明涉及一种基于3D‑CNN的脑启发帧间图像分割方法、设备及介质，该方法包括以下步骤：获取视频图像，使用3D‑CNN网络从连续的视频图像帧中提取时空特征；应用微分几何工具对提取的时空特征进行分析，提取几何特征；将时空特征和几何特征进行特征融合，形成融合特征，其中特征融合包括流形上的卷积操作和卷积平滑；利用融合特征，通过分割网络实现帧间图像的精准分割。与现有技术相比，本发明具有分割结果更精准、更高效、鲁棒性高以及适用于实时性要求高的应用等优点。
-
公开(公告)号：CN119152368A
公开(公告)日：2024-12-17
申请号：CN202411203691.5
申请日：2024-08-30
Applicant: 上海海事大学
IPC: G06V20/10 , G06V20/17 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N5/04 , G06N3/048
Abstract: 本发明涉及一种基于改进yolov9模型的病虫害检测方法和电子设备，该方法包括以下步骤：获取待检测病虫害感染作物的图像数据集；构建基于改进yolov9模型的目标检测网络，所述改进yolov9模型包括双辅助可逆分支；对于训练好的目标检测网络，仅保留其主干网络得到推理病虫位置的模型，并输出待检测图像数据集的目标检测结果。与现有技术相比，本发明具有检测准确性高、无需增加额外推理成本等优点。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.031 seconds)
