-
公开(公告)号：CN110708129B
公开(公告)日：2023-01-31
申请号：CN201910817115.2
申请日：2019-08-30
Applicant: 北京邮电大学
IPC: H04B17/373 , H04L25/02 , G06N3/08
Abstract: 一种无线信道状态信息获取方法，属于无线与移动通信技术领域，其特征之一在于，包括以下步骤：对信道估计得到的大量信道信息数据样本进行统一格式处理，形成训练样本；将上述样本数据输入到预测神经网络中，得到针对此数据集的一组最优的参数；再辅助以预测效果判断得到当前预测精度的实际状态，如若预测精度不满足需求，则训练进一步优化参数；预测网络所得的信道状态信息将应用于发端。其特征之二在于，所提出的自适应结构超限学习机(Adaptive Structure Extreme Learning Machine,ASELM)算法，该算法可以自适应的调整网络的结构匹配信道数据的变化特点。
-
公开(公告)号：CN114581915B
公开(公告)日：2025-03-14
申请号：CN202210141377.3
申请日：2022-02-16
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V10/26 , G06V10/22
Abstract: 本发明提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，其中，方法包括：获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息；根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息；根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果。该方法可以提升在多种环境和多种不同形态规格表盘读数识别的有效性，解决现有技术中识别算法不具有普适性和读数识别受环境影响的技术问题。
-
公开(公告)号：CN117392560A
公开(公告)日：2024-01-12
申请号：CN202311188934.8
申请日：2023-09-14
Applicant: 北京邮电大学
Abstract: 本发明提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN114842293A
公开(公告)日：2022-08-02
申请号：CN202210431804.1
申请日：2022-04-22
Applicant: 北京邮电大学
IPC: G06V10/774 , G06V10/25 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明提出一种基于动态网络训练的目标检测方法及装置，其中方法包括，获取待训练图像，确定待训练图像中的候选区域，并获取候选区域目标检测特征值和真实值GroundTruth的特征值；根据候选区域目标检测特征值确定超参数；输入候选区域目标检测特征值、真实值Ground Truth的特征值和超参数，进行目标检测模型训练，确定候选区域正负样本标签分配结果，并计算训练结果和真实值之间的定位损失函数；根据标签分配结果和定位损失函数，结合超参数设置自适应地动态确定新一轮的正负样本标签分配阈值和损失函数参数；所有网络轮次训练结束后，输出训练好的自适应动态目标检测器。本发明使得网络能够根据训练图像数据集自适应地选择适合的训练方法，有效提升检测结果。
-
公开(公告)号：CN114581915A
公开(公告)日：2022-06-03
申请号：CN202210141377.3
申请日：2022-02-16
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V10/26 , G06V10/22
Abstract: 本发明提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，其中，方法包括：获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息；根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息；根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果。该方法可以提升在多种环境和多种不同形态规格表盘读数识别的有效性，解决现有技术中识别算法不具有普适性和读数识别受环境影响的技术问题。
-
公开(公告)号：CN110708129A
公开(公告)日：2020-01-17
申请号：CN201910817115.2
申请日：2019-08-30
Applicant: 北京邮电大学
IPC: H04B17/373 , H04L25/02 , G06N3/08
Abstract: 一种无线信道状态信息获取方法，属于无线与移动通信技术领域，其特征之一在于，包括以下步骤：对信道估计得到的大量信道信息数据样本进行统一格式处理，形成训练样本；将上述样本数据输入到预测神经网络中，得到针对此数据集的一组最优的参数；再辅助以预测效果判断得到当前预测精度的实际状态，如若预测精度不满足需求，则训练进一步优化参数；预测网络所得的信道状态信息将应用于发端。其特征之二在于，所提出的自适应结构超限学习机(Adaptive Structure Extreme Learning Machine,ASELM)算法，该算法可以自适应的调整网络的结构匹配信道数据的变化特点。
-
公开(公告)号：CN117392560B
公开(公告)日：2025-03-21
申请号：CN202311188934.8
申请日：2023-09-14
Applicant: 北京邮电大学
Abstract: 本发明提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。
-
公开(公告)号：CN115880514A
公开(公告)日：2023-03-31
申请号：CN202211334109.X
申请日：2022-10-28
Applicant: 国网河北省电力有限公司 , 国网河北省电力有限公司信息通信分公司 , 北京邮电大学 , 国家电网有限公司
Inventor： 董彦军 , 欧中洪 , 杨会峰 , 辛锐 , 刘成龙 , 吴军英 , 张洪星 , 王世耿 , 路欣 , 尹晓宇 , 杨力平 , 彭姣 , 陈曦 , 孙思思 , 刘明硕 , 王少影 , 赵梦瑶
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种输变电设备故障检测方法及装置、终端、存储介质。该方法包括：获取目标输变电设备的历史图像数据，对历史图像数据进行聚类处理，得到多个图像数据类；对于每个图像数据类，基于该图像数据类中的历史图像数据训练得到该图像数据类对应的神经网络模型；获取目标图像数据，目标图像数据为目标输变电设备的图像数据；判断目标图像数据所属的图像数据类，得到目标数据类；将目标图像数据输入至目标数据类对应的神经网络模型中，得到目标输变电设备的故障检测结果。本发明能够有效提高输变电设备故障检测准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
