-
公开(公告)号：CN119851178A
公开(公告)日：2025-04-18
申请号：CN202411923614.7
申请日：2024-12-25
Applicant: 大连理工大学
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/084 , G06N3/0895
Abstract: 本发明属于人工智能与视频异常检测领域，公开了一种基于课程学习和对比学习策略的弱监督视频异常检测方法。通过模仿人类的学习方式设计课程学习策略，并通过基于正态原型的对比学习方法训练异常检测模型，包括以下步骤：视频预处理并提取光流图像；提取视频外观及运动特征并融合；输入预分类器中获得伪标签；根据伪标签判定异常检测难度，划分简单集合与困难集合；利用简单集合初始化模型；利用困难集合进行二阶段训练，通过正态原型对比学习更新模型参数。通过使用本发明可以有效提升弱监督视频异常检测模型的判别能力，极大程度上解决现有技术存在的噪声影响下的模型偏差、正异常边界模糊、模型区分能力不足的问题，显著提高视频异常检测的准确性。
-
公开(公告)号：CN113194424B
公开(公告)日：2023-09-12
申请号：CN202110458367.8
申请日：2021-04-27
Applicant: 大连理工大学
IPC: H04W4/30 , H04L67/12 , H04W72/0446 , H04W72/53
Abstract: 本发明涉及无线通信领域，提供了一种工业物联网中基于中断概率的RAW分组接入方法。为更加合理地为对节点分组、提高网络的吞吐量并降低时延，提高网络的性能，本发明包括以下几个步骤：A、通过IEEE 802.11ah协议中原始的快速关联机制，接入点与节点建立关联；B、接入点收集所关联的节点信息，并计算与节点间信道的中断概率；C、根据A和B获取的信息，接入点为各个节点计算所需的时隙长度；D、接入点对节点进行重分组，并将分组结果发送给节点。本发明主要应用于使用了IEEE 802.11ah协议的工业物联网中。
-
公开(公告)号：CN115659445A
公开(公告)日：2023-01-31
申请号：CN202211342966.4
申请日：2022-10-31
Applicant: 大连理工大学 , 深圳市工之易科技有限公司
IPC: G06F30/12 , G06F3/0481 , G06F3/04845 , G06F3/0485 , G06T17/00
Abstract: 本发明提出一种基于Open Cascade的CAD模型在网页轻量化渲染显示的方法，属于三维软件开发平台Open Cascade、三维可视化和CAD模型渲染技术领域。本发明解决了生产制造上某些模型在用Open Cascade进行网格生成和渲染显示后出现问题以及查看复杂CAD模型需要安装复杂软件，占用系统资源较大等现实工程问题。
-
公开(公告)号：CN113347092B
公开(公告)日：2022-12-20
申请号：CN202110581087.6
申请日：2021-05-27
Abstract: 本发明一种基于IPv6的SRv6数据处理方法，首先通过解析模块对SRv6报文进行解析，获取报文头中的IPv6源和目的地址以及SID的各字段内容；通过识别模块分析SID的Locator Block字段，判断相邻节点是否属于同一网络，若是头节点，则用源地址和其SID进行比较；根据上述识别结果，分情况对Locator Block、Locator Node和Function字段进行压缩，生成相应压缩SID，转发压缩更新后的SRv6报文；下一节点利用解压缩模块对压缩的SRv6报文解压缩，添加相应字段形成新的完整的SID。当SRv6报文中的Segment List与报文头中的目的地址相同时，结束数据处理。
-
公开(公告)号：CN111739051B
公开(公告)日：2022-10-04
申请号：CN202010490335.1
申请日：2020-06-02
Applicant: 大连理工大学
IPC: G06T7/174
Abstract: 本发明属于计算机视觉与机器学习的交叉领域，一种基于残差网络的多序列MRI图像分割方法，首先将数据集中的MRI多序列作为输入图像的多个通道进行合并处理，并对分割序列进行分离，分离为不同类别的分割图。本发明在经典的编码器解码器分割网络的基础上引入了残差网络，用残差单元代替原来的编码解码网络。利用残差单元内的跳转连接，提取更多的局部特征。增加了同一层级残差单元之间的跳转连接，实现了全局特征的提取。此外，针对MRI图像中目标区域与背景区域在图像中所占比例相差大而导致的分割类别不平衡问题，本发明将交叉熵损失与Dice损失线性结合，并对Dice损失加权来解决该问题。
-
Patent Agency Ranking
公开(公告)号：CN110310221B
公开(公告)日：2022-09-20
申请号：CN201910515527.0
申请日：2019-06-14
Applicant: 大连理工大学
Abstract: 本发明提供一种基于生成对抗网络的多域图像风格迁移方法，属于计算机视觉领域，用来实现图像到多种不同艺术风格的转换。本发明设计了一个专家风格网络，通过一组双向重构损失，来抽取不同目标域的输入图像中包含各自域独特信息的风格特征编码。同时设计了一个迁移网络，结合自适应实例标准化，将抽取到的风格特征编码与内容编码器提取到的跨域共享的语义内容重新组合，生成新的图像，从而实现图像从源域到多个目标域的风格迁移。实验表明模型能够有效地将任意照片的内容与众多艺术品的风格相结合，产生新的图像。
-
公开(公告)号：CN105704665A
公开(公告)日：2016-06-22
申请号：CN201610040813.2
申请日：2016-01-21
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于WiFi-MESH的被动嗅探定位方法。该被动嗅探定位系统包括数据采集子系统、数据处理子系统、数据传递子系统与主机处理子系统；在终端开启Wi-Fi的情况下，通过设计一种包括无线通信装置的系统，来实现在目标终端开启Wi-Fi时对目的终端的定位，并可以通过跟主机的有线连接实现远程管理与远程数据采集。通过适当的放置可以实现对待定位终端的较精确定位。本系统具有有线通信与无线监听功能，能够实现对较大范围的Wi-Fi设备的监听与定位。该系统能够实现对多个无线终端进行多信道、多频道的搜索与定位，隐蔽性好，可以进行全天监听，对被定位终端没有影响且不会被被定位终端察觉。
-
公开(公告)号：CN104537393A
公开(公告)日：2015-04-22
申请号：CN201510002850.X
申请日：2015-01-04
Applicant: 大连理工大学
IPC: G06K9/66
CPC classification number: G06K9/00818 , G06K9/6256
Abstract: 本发明属于计算机应用技术领域机器学习理论及应用子领域，关注于智能交通技术中的交通标志识别问题。其特征是使用一种多分辨率卷积神经网络交通标志识别方法，用于解决使用卷积神经网络进行交通标志识别时速度较慢的问题，使用不同分辨率的二维图像作为输入，并行运算两个相同结构的卷积神经网络进行特征映射和提取，而后基于网络训练的权值阈值进行精确分类和识别。本发明通过使用两个具有不同分辨率分支的CNN代替了基本的CNN结构，高分辨图像输入可映射出全局和轮廓的特征，低分辨率的图像可映射出局部和细节特征，保证了识别的分辨率，提高了模型训练速度。
-
公开(公告)号：CN114596589B
公开(公告)日：2024-12-17
申请号：CN202210246448.6
申请日：2022-03-14
Applicant: 大连理工大学
IPC: G06V40/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09
Abstract: 本发明公开了一种基于交互级联轻量化transformers的域自适应行人重识别方法，属于计算机视觉与行人识别的交叉技术领域。该方法所设计的轻量化transformer包括局部轻量化transformer和全局轻量化transformer，它们由嵌入模块、多头自注意力模块和多头混合模块组成。轻量化transformer可以捕捉长距离依赖，避免噪声标签的影响加剧。在该方法所设计的交互级联框架中，像素点被交替赋予局部信息和全局信息，这增强了局部信息建模和全局信息建模的交互能力，进而提高了模型的特征表达能力。本方法实现了有效的域自适应行人重识别。
-
公开(公告)号：CN116109794A
公开(公告)日：2023-05-12
申请号：CN202310122309.7
申请日：2023-02-16
Applicant: 大连理工大学
IPC: G06T17/20
Abstract: 本发明属于网格生成技术领域，提出一种四边形块内四边形网格细化方法。提出三种网格模板以生成多块结构化网格；第一种是在四边形块内插入一对正负一阶奇异点，第二种为插入两对正负一阶奇异点，第三种为插入一个正二阶奇异点和两个负一阶奇异点；根据插入奇异点对的类型不同，预细化的四边形块被分解为不同的多边形；生成多块结构；求解面中心点的位置；求解径向线点，径向线为面中心点与边界中点的连线；最终求解多块结构的内部点。本发明细化生成的四边形网格是以最少的奇异点的数目完成网格细化，可以最大程度上保证生成质量较好的网格。且只需输入四条边和四个顶点的信息以及四条边的网格划分数目就可以对任意形状的凸四边形块进行细化。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.04 seconds)
