-
公开(公告)号：CN119919907A
公开(公告)日：2025-05-02
申请号：CN202510101595.8
申请日：2025-01-22
Applicant: 重庆长安科技有限责任公司
Inventor： 林琦
IPC: G06V20/56 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0495 , G06N3/082 , G06N3/0464 , G06V10/25
Abstract: 本申请提供一种模型训练方法、车道线检测方法、电子设备、存储介质及程序产品。方法包括：获取训练数据集，以及基于创建指令，创建神经网络模型，神经网络模型包括图像特征提取模块、时空融合模块、深层特征提取模块和输出模块，训练数据集包括N个图像组，每个图像组包括采集时间连续的多个第一图像，第一图像标注有表示车道线的真值标签；基于训练数据集，对神经网络模型进行训练；基于预设优化策略，对训练后的神经网络模型进行优化；根据量化工具，对优化后的神经网络模型进行量化，得到量化后的神经网络模型，以作为用于车道线检测的检测模型，如此，能够改善模型运行时的计算量大，难以对被遮挡的部分车道线进行检测的问题。
-
公开(公告)号：CN119919769A
公开(公告)日：2025-05-02
申请号：CN202411987647.8
申请日：2024-12-31
Applicant: 四川农业大学
Abstract: 本发明涉及虫害检测技术领域，具体为茶树虫害动态检测系统，包括观测设备、调控系统以及茶树虫害检测改进模型；观测设备用于数据处理协调、捕捉茶园虫情图像的同时实现高速稳定的数据传输；调控系统提供远程观测设备的可交互操作界面，用于服务器连接、设备控制以及图片数据上传；本系统提出的YOLOv8‑FasterTea模型在YOLOv8原模型的基础上去除P5层，添加P2小目标检测层，同时利用部分卷积模块替换了原有的C2f模块。本发明采用超高清显微摄像头，观测能力卓越；操作流程简易，用户上手快，支持远程部署与调试，节省时间与成本，原创算法高效节能，适用于多种部署环境；本项目采用信息素板作为主要观测对象，该方式经济实用，维护简便。
-
公开(公告)号：CN119918608A
公开(公告)日：2025-05-02
申请号：CN202411866668.4
申请日：2024-12-18
Applicant: 杭州电子科技大学
IPC: G06N3/082 , G06N3/0464 , G06N3/047
Abstract: 本发明公开了一种基于多尺度权重分析的网络剪枝方法及系统。本发明方法步骤如下：S1、加载需要轻量化的预训练网络模型；S2、基于梯度分析方法计算步骤S1模型中各卷积层归一化后的敏感度值；S3、根据步骤S2得到的敏感度值，计算各卷积层的剪枝比例，根据剪枝比例计算各层需剪除的通道数量；S4、构建基于L2范数、欧氏距离及KL散度的多尺度权重分析模型，计算预训练网络模型各卷积层中通道的重要性得分，根据步骤S3得到该层需剪除的通道数量，对得分低于预定的剪枝比例的通道执行剪枝操作；S5、对剪枝后的模型进行微调重训练。本发明通过精准评估通道冗余性和重要性，在相同的剪枝比例下可进一步提升图像识别的正确率。
-
公开(公告)号：CN119918478A
公开(公告)日：2025-05-02
申请号：CN202510014672.6
申请日：2025-01-06
Applicant: 东南大学 , 南京集成电路设计自动化技术创新中心
IPC: G06F30/3312 , G06F30/394 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明公开了一种数字集成电路可感知优化的布线前时序预测方法、电子设备及存储介质，根据电路网表构建异构图，将异构图与各单元、互连线对应的特征向量相融合后输入训练好的异构图神经网络，得到图网络嵌入；将版图的特征矩阵输入训练好的卷积神经网络，得到卷积网络嵌入；将图网络嵌入与卷积网络嵌入进行拼接，得到多模态局部嵌入；将多模态局部嵌入根据路径中逻辑单元与互连线连接关系，构建路径的特征序列，将路径的特征序列输入训练好的Transformer网络，得到布线后路径延时残差预测值；将布局后路径延时值与布线后路径延时残差预测值相加，最终得到布线后路径延时预测值。本发明可以在布线前准确且高效地预测布线后路径延时。
-
公开(公告)号：CN119917991A
公开(公告)日：2025-05-02
申请号：CN202411955787.7
申请日：2024-12-28
Applicant: 湖北华中电力科技开发有限责任公司
IPC: G06F18/2451 , G06F18/211 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/0499 , H02J3/00 , H02J3/38 , G06F123/02
Abstract: 本发明提供一种基于深度神经网络的时序预测方法、装置、设备及介质，该方法包括：通过数据加载模块对输入的负荷数据进行归一化处理，并将其表示转换成向量表示；将生成的向量表示输入到编码器中，编码器通过多尺度空洞注意力操作和蒸馏操作对时间序列数据进行处理，提取出关键特征信息；将关键特征信息输入到解码器中，解码器通过特征提取和压缩操作对关键特征信息进行进一步处理；将解码器输出的特征输入到最终输出层，最终输出层通过激活函数将特征转换为预测值。本发明可解决由于现有技术无法提供一种有效的时序预测方法，导致时序预测的速度慢以及时序预测数据性能低的问题。
-
Patent Agency Ranking
公开(公告)号：CN119917937A
公开(公告)日：2025-05-02
申请号：CN202510399949.1
申请日：2025-04-01
Applicant: 吉林大学
IPC: G06F18/2415 , G06F18/214 , G06F17/18 , G06N3/082
Abstract: 本发明提供一种智能交通路径优化方法、装置、电子设备及可读存储介质。该方法包括：将真实道路网络的链接和节点属性通过嵌入矩阵转换为道路属性嵌入特征；利用关系图卷积网络和门控循环单元对这些特征进行多层次处理，提取道路网络的时空特征；基于起点‑终点对数据生成初始转移概率和候选路径集合，筛选出与观测行驶时间一致的最优路径及其估计行驶时间；估计道路段和交叉口的行驶时间分布参数及转换概率，生成优化后的候选路径集合，并更新模型参数。本发明通过结合弱监督学习和深度学习技术，利用大规模浮动车数据，捕捉道路网络的全局和局部特征，提供更精确的行驶时间估计，适用于智能交通系统和交通管理。
-
公开(公告)号：CN119917728A
公开(公告)日：2025-05-02
申请号：CN202311435797.3
申请日：2023-10-31
Applicant: 北京罗克维尔斯科技有限公司
IPC: G06F16/9535 , G06N5/022 , G06N3/0455 , G06N3/0499 , G06N3/082 , G06N3/09
Abstract: 本公开涉及一种行驶意图预测方法、装置、设备、介质及车辆，该方法包括：获取待预测车辆的当前事件实例，其中，当前事件实例包括当前时刻以及当前时刻之前预设时间段内的用户行为指引事件、设备状态变化事件以及目标应用的记录事件；按照预设规则，对用户行为指引事件、设备状态变化事件以及目标应用的记录事件进行图谱构建，形成待预测车辆的当前事件图谱；利用目标预测模型包含的图谱内容解析方法，解析当前事件图谱，得到待预测车辆的行驶意图数据。由此，能够实现基于多个维度的事件融合来预测行驶意图并进行行驶意图推荐，扩展了智能化推荐技术的功能，同时也满足了用户的多种智能化推荐需求。
-
公开(公告)号：CN119916222A
公开(公告)日：2025-05-02
申请号：CN202510397499.2
申请日：2025-04-01
Applicant: 吉林大学
IPC: G01R31/367 , G01R31/392 , G01R31/00 , G06N3/0442 , G06N3/049 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及锂离子电池领域，具体是一种基于端云协同策略的电池健康状态估计方法，包括以下步骤：电池老化特征提取；数据预处理，包括数据归一化和时间序列数据构建；构建电池预测模型，包括在云侧构建并训练神经网络模型以及在端侧则构建电池老化的经验模型；设定评价指标。本发明构建了一个面向电池SOH估计的端云协同的混合预测网络，该网络分别在云侧和端侧部署了不同的电池SOH预测模型，分别利用电池老化特征和数学关系来进行SOH预测，能够综合考虑电池老化的个体差异和电池老化的一般性规律，同时提高模型计算速度，具有良好的精度和鲁棒性。
-
公开(公告)号：CN119915795A
公开(公告)日：2025-05-02
申请号：CN202510147860.6
申请日：2025-02-11
Applicant: 南京鼓楼医院
IPC: G01N21/65 , G16H50/20 , G16H50/70 , G16H10/20 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种基于血清拉曼光谱作为生物标志物在认知障碍诊断中的应用方法，利用认知障碍诊断系统进行诊断，认知障碍诊断系统包括拉曼光谱检测和预处理模块、数据库模块、认知诊断模块，应用方法包括以下步骤：步骤1：样本采集；步骤2：样品前处理；步骤3：利用拉曼光谱检测和预处理模块采集并预处理血清样本；步骤4：利用数据库模块进行模型构建与优化；步骤5：进行效能评估；步骤6：利用认知诊断模块进行新样本的认知分级诊断。本发明具有显著的技术进步，目前临床尚无适用于全人群的认知障碍诊断血检方法，本发明不仅可通过血清的拉曼光谱诊断认知障碍，还可进行细化的认知功能分级，且单例样本成本不足百元。
-
公开(公告)号：CN119910662A
公开(公告)日：2025-05-02
申请号：CN202510397569.4
申请日：2025-04-01
Applicant: 湖南大学
IPC: B25J9/16 , B25J11/00 , G06V20/56 , G06N3/082 , G06N3/084 , G06N3/096 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种电力巡检机器人检测及部署方法、系统和计算机设备，获取待检测道路场景的高低线束三维点云数据，分别输入到教师模型和学生模型中，提取得到BEV特征，利用焦点模块对师生模型的三维特征进行蒸馏处理，创建前景和背景掩码，并计算前景特征的损失；引入焦点关系蒸馏模块，提取前景位置九个角点的特征并进行高斯相似度的计算，提升模型在不同类别前景特征学习中的均衡性；应用全局蒸馏模块，提升整体性能，模型训练完成后进行模型剪枝，优化模型性能；将剪枝优化后的模型转换为ONNX格式，并在TensorRT上进行部署和加速，进一步提升推理效率。有效解决了低线束雷达检测精度低和模型实际部署困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
8907
records
(took 0.01 seconds)
