|
搜索
搜 索
高等教育领域数字化综合服务平台
基于卷积神经网络的干扰信号识别方法
本发明属于无线通信技术领域，具体涉及一种基于卷积神经网络的干扰信号识别方法。本发明的方法主要包括构建卷积神经网络；对接收到的干扰信号做预处理，将其作为卷积神经网络的输入样本；根据待识别信号的类别，将信号样本及其对应的类别构建为训练集，利用构建的训练集训练构建的卷积神经网络；根据训练的卷积神经网络，对每个预处理后的信号样本进行识别，获得未知信号的所属类别。
电子科技大学
2021-04-10
基于细胞类型解卷积的癌症诊断芯片及设备
在临床和科研中，识别细胞类型是癌症诊断、血液分析等的重要内容，项目拟开发一套基于细胞类型解卷积算法，并与基因芯片结合，建成细胞类型分析设备。 在血细胞检测、免疫力评估、癌症诊断、干细胞移植、肿瘤微环境分析等临床应用中，必然要判断样本中的细胞类型和丰度。目前，临床使用的方法(染色、流式细胞等)存在：细胞类型判断不准、过分依赖抗体、流程复杂等缺陷。单细胞转录组测序(如Drop-Seq、10X genomics等)由于细胞泄露等原因，检测基因不全，导致对细胞类型的判断有误，且需要新鲜样本，实验较复杂，后续分析复杂。 因此，在临床和科研中，亟需一种能快速、简洁、准确地分析样本中所有细胞类型及其丰度的方法和设备。项目将开发一种基于解卷积的细胞类型识别算法，并和基因芯片技术结合，集成为细胞类型分析设备。只通过一组基因的表达水平，判定样本中所有细胞类型及其丰度；且可根据组织类型定制芯片，扩展应用。该设备可用于临床和科研中关于血液疾病、癌症、免疫分析等，成本低、操作简单、准确性好。
东南大学
2021-04-13
一种基于全卷积网络的多方向文本检测方法
本发明公开了一种基于全卷积网络的多方向文本检测方法，首 先获取训练数据集中的文本块，并训练全卷积网络模型；然后利用训 练好的全卷积网络模型对测试数据集中的图片进行检测，获取文本块； 然后提取文本块的字符成分，并根据字符成分的位置信息估算图像中 的候选文本条位置；最后训练针对文本条中字符成分的全卷积网络模 型，利用训练好的模型对候选文本条进行检测，获取其中的字符成分， 根据字符成分过滤掉不需要的文本条，得到图像中文本条的位置。本 发明方法文本检测方法检测率高，且能够克服光照、遮挡、模糊等不 利因素的影响。
华中科技大学
2021-04-11
基于超像素样本扩充的空谱全卷积高光谱图像分类方法
本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。
成果非涉密，专利申请已经提交。
实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。
由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。
表 1 PaviaU 数据集上对比实验结果
西安电子科技大学
2023-03-03
基于卷积神经网络的可重构类脑计算芯片及支撑系统研发
研发阶段/n主要研究支持神经网络芯片的设计自动化工具及FPGA验证系统，设计自动化工 具本身针对ASIC和FPGA都适用。 项目主要研究：（1）研究基于模型层的设计空间探索方法;（2）研究可重构 神经网络硬件单元抽象和归约方法；（3）开发面向嵌入式、功耗约束下的FPGA神 经网络芯片系统，突破神经网络芯片设计小型化遇到的关键难题。本项目提出的自 动综合工具至少支持CNN 等两类不同神经网络拓扑，支持Caffe配置文件prototex 拓扑描述语言，生成的FPGA芯片，性能比CPU快1个数量级，能效比
中国科学院大学
2021-01-12
高效脱漆剂
本高效脱漆剂由北京科技大学腐蚀与防护中心电化学工程与材料研究室研制开发。 有机涂层广泛作为建筑、船舶、桥梁、机器设备等的装饰、防腐防锈涂层。在使用过程中随时间流逝有机涂层会老化失去装饰、防护性能而必须加以更新，此时需将旧的、老化的有机涂层去除而涂刷新的涂层。 喷涂涂层、电泳涂层、静电粉末喷涂涂层等广泛应用于汽车、家用电器、五金建材、钢制家具、造船等行业，这些产品的生产或修理过程中，不可避免的会产生不合格残、次产品及残、次涂层。为了减少浪费、降低生产成本，生产厂家大多选择将残、次的涂层脱除，再喷涂新的涂层。 涂层的脱除主要有使用铁刷等的机械的方法和使用化学脱漆剂的两类方法，机械的方法费时费力、难于达到高脱除质量，而以使用脱漆剂的方法更为有效、简便、脱除质量高。但目前市场上销售的脱漆剂大多存在腐蚀性大、脱漆效果差等缺点。 针对现有产品存在的问题，北京科技大学腐蚀与防护中心电化学工程与材料研究室研制开发了一种高效脱漆剂。本高效脱漆剂生产设备不多，工艺简单、易于操作。高效脱漆剂可在30秒种内迅速脱除静电粉末涂层等有机涂层，且对基体腐蚀小，环保性能好，浸泡、刷涂脱除均可，能满足各种生产过程的要求。 本产品可广泛应用于脱除建筑、船舶、桥梁、机器设备等的装饰、防腐防锈有机涂层，尤其是家用电器、五金建材、钢制家具及其他需脱除静电粉末喷涂层的行业。
北京科技大学
2021-04-11
基于卷积神经网络的给水管网多点漏损定位方法及其装置
本发明公开了一种基于卷积神经网络的给水管网多点漏损定位方法，包括以下步骤：对供水管网压力数据进行采集，将采集的供水数据分为训练样本和测试样本；将各个样本归一化，归一化后的训练样本输入到卷积神经网络模型中进行训练，得到卷积神经网络模型，归一化后的测试样本对卷积神经网络模型进行测试，保存训练好的卷积神经网络模型；实时数据归一化后输入到训练好的卷积神经网络模型中，通过训练好的卷积神经网络模型来得到预测结果；将预测结果对比标签索引，判断漏损。本发明还公开一种基于卷积神经网络的给水管网多点漏损定位装置。本发明
安徽建筑大学
2021-01-12
基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法
本发明公开了一种基于卷积神经网络的城市轨道交通乘客拥挤程度检测方法，首先对待检测视频进行预处理，分段并提取运动残差图像，将原始图像与运动残差图像组合作为卷积神经网络算法的输入，建立至少包含一个卷积层和最大池化层的特征提取块，处理并计算原始图像和运动残差图像中包含的人群状态特征，再将人群状态特征和运动特征结合，构建至少包含一个卷积层、最大池化层和全连接层的特征融合块，进行融合处理，同时构建分类器，使用预制的带有拥挤程度标签的训练集对卷积神经网络进行训练，使分类器对待测视频中的乘客拥挤程度进行正确检测，更加全面的表征监控视频中的客流状况，实现拥挤程度的检测，提高了算法检测的准确率。
东南大学
2021-04-13
一种基于多尺度池化的卷积神经网络人脸识别方法
本发明公开了一种基于多尺度池化的卷积神经网络人脸识别方法。该方法利用多尺度池化的卷积神经网络来提取人脸图像的特征以实现人脸识别。在构建卷积神经网络的过程中，采用卷积和最大值采样交替的方法对特征进行深度提取，另外对每层卷积层采用了多尺度池化的策略和步骤，一并输入到全连接层，使其具有多尺度的、固定大小的特征列向量。本发明不需要对输入的人脸图像做截取或调
浙江大学
2021-01-12
基于多尺度预测的深度卷积神经网络的无人机语义地图构建方法
专利名称：
天津工业大学
2021-01-12