本發(fā)明公開了一種聯(lián)合YOLOv8模型的行人重識別裝置及方法，所述方法包括以下步驟：（1）利用無線攝像頭組追蹤裝置獲取行人數(shù)據(jù)并存儲為查詢集；（2）構(gòu)建基于YOLOv8s多尺度精準化行人類別檢測模型，包括：YOLOv8s模型和多尺度精準化...

本發(fā)明公開了一種適合邊緣計算的融合多源時序數(shù)據(jù)的火災(zāi)預(yù)測方法，包括采集多視角RGB圖像、多視角紅外圖像和氣象數(shù)據(jù)，并對數(shù)據(jù)預(yù)處理；以CNN為骨干網(wǎng)絡(luò)構(gòu)建Smokey?Net預(yù)測模型，將預(yù)處理后的數(shù)據(jù)輸入預(yù)測模型，進行多源數(shù)據(jù)融合；選擇稀...

本發(fā)明公開一種利用鹵鍵誘導(dǎo)的鈣鈦礦基Micro?LED色轉(zhuǎn)換層及其制備方法，色轉(zhuǎn)換層的發(fā)光材料為ABX<subgt;3</subgt;和C<subgt;6</subgt;H<subgt;2</subg...

本發(fā)明公開了一種北極海冰類型遙感提取方法，包括以下步驟：（1）收集HY1C/D?CZI?DN影像數(shù)據(jù)，根據(jù)輻射定標系數(shù)和大氣層頂反射率計算得到衛(wèi)星大氣層頂反射率；搭建多種目標的樣本數(shù)據(jù)集包括云、水體、新冰、一年冰、多年冰；（2）基于多種...

本發(fā)明提供一種基于大數(shù)據(jù)的法律文書要素智能識別方法，包括：對服務(wù)器對所接收的第一法律文書的屬性確定得到第一屬性，挑選數(shù)據(jù)庫中與所述第一屬性所對應(yīng)的第一文書要素集合；確定第一文書要素集合內(nèi)所對應(yīng)的第一識別特征，基于所述第一識別特征對所述第...

本發(fā)明公開了一種自適應(yīng)特征融合和跨模態(tài)的行人重識別方法，包括以下步驟：（1）獲取開源網(wǎng)站SYSU?MM01數(shù)據(jù)集或RegDB數(shù)據(jù)集，利用多通道混合增補策略進行預(yù)處理；（2）構(gòu)建雙流網(wǎng)絡(luò)模型，雙流網(wǎng)絡(luò)模型由2個窗移變換器二代骨干網(wǎng)絡(luò)模塊串...

一種基于幅相校正的5G外輻射源雷達多通道數(shù)字合成方法，具體步驟如下：S1、根據(jù)采集的5G直達波信號信息生成本地參考信號；S2、將各通道采集的5G目標回波信號與本地信號進行互相關(guān)運算，并通過最大似然判斷找到各通道互相關(guān)結(jié)果的峰值點；S3、...

本申請公開了環(huán)境檢測領(lǐng)域的一種二氧化碳、半重水同步探測方法及系統(tǒng)，方法包括：基于HITRAN數(shù)據(jù)庫獲取的吸收光譜線確定用于二氧化碳差分探測的第一在線波長和用于半重水差分探測的第二在線波長以及二者共用的一個離線波長；根據(jù)氣象數(shù)據(jù)計算得到大...

本發(fā)明公開了一種基于多源遙感數(shù)據(jù)的大氣XCO<subgt;2</subgt;空間化方法，包括：融合多顆溫室氣體觀測衛(wèi)星的大氣XCO<subgt;2</subgt;遙感數(shù)據(jù)；獲取包括大氣NO<subgt;2&...

本發(fā)明公開了一種基于雙分支時空交互網(wǎng)絡(luò)的視頻人群計數(shù)方法，包括步驟：通過隨機剪裁和水平翻轉(zhuǎn)，對連續(xù)的訓(xùn)練視頻幀進行數(shù)據(jù)增強；構(gòu)建由編碼器、解碼器和融合網(wǎng)絡(luò)組成的雙分支時空交互網(wǎng)絡(luò)；編碼器包括一個ConvNeXt?2D模型、一個ConvN...

本發(fā)明公開了一種基于LLVM的IEC61131?3工業(yè)PLC語言編譯器,采用前后端分離的設(shè)計，即ieclang作為前端，lLLVM編譯器作為后端，使源代碼經(jīng)過詞法分析、語法分析、語義分析、填充符號表、LLLVM編譯器操作等步驟后輸出最終...

本發(fā)明公開了一種設(shè)備未知工況下基于自監(jiān)督單域泛化的故障診斷方法，通過自監(jiān)督對比學習框架，提取振動信號特征，解決了現(xiàn)有診斷模型在復(fù)雜工況中泛化能力不足的問題。該方法包括以下步驟：獲得軸承振動信號數(shù)據(jù)。預(yù)處理振動信號，分割訓(xùn)練集和測試集。構(gòu)...

本發(fā)明公開了基于多組模擬決策網(wǎng)絡(luò)的非侵入式電力負荷識別方法，包括以下步驟：（1）獲取電力負荷時間序列數(shù)據(jù)并進行預(yù)處理；（2）構(gòu)建基于MGSDN的非侵入電力負荷識別網(wǎng)絡(luò)，包括：圖像特征模擬網(wǎng)絡(luò)SNN模塊和圖像決策網(wǎng)絡(luò)DmNN模塊；其中，S...

本發(fā)明公開了一種基于量子卷積神經(jīng)網(wǎng)絡(luò)的交通標志識別方法，具體包括如下步驟：步驟1：采集交通標志圖像，并為每個圖像進行標簽處理；將采集的交通標志圖像和對應(yīng)的標簽作為樣本數(shù)據(jù)；步驟2：建立量子卷積神經(jīng)網(wǎng)絡(luò)，所述量子卷積神經(jīng)網(wǎng)絡(luò)包括預(yù)處理層，...

本發(fā)明公開了一種基于蒸餾學習與特征融合的變工況智能故障診斷方法，包括：第一步，對振動信號進行幅相增強得到增強信號。第二步，將增強信號輸入蒸餾學習模塊中得到增強特征。第三步，對經(jīng)過快速傅里葉變換的振動信號提取頻域特征。第四步，原始的振動信...

本發(fā)明提供一種光信號發(fā)送方法、光信號接收方法、光纖信道發(fā)送端及接收端，方法包括將獲取的數(shù)據(jù)信號轉(zhuǎn)換為頻域OFDM信號；根據(jù)頻域OFDM信號及分數(shù)階離散傅里葉壓縮變換矩陣生成時域基帶OFDM信號；使用正交頻分復(fù)用技術(shù)對時域基帶OFDM信號...

本發(fā)明公開了一種基于GCN?STARNN的交通流量預(yù)測方法包括以下步驟：（1）獲取開源網(wǎng)站交通流量數(shù)據(jù)集并預(yù)處理；（2）構(gòu)建時空注意遞歸神經(jīng)網(wǎng)絡(luò)并進行訓(xùn)練；其中，時空注意遞歸神經(jīng)網(wǎng)絡(luò)包括：圖卷積神經(jīng)模塊即GCN模塊、時空注意遞歸神經(jīng)模塊...

本發(fā)明公開了一種基于CATST網(wǎng)絡(luò)的短時交通擁塞預(yù)測方法，包括以下步驟：（1）獲取開源網(wǎng)站地圖的實時路況圖并進行預(yù)處理；（2）構(gòu)建基于卷積注意力Transformer時空網(wǎng)絡(luò)即CATST網(wǎng)絡(luò)，輸入經(jīng)過預(yù)處理后的數(shù)據(jù)進行訓(xùn)練；其中，CAT...

本發(fā)明公開了一種基于復(fù)雜地形的地面氣溫質(zhì)量控制方法，首先，構(gòu)建復(fù)雜地形相關(guān)指數(shù)，用以衡量站點間的復(fù)雜地形相關(guān)性，并從氣溫數(shù)據(jù)相關(guān)性和站點復(fù)雜地形相關(guān)性兩個角度衡量臨近站與目標站的相關(guān)性，通過聚類算法篩選相關(guān)性高的站點作為參考站；然后，使...

本發(fā)明公開了一種基于大數(shù)據(jù)網(wǎng)格化的信息安全應(yīng)急管理系統(tǒng)及方法，系統(tǒng)包括：地區(qū)網(wǎng)絡(luò)信息安全事件大數(shù)據(jù)網(wǎng)格化采集與存儲模塊，負責從不同的節(jié)點收集數(shù)據(jù)，并將其進行匯總處理，之后進行安全性評估，確定其緊急程度并采集相關(guān)的所有數(shù)據(jù)；地區(qū)網(wǎng)格化信息...