-
公开(公告)号：CN111242841A
公开(公告)日：2020-06-05
申请号：CN202010043890.X
申请日：2020-01-15
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于语义分割和深度学习的图片背景风格迁移方法。本发明首先选择内容图片和风格图片并进行图片预处理；然后通过ResNet网络由内容图片和风格图片直接计算的到一张相对比较接近结果的图片；然后通过VGG-19网络获得风格约束和内容约束，根据损失函数进行梯度下降，通过多次迭代的方式获得背景风格迁移结果，最后将迁移结果放回图片上。本发明速度提高了上百倍，可扩展性强，对局部区域进行风格迁移，保留了图像主体内容，以达到突出主体，增强图像艺术表现力的效果，代码易读性和可移植性强。
-
公开(公告)号：CN111241733A
公开(公告)日：2020-06-05
申请号：CN202010015780.2
申请日：2020-01-07
Applicant: 杭州电子科技大学
IPC: G06F30/23
Abstract: 本发明提出一种基于FPGA平台的优化有限元算法的方法。本发明利用并行运算来代替串行运算，并用梯度法优化求解计算复杂度。本发明首先对未知场域场域进行单元剖分，进而对每个单元进行分析，用有限个自由度、由单元插值函数拼接而成的近似解来逼近无限个自由度的精确解，然后将这一过程在FPGA上完成。利用其并行运算的特性来缩短大规模矩阵运算带来的长时间等待。本发明针对复杂的有限元算法得出整体离散化剖分方法以及求解单元的近似定解条件使得适合在微处理器上运行，并利用matlab coder功能将matlab语言转换为C语言使其能够在FPGA内核下运行，利用FPGA并行运算的特性以及梯度法大大减少运算时间，提升有限元算法运算效率。
-
公开(公告)号：CN111191729A
公开(公告)日：2020-05-22
申请号：CN201911425234.X
申请日：2019-12-31
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。
-
公开(公告)号：CN111127587A
公开(公告)日：2020-05-08
申请号：CN201911299146.X
申请日：2019-12-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于对抗生成网络的无参考图像质量地图生成方法。本发明在生成网络部分采用8个下采样和8个上采样的U-net网络框架；在判别网络部分采用分类网络；在损失函数部分采用判别器的交叉熵加L1范数损失的方式；最后迭代训练出一个生成网络模型，通过该生成网络模型获取输入失真图的相似图，通过相似图，得到对应的质量分数。本发明无参考质量评价。通过使用训练好的神经网络框架，在没有自然图像的条件下对失真图像进行质量评价。解决了有权重问题的相似图的质量分数计算问题。基于对抗生成网络和U-net，更有效的实现了图到图的转换和迁移。实验结果在图到图的实现中有较好的结果，且模拟到的质量分数和真实的质量分数有强烈相关性和较小误差。
-
公开(公告)号：CN111127490A
公开(公告)日：2020-05-08
申请号：CN201911414686.8
申请日：2019-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明是一种基于循环残差U-Net网络的医学图像分割方法。本发明在深度残差模型、循环卷积网络和U-Net模型基础上，提出了两种分别加入了循环卷积单元的U-Net和循环残差卷积操作的U-Net的分割模型。本发明引入了循环卷积单元和残差卷积单元，较好的解决了分割任务中数据缺乏和分类不平衡的问题。由于循环结构和残差结构只是从结构上改变了网络，并没有增加额外的参数，在分割任务上表现出更好的性能。循环和残差的操作并没有增加网络参数的数量，对训练和测试性能有显著性提高。
-
Patent Agency Ranking
公开(公告)号：CN110942430A
公开(公告)日：2020-03-31
申请号：CN201910951860.6
申请日：2019-10-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种提高TOF相机对运动模糊鲁棒性的方法。本发明步骤如下：1、利用深度传感器的双电容在一个积分时间内采集到的4个电容值Q1～Q4进行模糊检测；Q1～Q4分别为控制信号C1～C4在积分时间内收集到的电荷值；由于四相控制信号C1～C4相位差为90°，若没发生运动模糊，则需满足Q1+Q2＝Q3+Q4；2、若检测到的电容值满足Q1+Q2＝Q3+Q4，则使用Q1～Q4进行步骤5的深度计算；反之进入步骤3；3、通过反射回来的红外信号的斜率，并比较Q1+Q2和Q3+Q4的大小，得到由于运动模糊导致相位混合而错误的一对电容值；4、根据结果分别进入对应的电容值替换器，通过另一对正常电容值替换错误电容值进行后续的深度计算；5、使用Q1～Q4和三角函数进行深度计算。本发明简单快速且不会丢失任何原始深度图像细节。
-
公开(公告)号：CN110674333A
公开(公告)日：2020-01-10
申请号：CN201910712046.9
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视图增强深度哈希的大规模图像高速检索方法。本发明包括如下步骤：步骤1获取图像多视图特征表示；步骤2计算视图关系矩阵；步骤3设计模型的损失函数；步骤4融合与增强；步骤5对搭建好的模型在大规模图像训练数据集上进行训练；步骤6对训练好的模型进行测试，生成哈希码，然后进行哈希检索；步骤7实验评估指标。本发明中汉明半径的扩展对结果的影响较小；且随着代码长度的增加，精度保持稳定。
-
公开(公告)号：CN110647906A
公开(公告)日：2020-01-03
申请号：CN201910711605.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Faster R-CNN方法的服饰目标检测方法。本发明步骤如下：步骤1、数据集准备；步骤2、构造Faster R-CNN算法框架；步骤3、用K-Means聚类算法对包围盒尺寸重新设；步骤4、用训练集A训练该服饰检测模型；步骤5、用余下测试集测试模型性能。本发明加快了检索速度。本发明引入了K-Means聚类算法，让区域框与实际服饰的尺寸大小更为相近，提高速度的同时，对识别的精读也有一定的提高。
-
公开(公告)号：CN110633628A
公开(公告)日：2019-12-31
申请号：CN201910711616.2
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人工神经网络的RGB图像场景三维模型重建方法。本发明使用人工神经网络模型对输入的图像进行处理，识别得到场景的二维拓扑结构和场景中物体的类别和形状，进一步对神经网络输出的特征图进行优化，该优化分为拓扑结构优化和物体识别优化两个模块进行；随后使用该信息迭代计算得到三维模型的参数，包括平面到相机中心距离、平面法向量；使用OpenGL进行三维模型渲染，利用原输入图像中的像素颜色对重建得到的三维平面进行颜色渲染，得到更接近输入图像中场景的三维模。本发明使用单目的RGB信息还原三维信息，减少硬件成本，使用优化算法求解得到场景中拓扑平面和构成物体平面的法向量和到相机中心距离。
-
公开(公告)号：CN110399518A
公开(公告)日：2019-11-01
申请号：CN201910520136.8
申请日：2019-06-17
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06F16/9032 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积的视觉问答增强方法。本发明包括以下步骤：步骤1、分别提取图片和问题的特征表示；步骤2、提取基于问题生成的图片中各目标之间的关系；步骤3、将带有问题信息的图片生成为graph，并且为每个顶点挑选最相关的目标，为每个顶点生成新的特征表示之后，对graph进行最大池化和分类。本发明利用GCN网络和图片中物体之间的关系来探索高层次语义，对视觉问答技术有较大意义。
-
-
-
-
-
-
-
-
-
Search Results
297
records
(took 0.036 seconds)
