-
公开(公告)号：CN117968703A
公开(公告)日：2024-05-03
申请号：CN202410202846.7
申请日：2024-02-23
Applicant: 杭州电子科技大学
IPC: G01C21/20 , G06N3/006 , G06N3/092 , G06N3/0895 , G06N3/0464 , G06N3/0495 , G01C21/34
Abstract: 本发明公开了基于鸟瞰视角时空对比强化学习的自主导航方法，该方法首先设定状态空间和动作空间、奖励函数。其次构建基于鸟瞰视角时空对比学习的鸟瞰视角导航网络模型，初始化各网络参数，将初始观测的三维点云输入到鸟瞰视角导航网络模型中，智能体随机采样数据并将得到的数据对存入经验池，对经验池进行初始化。最后循环导航事件，设置目标点和行人位置，根据经验池存储的数据更新鸟瞰视角导航网络模型，根据更新后的鸟瞰视角导航网络选择动作并不断更新智能体的状态，直到移动智能体到达目标位置。本发明显著提升了智能体在复杂和动态环境中的自主探索成功率和导航效率，具备重要的理论和实际应用价值。
-
公开(公告)号：CN117853525A
公开(公告)日：2024-04-09
申请号：CN202311763014.4
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06T7/246 , G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨层级特征交互和可学习池化的三维单目标跟踪方法，包括如下步骤：S1、构建连续两帧点云t和t‑1的数据集，通过点云体素化、共享权重的三维稀疏卷积和体素特征压缩，得到多尺度BEV特征#imgabs0#和#imgabs1#S2、基于特征#imgabs2#和#imgabs3#进行跨层级特征交互，生成增强的BEV特征表示#imgabs4#和#imgabs5#并级联两帧特征，得到#imgabs6#S3、将#imgabs7#输入到可学习池化模块中，计算得到全局特征线索#imgabs8#S4、基于全局特征信息#imgabs9#进行预测。该方法所提的跨层级特征交互模块和可学习的池化模块可以沟通不同尺度的BEV特征并获取准确的运动线索，能够有效地提高跟踪地准确率。
-
公开(公告)号：CN112464912B
公开(公告)日：2024-02-09
申请号：CN202011526494.9
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于YOLO‑RGGNet的机器人端人脸检测方法。设计了轻量化网络提高检测速度；在检测网络中引入通道注意力模块和残差特征增强模块，还在三个预测层临近交叉的位置拼接产生新的预测层，提高多尺度的检测精度；最后结合机器人平台，采用TriF‑Map算法将基于图像的检测位置转换成机器人空间位置坐标，实现的真实场景人机交互。本发明提出的网络模型提高了识别精度和识别反应速度，解决了移动端人脸识别速度慢导致的场景人机交互不真实的问题，并且通过结合机器人交互系统，能够很好的运用在家庭服务机器人人脸实时检测和跟踪、场景人机交互等多种实时性二次开发场景中。
-
公开(公告)号：CN117494558A
公开(公告)日：2024-02-02
申请号：CN202311447894.4
申请日：2023-11-02
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F18/20 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06F18/25 , G01R31/367 , G01R31/378 , G01R31/392 , G06F119/04
Abstract: 本发明公开了一种基于自适应联合模型的锂离子电池SOH估计方法，该方法首先构建初始锂电池数据集，并搭建空间‑通道自适应联合模型的嵌入模块，对输入完成输入特征和位置信息的嵌入。其次搭建空间‑通道自适应联合模型的序列金字塔引导SPG模块。然后搭建空间‑通道自适应联合模型的序列金字塔传播SPS模块，并设置一个只有一个节点的全连接层，预测连续数值的输出，得到估计结果。最后通过训练集训练由上述嵌入模块、SPG模块和SPS模块构成的空间‑通道自适应联合模型，再通过测试集进行测试，得到锂离子电池SOH估计结果。本发明实现了全方位信息抽取，提高了SOH预测精度。
-
公开(公告)号：CN113065303B
公开(公告)日：2024-02-02
申请号：CN202110247735.4
申请日：2021-03-06
Applicant: 杭州电子科技大学
IPC: G06F30/34 , G06N3/0464
Abstract: 本发明公开了一种基于FPGA的DSCNN加速器分层验证方法，包括以下步骤：S1，原始图像经过加速器所设计网络的软件模型运算，记录并存储所有中间特征数据；S2，对特征数据进行重新排序，作为标准结果；S3，根据深度可分离网络特性，对仿真所需的特征数据等参数进行排序，并初始化至一个DRAM模型中；S4，读取仿真起终值，仿真时根据寄存器值抓取有效卷积结果；S5，以网络层为单位，对比标准结果与仿真结果，得到验证结果。本发明采用分层存储的方式使得设计者能够进行自定义仿真验证，即可规定仿真的起始层与结束层，并且在卷积计算出现错误的情况下快速定位错误所在位置，极大节省了仿真验证的时间成本，提高设计效率。
-
Patent Agency Ranking
公开(公告)号：CN117233635A
公开(公告)日：2023-12-15
申请号：CN202311162580.X
申请日：2023-09-08
Applicant: 杭州电子科技大学
IPC: G01R31/392 , G06F30/27 , G06F18/2136 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0495 , G06N3/0499 , G06N3/08 , G01R31/367 , G01R31/3842
Abstract: 本发明公开了一种基于双路并行网络的梯次利用锂电池性能评估方法，包括搭建双路并行网络，评估梯次利用电池系统的电池性能参数，即电池单体或电池组的健康状态。双路并行网络包括一路轻量化网络与一路增强智能网络，轻量化网络包含多层残差卷积块和全连接层；增强智能网络包含数据嵌入模块、特征提取模块与特征融合模块，对特征数据充分提取并学习，梯次利用电池健康状态较高时，以增强智能网络估计结果为主，保证电池性能评估的准确性；健康状态较低时，以轻量化网络估计结果为主，保证梯次利用电池的安全性；增强智能网络估计结果为辅，对轻量化网络进行补充修正，具有较高的工程实际应用价值。
-
公开(公告)号：CN116744288A
公开(公告)日：2023-09-12
申请号：CN202310919271.6
申请日：2023-07-25
Applicant: 杭州电子科技大学
IPC: H04W12/00 , H04W12/0431 , H04L9/08 , H04L9/06 , H04W4/40
Abstract: 本发明涉及一种用于智能网联汽车V2X通信系统的安全握手方法，包括以下步骤：步骤一、获取地区密钥后通过FPGA硬件对通信进行基础的加解密保护；步骤二、握手开始后，本车辆需要去云平台拉取对端车辆的密钥值和过期时间，密钥记为UseridKey；步骤三、本车辆将过期时间发送给对端车辆后，可以快速计算出UseridKey，并用该密钥值解密解密秘文过期时间，校验是对否正确；步骤四、对端车辆校验通过后，认为握手成功，发送握手成功标识给本车辆，本车辆需要随机生成一个新的密钥，记为ConnectKey。该密钥用于后期这两台设备的基本通信，本发明有硬件加解密和平台加密的双重保障，通信效率高，速度快，安全程度更高。
-
公开(公告)号：CN116738814A
公开(公告)日：2023-09-12
申请号：CN202211468435.X
申请日：2022-11-22
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F18/25 , G06F18/213 , G06N3/08 , G06F111/08
Abstract: 本发明涉及一种基于时空Transformer的移动机器人导航方法，本发明时空Transformer模型由一个全局空间状态编码器和一个时间状态编码器组成，建立在Transformer结构上。空间状态编码器用于提取全局空间特征，并捕捉行人和机器人之间的空间交互。时间状态编码器被设计成模拟连续帧之间的时间相关性，并推断空间位置变换的动态关系。在综合时空状态表示的基础上，利用基于价值的强化学习方法获得最优导航策略。本发明提高了在复杂动态环境中导航避障的成功率和导航效率。对行人的未来运动状态预测更加准确，解决了机器人导航过程中的短视问题和现有导航避障过程中机器人对动态环境时空特征提取不充分的问题。
-
公开(公告)号：CN116563921A
公开(公告)日：2023-08-08
申请号：CN202310505318.4
申请日：2023-05-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于先验信息加权的HOG人脸疲劳特征提取方法，包括以下步骤：S1、输入彩色图像，转换到HSV色彩空间并对HSV色彩空间中的V通道进行双阈值自适应伽马校正；S2、计算校正后的梯度大小和方向，并将图像划分为若干个cell区域；S3、计算cell区域的加权投影梯度直方图，进行拉普拉斯平滑并归一化；S4、对归一化后的cell计算其对应的KL散度值，并将所有cell划分为若干个block块；S5、基于先验信息和KL散度值对block块内的cell作加权处理，整合所有处理后的block，得到最终的特征向量。该方法，解决了传统算法在智能座舱中复杂环境下提取特征丢失的问题，改进后的算法提取出的人脸疲劳特征可靠稳定。
-
公开(公告)号：CN116343815A
公开(公告)日：2023-06-27
申请号：CN202310318001.X
申请日：2023-03-24
Applicant: 杭州电子科技大学
IPC: G10L21/0232
Abstract: 本发明公开了一种基于先验信噪比的维纳滤波和改进谱减法的语音增强方法，其首先需要一段外部输入带噪语音信号，其次将该带噪语音信号窗口分帧处理后进行傅里叶变换后，得到频域上的带噪语音信号，接着采用基于先验信噪比的维纳滤波对该语音信号进行初步处理，最后用改进谱减法对处理后的语音信号进一步处理并进行反傅里叶变换得到，最终得到较为纯净的语音信号。本发明基于先验信噪比的维纳滤波和改进谱减法的语音增强方法，可以达到在复杂背景噪声下达到有效的降低噪声，提高语音质量的效果，并且比传统方法能够更好的减少音乐噪声。
-
-
-
-
-
-
-
-
-
Search Results
344
records
(took 0.039 seconds)
