-
公开(公告)号：CN113538657A
公开(公告)日：2021-10-22
申请号：CN202110725474.2
申请日：2021-06-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种组件级别的三维场景理解方法。本发明对于三维场景中的物体，使用树形图表示其物体的结构，预测真实世界扫描场景中物体的零件图信息，作为一种中间表示，以实现物体的鲁棒的、基于零件的表示形式。利用训练集中预测的一种语义标签物体的通常结构来作为先验知识，以便于为扫描场景中的物体更有效的推断出part级别的表示。通过预测出的part图来补全扫描物体的缺失部分，即，这个物体与模板物体是否相似，如果是的话，会通过先验结构来对扫描物体缺失的部分的语义标签进行预测，并通过其他部分的形状作为参考进行补全。
-
公开(公告)号：CN113536978A
公开(公告)日：2021-10-22
申请号：CN202110720395.2
申请日：2021-06-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于显著性的伪装目标检测方法。本发明第一条路径首先提取图像的低级、中级与高级特征并通过合并区分性特征与多尺度特征融合相加得到一个初始的伪装目标区域特征图。第二条路径将第一条路径得到的中层特征与初始伪装目标区域特征图融合的同时对特征进行加强，然后再次提取高级特征并进行与第一条路径相似的操作得到最终的伪装目标区域特征图，其结果为一张像素值在[0，1]的灰度图。本发明将注意力机制引入图像处理，以初始预测图作为注意力引导中级特征的增强。同时使用残差增强模块对特征进行处理增强特征。通过搜索识别两个阶段对图像中的伪装目标区域进行检测。利用图像的多级特征与显著性引导实现对伪装目标的预测。
-
公开(公告)号：CN113516616A
公开(公告)日：2021-10-19
申请号：CN202110302082.5
申请日：2021-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图像识别的眼底照片自动检测方法。首先进行眼底照片获取及预处理；然后对眼底照片区域进行划分，进行区域深度特征提取；生成全局特征向量；最后通过全局特征向量对分类网络进行训练，通过训练好的分类网络完成眼底照片分类检测。本发明方法有效的减少了网络的参数个数，缓解了模型的过拟合问题；获得平移和形变的鲁棒性。经过分区和合并得到区域和全局的特征，有利于发掘更多特征信息。用全局池化层代替全连接层来融合学到的深度特征有效避免了网络的冗余，具有较好的预测性能。
-
公开(公告)号：CN113160198A
公开(公告)日：2021-07-23
申请号：CN202110474102.7
申请日：2021-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公共了一种基于通道注意力机制的图像质量增强方法首先将高质量原图处理成对应的低质量图像，得到低质量‑高质量图像对照组；然后搭建图像增强网络模型，通过得到的低质量图像训练图像增强网络模型；最后将低质量的图像输入训练好的图像增强网络模型得到高质量图像。本发明方法通过采用具有残差网络模块和通道注意力模块的神经网络模型作为图像增强模型，进行图像增强，通过残差网络和通道注意力网络模型配合，能利用低质量图像输出具有更丰富的细节的高质量图像。
-
公开(公告)号：CN113159186A
公开(公告)日：2021-07-23
申请号：CN202110441605.4
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于半监督学习的医学图像自动标注方法。首先将训练集输入到一级分类网络中得到一级通用深度卷积特征，然后根据输出结果对数据进行预分类，并得到预分类的混淆矩阵。接着通过谱聚类得到类别训练子集，输入到将其输入到二级分类网络中，得到二级特殊深度卷积特征；将两者融合得到图像的深度卷积特征。将患者的附加信息通过word2vec编码成多源异构特征，与深度卷积特征进行融合并通过SVM分类器得到最后的输出结果。本发明所述的方法只需使用少量有标注的医学数据即可完成对大量医学数据的自动标注。极大了减少了人工标注所耗费的大量的人力物力。相比于现有的自动标注方法，本方法效率更高，标注结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN113129267A
公开(公告)日：2021-07-16
申请号：CN202110301302.2
申请日：2021-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于视网膜分层数据的OCT图像检测方法及系统。首先使用卷积神经网络即OCT图像特征提取网络先对OCT图像进行分割，提取特征参数并使用参数来构建超图，最后使用动态超图卷积网络对患者进行眼底疾病的诊断。本发明利用超图将图像数据和生理数据特征结合到一起，有利于发掘多模态数据之间的关系；有利于发掘到某一模态数据的特征和标签之间的深层次关系。利用动态方法构建超图矩阵，可实现网络参数的自动优化。
-
公开(公告)号：CN113128343A
公开(公告)日：2021-07-16
申请号：CN202110297410.7
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于深度学习的司机危险驾驶动作识别方法及系统；首先采集司机的动作数据；然后搭建数据处理云中心；对TSM模型进行改进；再搭建识别模型，对识别模型进行训练，最后通过搭建好的识别系统及训练好的识别模型进行数据处理得到司机违规检测结果。本发明使用改进的TSM模型算法作为基础算法，模型具有非常大的时间感受野来进行高度复杂的时间建模，把2DCNN转变为了伪3D卷积，可以处理时间和空间信息，但没有增加额外的计算量，不需要较高的配置。本发明使用自制数据集对模型参数进行微调，有效提高模型的泛化能力，增强对特定动作的识别能力，可以广泛应用于驾驶监督领域，规范司机的驾驶动作，有效提高国家交通安全。
-
公开(公告)号：CN110501071B
公开(公告)日：2021-07-13
申请号：CN201910712003.0
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于模糊编码的压缩高光谱掩膜优化方法。本发明通过控制掩膜与聚焦平面之间的距离来控制掩膜编码的模糊程度，并将模糊程度进行量化，从而使用模糊导致灰度值变化之后的掩膜编码代替理论上的原始掩膜编码，使得重建时所用的编码更加接近实际编码。本发明只需通过系统的数值孔径、物镜焦距、光源波长、物镜放大倍数等信息来估算系统点扩散函数分布情况，并且计算出不同离焦位置处的实际模糊编码分布情况，使得投影矩阵最接近于实际数值，以实现投影矩阵的准确掌握，利于重建。仿真实验结果表明，相比于通常使用的二值化掩膜，优化后的掩膜编码更加接近于实际情况，重建图像的信噪比与光谱准确度也明显得到提高。
-
公开(公告)号：CN113008226A
公开(公告)日：2021-06-22
申请号：CN202110180618.0
申请日：2021-02-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于门控循环神经网络和粒子滤波的地磁室内定位方法。本发明通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。本发明设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。
-
公开(公告)号：CN110177282B
公开(公告)日：2021-06-04
申请号：CN201910388829.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
IPC: H04N19/503 , H04N19/42 , H04N19/124 , G06N3/04
Abstract: 本发明公开了一种基于SRCNN的帧间预测方法，其特征在于使用超分辨率卷积神经网络对图像序列进行帧间预测；对图像序列做运动估计和运动补偿操作后，结合超分辨率卷积神经网络训练出特征模型；使用模型中的参数对图像进行超分辨率重建，同时对图像进行运动估计和运动补偿，得到与当前图像的下一帧图像一致的图像。本发明将深度学习应用到视频编码的帧间预测，使用卷积神经网络，对图像序列间的运动估计、运动补偿操作进行特征提取和训练学习。同时，使用超分辨率神经网络，在图像重建时，图像的画质会得到增强。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.034 seconds)
