-
公开(公告)号：CN116176627A
公开(公告)日：2023-05-30
申请号：CN202310248586.2
申请日：2023-03-15
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于异构节点时空域感知的车辆轨迹预测方法，搭建了一个提取基于行驶车辆视角感知结果生成的在线感知地图并使用时空域注意力机制来完成不同种类信息自身的理解和相互的融合的车辆轨迹预测任务，可以在不使用高精地图的同时有效获取预测目标车辆的局部范围内的地图信息，完成其轨迹预测的同时保证较高的鲁棒性和估计精度，更加符合实际应用的需求。
-
公开(公告)号：CN115712859A
公开(公告)日：2023-02-24
申请号：CN202211467912.0
申请日：2022-11-22
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F17/10
Abstract: 本发明公开了一种基于精细化特征解耦的多源域设备故障诊断方法，本发明将领域特征分为域间不变特征、域内不变特征和域特定特征并利用对应的特征提取器提取，域间不变特征和域内不变特征分别关注跨域学习的知识和每个领域内在的故障类别知识，域特定特征体现每个领域独有的知识，特征解耦有利于精准的得到和故障诊断任务相关的知识；利用CORAL距离衡量域间不变特征差异和域特定特征差异，利用CENTER距离衡量域内不变特征差异，得到域适应损失；组合域间不变特征和域内不变特征作为域不变特征，计算分类损失；分类损失和域适应损失相加得到总损失函数值，通过反向传播迭代更新优化模型参数。
-
公开(公告)号：CN110838519B
公开(公告)日：2022-07-19
申请号：CN201910977844.4
申请日：2019-10-15
Applicant: 杭州电子科技大学
IPC: H01L29/22 , H01L29/24 , H01L29/732 , H01L21/34 , H01L31/0296 , H01L31/032 , H01L31/11 , H01L41/08 , H01L41/113 , H01L41/18
Abstract: 本发明公开了一种柔性ZnO/NiO/ZnO多功能三极管，该结构为从上到下依次为发射极、基极、集电极、柔性导电衬底；所述的柔性导电衬底为柔性衬底上设有导电层；所述的发射极材料为ZnO，所述的基极材料为NiO，所述的集电材料为ZnO，所述的发射极、基极、集电极的一侧对齐，所述的发射极和柔性衬底的导电层上设有电极。本发明通过压电效应与半导体能带工程的耦合作用实现该晶体管在光电探测，力电传感以及纳米发电等多种功能化应用。
-
公开(公告)号：CN110930342B
公开(公告)日：2021-10-29
申请号：CN201911030673.0
申请日：2019-10-28
Applicant: 杭州电子科技大学
IPC: G06T5/50
Abstract: 本发明公开了一种基于彩色图引导的深度图超分辨率重建网络构建方法。目前越来越多的场景应用需要高质量高分辨率的深度图片，传统的深度图像超分辨方法在效果和速度都不如基于卷积神经网络的方法，但大部分的超分辨卷积神经网络框架都都只是堆叠单一尺寸的卷积核，无法很好的提取出同场景下高分辨率彩色图像中有利的引导信息。本发明的多尺度卷积核彩图引导网络不仅可以充分发掘了高分辨率彩色图像信息，提取了有用的特征图像，而且可以丰富深度图像特征的多样性，融合这些信息对深度图像进行超分辨率重建。并且利用递归学习和残差学习的思想，减轻了卷积神经网络的负担，控制了网络的参数，提升了深度图像的重建效果。
-
公开(公告)号：CN110133507B
公开(公告)日：2021-09-14
申请号：CN201910329199.5
申请日：2019-04-23
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/387 , G01R31/388
Abstract: 本发明公开了一种基于NARX‑UKF算法的电池剩余电量估计方法。现有的各种方法存在各种问题。本发明方法首先测量电池在不同条件下的电压和电流，然后对测量数据进行预处理，再搭建NARX‑UKF网络，把处理后的电压电流训练数据输入NARX网络中来训练网络，达到训练目标后，输入测试数据，NARX网络的输入结果即为SOC的估计值同时也是UKF模型的输入量，该估计值经过UKF模型后，得到的状态更新值即为当前时刻所估计得到的电池剩余电量。本发明的不需要建立电池模型，只需要常见的可测量量便可以快速精确的进行电池剩余电量估计。有着模型训练速度快，所需参数少，估计精度高的优点。
-
Patent Agency Ranking
公开(公告)号：CN112802057A
公开(公告)日：2021-05-14
申请号：CN202011363738.6
申请日：2020-11-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于旋转自适应卷积网络的视觉跟踪方法。本发明具体步骤包括搭建VGG19网络，在VGG19网络中搭建旋转自适应模块，获得基于旋转自适应模块的视觉跟踪网络模型，最后在公开数据集OTB2015上对旋转自适应卷积网络模型进行实验。由于多数跟踪算法一般只对跟踪目标的位置和尺度进行预测，而忽略了目标对象在跟踪过程中可能发生了旋转。针对现有视觉跟踪方法的不足，本发明利用卷积网络能快速提取目标丰富的层次特征(包括浅层特征和深层特征)，并添加旋转自适应模块来增强跟踪器应对目标旋转变化的稳定性，从而进一步提升跟踪算法的准确性和鲁棒性。此外，本发明提出的旋转自适应模块，为各类目标跟踪方法提供一种鲁棒的目标旋转位置估计方法。
-
公开(公告)号：CN110276371B
公开(公告)日：2021-05-07
申请号：CN201910367932.2
申请日：2019-05-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的集装箱角件识别方法。实际工业环境中需要利用叉车对集装箱角件进行固定，需要首先获得角件的空间位置信息。彩色相机与深度相机相结合的系统部署方便快捷，精度高，所以利用视觉信息来进行角件检测最广泛。利用传统的视觉算法来进行集装箱检测难以提取出有效的特征，精度较低，速度较慢。本发明通过YOLO神经网络进行特征提取，提出了一种利用神经网络与特征匹配算法进行集装箱角件检测的方法，能在不同的工作场合下得到集装箱角件坐标及集装箱角件平面与相机平面的偏移角度。
-
公开(公告)号：CN112255546A
公开(公告)日：2021-01-22
申请号：CN202010940546.0
申请日：2020-09-09
Applicant: 杭州电子科技大学
IPC: G01R31/36 , G01R31/388 , G01R31/389 , G01R31/392
Abstract: 本发明公开了一种应用于动力电池的主动型混合均衡电路。传统的卡尔曼滤波算法在进行SOC估计时具有一定局限性。本发明方法包括：计算采样点通过状态方程变换后的加权值，作为状态的估计值，进而通过加权计算状态估计的方差；对采样点进行处理，采用投影法将不满足要求的采样点投影到范围内；计算采样点通过观测方程变换后的加权值，作为观测的估计值；计算卡尔曼增益；根据状态方程进行时间域更新，根据观测方程进行测量更新，计算状态及其方差的更新，递推所得到的状态更新值即为当前时刻电池的荷电状态。本发明方法可以准确地进行电池SOC估计，该方法收敛速度快，估计精度高，而且适用于各种动力电池SOC的快速估计。
-
公开(公告)号：CN112052640A
公开(公告)日：2020-12-08
申请号：CN202010870325.0
申请日：2020-08-26
Applicant: 杭州电子科技大学
IPC: G06F30/39 , G06F30/394
Abstract: 本发明公开一种高效提取集成电路版图光掩膜中心线的设计方法。本发明方法准确率高，鲁棒性好，且对与多种类型的样例具有通用性；采用的核心算法是Delaunay逐点插入法，原理简单，占用内存少，容易完成，执行效率高。同时，由于在对三角网数据处理时中采用了二维vector，空间复杂度可以表示为O(N2)，N为样例给出的点数。本发明能够有效实现集成电路版图光掩膜中心线的提取，并且最小化中心点列数量，准确率和速度也能满足工程上的要求。
-
公开(公告)号：CN111507196A
公开(公告)日：2020-08-07
申请号：CN202010204312.X
申请日：2020-03-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于机器视觉和深度学习的车辆类型识别方法；目前车辆识别领域大多针对高空摄像头所采集的图像作为数据集，很少采用移动平台所采集的图像作为数据集。如果利用传统的图像识别技术，不能满足移动违章取证的需求。本发明的方法首先通过车载移动平台采集道路汽车的图像信息，利用深度学习中的yolov3算法进行初步汽车目标检测与识别，然后根据检测框与预测值阈值综合判定是否送入三个分类器进行再预测。根据三个分类器的检测结果和目标检测算法结果共同决定该检测框是否为错误检测并删除。最后更新系统的检测结果。该方法适用于非限定运行环境下车载移动平台的车辆识别领域，并在实际应用场景中取得较好的效果。
-
-
-
-
-
-
-
-
-
Search Results
344
records
(took 0.041 seconds)
