-
公开(公告)号：CN113238928A
公开(公告)日：2021-08-10
申请号：CN202110441589.9
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种音视频大数据任务的端云协同评测系统，包括存储模块，通信模块，管理模块，运行模块，评测模块，以及云端计算资源模块。管理模块通过通信模块将存储模块中的文件程序传输到云端计算资源模块，通过运行模块和评测模块完成音视频任务的运行评测，管理模块通过集群管理服务，通过资源的监控调度，能够提高云端计算资源的利用效率，同时通过建立容器的方式，各个运行程序环境之间互不冲突。
-
公开(公告)号：CN113160411A
公开(公告)日：2021-07-23
申请号：CN202110441618.1
申请日：2021-04-23
Applicant: 杭州电子科技大学
IPC: G06T17/10
Abstract: 本发明公开了一种基于RGB‑D传感器的室内三维重建方法，本发明方法通过将RGB信息引入物体识别分类，通过使用图注意模块，能够更好地避免噪声对原始扫描数据干扰导致物体识别结果并不理想的情况，并且，有别于以往的重建过程，应用CAD模型替换扫描场景中的物体来得到整洁、紧凑的表示，在最后重建完成的时候通过将CAD模型与场景中的物体进行关键点差异的比较，通过迭代优化减少对齐误差，使得CAD模型在大小及位姿上都与场景中的物体一致。本发明可以解决由于传感器噪声干扰以及传感器运动产生的模糊所带来的分类识别不准确，以及整体场景重建精度不够的问题，且由于引入CAD模型，可自由编辑，增加了场景的灵活性。
-
公开(公告)号：CN113160179A
公开(公告)日：2021-07-23
申请号：CN202110442873.8
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动态区域卷积的图像去模糊方法，首先构造动态卷积层，在输入的不同区域中使用不同的卷积核进行卷积；然后使用动态卷积层构造生成器，将模糊图转变为清晰图像；构造判别器，与生成器构成生成对抗网络，并使用真实的清晰图像与生成器生成的清晰图像的损失网络进行训练；训练结束后，仅保留生成器；将模糊图像输入训练后的生成器即可获得清晰图像。本发明利用动态卷积，考虑到了输入数据的区域之间的差异性，针对不同区域使用不同卷积核进行卷积，从而提升特征提取能力。由动态卷积构造的生成对抗网络在单张图像去模糊任务中性能有所提升。
-
公开(公告)号：CN113160177A
公开(公告)日：2021-07-23
申请号：CN202110441623.2
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超像素和图卷积网络的平面分割方法；首对输入的彩色图像进行预处理，获得预处理后的图像；然后根据图像分辨率，将预处理后的图像分割为合适数量的超像素，并转化为无向图结构；构造图卷积网络，并使用数据集对其进行训练；最后使用训练好的图卷积网络对超像素构成的图进行预测，给每一个超像素进行平面分类，从而完成平面分割。本发明将图像分割为超像素，可以很好地保留原始图像中的边缘信息，并减轻后续图神经网络的学习负担，防止分割出的平面边缘与实际情况差距过大；利用现有数据集，通过特定算法提取特定标签，作为后续监督神经网络学习的训练集，解决了没有针对平面分割数据集的问题，避免了人工标记的巨大成本。
-
公开(公告)号：CN113139972A
公开(公告)日：2021-07-20
申请号：CN202110302126.4
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人工智能的脑卒中MRI图像病灶区域分割方法。在Unet++的基础上增加了注意力机制，使得网络能够把注意力集中到对特定任务有用的显著特征，抑制输入图像中的不相关区域。结合了密集连接、深监督和注意力机制，进一步提高算法精度。本发明方法结合了Unet++中的密集连接和深监督的减小语义差异和权衡速度和精度的优点，又增加了注意力机制，可以抑制不相关背景区域的特征响应，不需要裁剪网络间的ROI；整合了不同层次的特征提升了精度，灵活的网络结构配合深监督，让参数量巨大的深度网络在可接受的精度范围内大幅度的缩减参数量。
-
Patent Agency Ranking
公开(公告)号：CN113139971A
公开(公告)日：2021-07-20
申请号：CN202110301301.8
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人工智能的舌象识别方法及系统。首先对获取的原始图像进行处理，得到标注图像；然后通过对标注图像进行舌体分割，得到舌体分割图像；对标注图像进行齿痕分割，得到齿痕分割图像；对舌体分割图像以及齿痕分割图像进行二值化处理，得到舌体二值化图像和齿痕二值化图像；再构建舌象识别网络，使用得到的舌体分割图像，齿痕分割图像，舌体二值化图像和齿痕二值化图像训练舌象识别网络，最后通过训练好的舌象识别网络进行舌象识别。本发明充分利用了深度卷积神经网络优越的图像表现能力；解决了中医舌诊对齿痕舌程度难以区分的问题，克服现有技术在中医舌诊运用领域齿痕特征无法有效识别的问题。
-
公开(公告)号：CN112767311A
公开(公告)日：2021-05-07
申请号：CN202011625910.0
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的无参考图像质量评价方法。首先对失真图和自然图进行预处理，得到相似图，然后根据失真图和相似图构建神经网络；基于GAN框架的对抗生成理念，在生成网络部分，融入U‑net框架的跳跃连接特点和densenet的框架的denseblock结构特性；在判别网络部分，采用简单的分类网络；最后训练构建的神经网络。本方法分别吸取并结合了GAN网络，U‑net网络和densenet网络的特点，构建了一个更有效的神经网络，更有效的实现了图到图的转换和迁移，不仅在图到图的实现中有较好的结果，而且模拟到的质量分数和真实的质量分数有强烈的相关性和较小的误差。
-
公开(公告)号：CN112598043A
公开(公告)日：2021-04-02
申请号：CN202011495029.3
申请日：2020-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于弱监督学习的协同显著性检测方法。本发明包括以下步骤：步骤(1)深度神经网络的构建和预训练；步骤(2)弱监督数据集的划分；步骤(3)显著性图像样本增强；步骤(4)协同显著性图的预测。使用弱监督的方式隐式地抓取图像间的协同特征，使用样本图像增强的方式增加神经网络的鲁棒性。协同显著性检测中，如何利用好图像间的协同特征是关键的，本发明使用约50％的样本输入到神经网络中进行训练微调隐式获取图像间的协同特征。同时存在图像样本中显著性目标在像素层面所占的比例较小的情况，不利于神经网络的训练和微调，本发明使用一种图像样本增强的手段来克服这一点，来实现对一组图像中显著性目标的预测。
-
公开(公告)号：CN112306097A
公开(公告)日：2021-02-02
申请号：CN202011179235.3
申请日：2020-10-29
Applicant: 杭州电子科技大学
IPC: G05D1/12
Abstract: 本发明公开了一种新型无人机路径规划方法。首先确定无人机飞行数学模型，包括无人机机体运动模型和无人机动力学模型；然后采用Maklink图论法对二维路径进行建模；最后通过粒子群算法对蚁群算法参数进行优化，通过优化后的蚁群算法在Maklink环境模型中找出最优路径。本发明通过在蚁群算法中引入粒子群算法，可使原蚁群算法中需手动调整的参数实现在线自我整定，大大缩短了算法优化时间。在与传统算法进行路径规划的比较中，本发明算法能够在找出最优路径的基础上缩短算法运行时间，为节约运行成本提供了方法。
-
公开(公告)号：CN112258475A
公开(公告)日：2021-01-22
申请号：CN202011138306.5
申请日：2020-10-22
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于迁移学习的乳腺癌图像检测系统及方法。本发明系统包括数据获取模块、图像处理模块和图像检测模块；通过数据获取模块获取已标记好的乳腺钼靶X射线影像，通过图像处理模块对X射线影像进行预处理，扩增样本量得到数据集；将Inception‑v3模型中的softmax分类器替换成两个支持向量机作为图像检测模块对处理后的X射线影像进行检测。本发明系统对样本进行预处理，增加样本量，降低深度学习过程中的过拟合问题，提升模型的泛化性能，以RAdam优化器替代随机梯度下降，不需要可调参数预热且能保证收敛速度快的同时，不轻易落入局部最优解。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.033 seconds)
