-
公开(公告)号：CN117174241A
公开(公告)日：2023-12-05
申请号：CN202311121339.2
申请日：2023-09-01
Applicant: 杭州电子科技大学 , 杭州富阳富创大数据产业创新研究院有限公司 , 浙江汉德瑞智能科技有限公司
IPC: G16H20/00 , G16H50/20 , G16H50/30 , G16H10/20 , G16H10/60 , G06N5/04 , G06N5/022 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F16/332 , G06F16/33
Abstract: 本发明公开了一种基于对话式生成的预防医学智能问答系统，包括用户端、服务器、数据库和输出端，用户端的输出与服务器连接，服务器与数据库连接，服务器的输出还与输出端连接，其中，所述用户端接收输入信息，传输到服务器；服务器进行数据处理和模型训练，对用户端输入的信息生成回答，并将信息存储入数据库；输出端将服务器输出的回答进行输出。本发明通过对个体健康信息的综合分析和医学知识库的应用，旨在提供更全面且准确的健康评估和预测。在各种日常场景下使用，为用户提供针对遗传病和其他疾病的发病风险预计、健康改善建议和医生辅助诊断所需的信息。
-
公开(公告)号：CN117171345A
公开(公告)日：2023-12-05
申请号：CN202311121458.8
申请日：2023-09-01
Applicant: 杭州电子科技大学 , 杭州富阳富创大数据产业创新研究院有限公司 , 浙江汉德瑞智能科技有限公司
IPC: G06F16/35 , G06F40/284 , G06F40/295 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N3/0455 , G06N3/048 , G06N3/09 , G06N3/084 , G06N5/022
Abstract: 本发明公开了基于深度学习模型对网络欺凌文本的检测方法，包括以下步骤：S10，数据收集；S20，数据预处理；S30，数据标注；S40，数据输入；S50，模型处理；S60，结果评估；其中，S50，模型处理中的模型包括LSTM模型、BiLSTM模型、LSTM自动编码器、Word2vec模型、BERT模型和GPT‑2模型。本发明能够有效地对网络欺凌文本进行分类，具有较高的分类准确率和召回率。
-
公开(公告)号：CN117029858A
公开(公告)日：2023-11-10
申请号：CN202311052725.0
申请日：2023-08-21
Applicant: 杭州电子科技大学丽水研究院
IPC: G01C21/34
Abstract: 本发明公开了一种基于改进式蚁群算法的外卖员路径规划系统及方法。本发明系统包括订单信息授权模块、外卖员当前位置获取模块、商家及配送位置获取模块、路况匹配模块、外卖员配送路径规划模块和外卖员配送路径导航模块。相比于外卖员自行寻找配送路径，本发明专利提出的外卖员路径规划系统通过小程序获取外卖员订单信息，系统将外卖员位置以及商家位置和订单配送位置与地图上的路况信息进行对应，并且通过改进式遗传算法对外卖员配送路径进行规划。同时系统及时更新订单信息，及时对路径进行重新规划，提高了外卖员配送的效率。
-
公开(公告)号：CN111612803B
公开(公告)日：2023-10-17
申请号：CN202010363326.6
申请日：2020-04-30
Applicant: 杭州电子科技大学
IPC: G06T7/12 , G06T7/187 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图像清晰度的车辆图像语义分割方法。本发明设计了一个清晰度判别模块，并将结果导入总的损失函数中，实现更加精确的分割效果，具体实现如下：步骤1、采用Tenengrad函数来对输入的车辆图像进行清晰度判定；步骤2、采用DeepLab V3+作为语义分割主干网络进行训练；步骤3、用训练完的网络输出语义分割结果。本发明对于清晰度做出判定，根据判别结果，本发明设计了相应的损失函数LD，并将其加入到语义分割主干网络的损失函数中，从而使网络具有判别车辆图像清晰度的能力，增加了网络对车辆图像语义分割的针对性，提高语义分割主干网络的分割精度。
-
公开(公告)号：CN111914852B
公开(公告)日：2023-10-03
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
Patent Agency Ranking
公开(公告)号：CN116704174A
公开(公告)日：2023-09-05
申请号：CN202310668228.7
申请日：2023-06-07
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的RGB‑D图像显著目标检测方法，包括如下步骤：S1、构建编码器，获取多层级特征，具体包括RGB分支和深度分支特征提取以及构建交互注意力模块；S2、构建解码器模块，具体包括构建RGB分支和深度分支跨层级特征融合模块以及构建跨模态特征融合模块；S3、以编码器、解码器为基础，构建基于深度学习的RGB‑D图像显著目标检测模型；S4、对所建立模型进行训练，并保存参数。本发明通过全面探索跨模态特征融合，提高了模型的检测能力。
-
公开(公告)号：CN116664546A
公开(公告)日：2023-08-29
申请号：CN202310751136.5
申请日：2023-06-25
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于UNet网络的眼底图像视盘检测方法，包括以下步骤：步骤一：收集公开的眼底图像数据集并进行数据预处理，对图像进行数据扩增、随机切割和归一化处理；步骤二：以BASNet的预测模块为网络主干结构，在BASNet第一至第五层的编码器与译码器之间加入融合多注意力的桥接模块以提高眼底图像视盘检测精度；步骤三：模型训练与评估，本发明提出一种融合多注意力机制的桥接模块加入到BASNet预测模块中的第一层至第五层编码器与解码器之间，融合了图像的前景信息、背景信息与原始信息，能够提高检测准确性。同时，将本发明将测试集放到训练好的网络参数上进行测试，从而验证了本发明所提出的模型性能良好，能够适应不同的图像且检测精度高。
-
公开(公告)号：CN113536973B
公开(公告)日：2023-08-18
申请号：CN202110718760.6
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交通标志检测方法，本发明方提出一种端到端的卷积神经网络模型。本方法针对交通标志检测任务做出优化，提出了一个以基于VGGNet的特征金字塔网络为主干的显著性检测模型。网络在自下而上过程中的不同尺度特征图上提取了图片中的不同层级的信息，并在金字塔网络自上而下通路中进行融合。通过将特征聚合模块添加在自上而下通路中的每个融合操作之前，可以有助于全局引导模块中包含的深层次特征图中的高级语义信息与较浅层次的特征无缝进行融合。通过这两个建立在池化操作上的模块有助于高级语义信息逐步精细，使本网络模型生成的显著性图拥有更加丰富的细节。其结果为一张像素值在[0，1]的灰度图，图中的1表示为交通标志所在区域，0表示为背景区域，成功实现对交通标志的检测任务。
-
公开(公告)号：CN112598043B
公开(公告)日：2023-08-18
申请号：CN202011495029.3
申请日：2020-12-17
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/0895
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：CN116469003A
公开(公告)日：2023-07-21
申请号：CN202310285121.4
申请日：2023-03-22
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于弹性网络正则化回归算法的遥感图像分类方法。针对现阶段对于高分辨率遥感图像的分类，通过一种弹性网络正则化回归算法，在基于稀疏表示的分类方法中加入基于协作表示的方法，两者都有助于图像分类中单个类别的样本建立在一个线性子空间上，将测试样本表示为训练样本的线性组合，适用于图像的特殊性和复杂性。此外，本发明将提出的弹性正则化回归算法扩展到任意核空间，以处理隐藏在原始图像特征中的非线性结构，从而进一步提高分类性能。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.032 seconds)
