-
公开(公告)号：CN112487955A
公开(公告)日：2021-03-12
申请号：CN202011358230.7
申请日：2020-11-27
申请人： 杭州电子科技大学
IPC分类号： G06K9/00 , G06K9/32 , G06K9/34 , G06K9/46 , G06K9/62 , G06K9/68 , G06T3/00 , G06T7/11 , G06T7/50 , G07F17/12
摘要： 本发明公开了基于RGB‑D信息改进R‑FCN网络的智能取件方法。该方法采用人脸识别子系统和单号匹配这两个子系统之间的协同运转来实现快递签收。人脸识别子系统采用深度学习获取人脸，产生一系列人脸，再基于深度信息进行目标收件人和活体检测，然后再根据特征脸和PCA算法获取到人脸特征，与数据库进行比对，得到人脸相关信息。单号匹配子系统则是将人脸识别部分采集到的图像进行码单位置检测，OCR单号识别，到快递数据库中进行单号检索。最终判断收件人与单号的对应匹配。因此实现了一个可靠的、实时的、便捷的快递签收中的人脸识别与单号匹配方法。
-
公开(公告)号：CN112464902A
公开(公告)日：2021-03-09
申请号：CN202011485932.1
申请日：2020-12-16
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于多通道多维特征优化的脑电眨眼伪迹检测方法，首先对多通道脑电EEG信号进行滤波处理以及类别划分；然后对处理后的多通道脑电EEG信号进行16维特征提取；针对提取到的16维特征，采用方差过滤式方法做特征选择；再通过支持向量机算法构建针对眨眼伪迹和非眨眼伪迹样本数据集的伪迹检测模型；最后通过建立的伪迹检测模型进行脑电眨眼伪迹检测。本发明既可以克服临床脑电EEG信号多通道数据损坏问题，又可以解决现有模型复杂性高实时性低的问题，还能够实现眨眼伪迹的精准自动化检测。
-
公开(公告)号：CN111387974A
公开(公告)日：2020-07-10
申请号：CN202010105835.9
申请日：2020-02-19
申请人： 杭州电子科技大学
IPC分类号： A61B5/0476 , A61B5/00 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于深度自编码的脑电特征优化与癫痫发作检测方法。本发明步骤：步骤1：将原始脑电信号进行预处理，然后按顺序排列脑电信号的通道，以每4s的脑电图为一个数据样本，进行离散傅里叶变换，并获得样本的幅值谱，将样本的幅值谱整理成合适的特征矩阵；步骤2：设置卷积自编码器的网络结构；步骤3：通过步骤1中的数据训练卷积自编码器，再将数据输入训练好的卷积自编码器的编码器对特征矩阵进行降维，得到低维特征；步骤4：使用低维特征训练基于最近邻分类器的纠错输出编码模型；最后使用整个模型对新的脑电图进行癫痫发作检测，测试模型性能。本发明能滤除干扰特征，降低特征维数和模型学习复杂度，实现更有效的癫痫发作检测。
-
公开(公告)号：CN109902809A
公开(公告)日：2019-06-18
申请号：CN201910154150.0
申请日：2019-03-01
申请人： 成都康乔电子有限责任公司 , 电子科技大学
摘要： 本发明创造提供一种利用生成对抗网络辅助语义分割模型，包括基于VGG/ResNet50设计的语义分割生成模型；输入原图，真实分割图以及生成分割图的对抗模型；增加对抗损失项的损失函数；在原有的交叉熵分类损失函数的基础上增加对抗损失项，对抗损失项通过二值交叉熵函数进行定义。本发明主要是通过生成对抗网络结构辅助语义分割模型提升分割精度，利用对抗模型强大的特征学习能力，区分生成分割图与真实分割图的特征区别，并拉近双方所属的数学分布，使得生成模型在训练中逐步学习到像素间关系，增强分割图像中像素的空间连续性，提高分割精度。同时又还避免了一般后处理技术提升分割精度所带来的时间成本。
-
-
公开(公告)号：CN102635923B
公开(公告)日：2017-07-18
申请号：CN201210083057.3
申请日：2012-03-27
IPC分类号： F24F11/02
摘要： 本发明涉及一种10kV配电站自动控制节能系统的控制方法，以空调与排风扇不同时开启为前提，且配电站内温度不超过设定范围为目标进行调节；当判断有SF6气体泄漏的报警信号产生时，关闭空调，持续启动排风扇进行强制通风；当判断配电站内没有气体泄漏时，关闭排风扇，控制空调开启制热或制冷功能，或者控制空调始终关闭，仅通过启动排风扇实现站内和站外气体的交换，从而调节配电站内的温度。本发明能够实现室内环境监测与控制，并且，减少空调使用次数，有效节约能源、实现节能减排。
-
-
公开(公告)号：CN116746948A
公开(公告)日：2023-09-15
申请号：CN202310793934.4
申请日：2023-06-30
申请人： 杭州电子科技大学
IPC分类号： A61B5/374 , A61B5/00 , G06N3/0464 , G06N3/08 , G06F18/10 , G06F18/241 , G06F18/213
摘要： 本发明公开了一种基于深度学习与形态学的睡眠癫痫电持续活动量化方法。本发明包括如下步骤：1、对信号进行预处理操作；2、将预处理后的T3通道信号输入到改进后的语义分割网络进行棘波识别，该网络能够识别出患者的棘波放电的位置与持续时间，并输出具有棘波数据段细粒度标签的信号；3、将获得的带棘波信息的信号作为形态学模块的输入，对候选区域进行判断，得到癫痫样棘慢波片段的个数和持续时长，并得到总的放电时间，从而计算每个样本的放电指数；4、将Cz通道信号输入到基于Resnet34的睡眠分期模块，实现对每一个30s长度样本的睡眠分期。本发明能够实现儿童睡眠中癫痫电持续活动识别与量化。
-
公开(公告)号：CN111150393B
公开(公告)日：2023-03-28
申请号：CN202010103082.8
申请日：2020-02-19
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法。本发明步骤：步骤1、对输入的原始多导联脑电进行滤波以及心电、咀嚼吞咽的生理活动造成的伪迹消除；对处理后的信号首先依据检测目标波形时长特征，在时域对其进行分割，将信号转化为后续步骤的识别形式；步骤2、将分割后信号中每条通道的数据经由长短时记忆神经网络进行特征提取，并通过自适应加权融合算法进行特征融合；步骤3、利用特征融合得到的结果，通过全连接神经网络对多通道信号片段进行分类，最终得到整段信号不同时段的分类结果，从而达到尖棘波放电检测的目的。本发明能够实现在多通道信号输入下精度更高、抗干扰能力更强的尖棘波检测效果。
-
公开(公告)号：CN112603334B
公开(公告)日：2022-04-08
申请号：CN202011504990.4
申请日：2020-12-18
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于时序特征提取和堆叠Bi‑LSTM网络的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，对预处理完的脑电信号进行分割，得到脑电信号片段，通过两种时序特征提取算法得到平滑非线性能量特征和形态学特征，对得到的两种时序特征进行裁剪以保证长度与脑电信号片段一致后，与脑电信号片段拼接得到特征矩阵，再利用得到的特征矩阵和标注信息，训练堆叠Bi‑LSTM网络模型；最后采用测试数据对训练好的堆叠Bi‑LSTM网络模型进行测试，根据测试结果进行模型性能优化。本发明方法通过循环神经网络模型对脑电时序特征进行有效学习达到对棘波放电精准检测的效果；能够同时检测棘波以及其产生通道位置。
-
-
-
-
-
-
-
-
-
搜索结果
65 条记录 (耗时 0.036 秒)
