-
公开(公告)号：CN111986126A
公开(公告)日：2020-11-24
申请号：CN202010689421.5
申请日：2020-07-17
Applicant: 浙江工业大学
Abstract: 一种基于改进VGG16网络的多目标检测方法，包括：步骤一，样本图像增强处理；选择采用直方图均衡化和直方图匹配的方法，通过改变图像的灰度直方图来改变图像的显示效果；步骤二，构建特征提取模型，构建特征提取网络模型，由截断的VGGNet-16网络和加强网络层组成，在每一层中将产生对应参数的不同尺度的特征图，则目标物体的检测是在这些不同尺度的特征图上同时进行的，不同尺度的特征图用于预测不同尺度大小的目标物体；步骤三，设置特征提取模型相关函数；步骤四，对所提取的特征图上的目标进行定位；步骤五，目标定位和特征分类损失函数的设定。本发明能够在提高识别精度的同时加快识别效率，从而解决检测难、分类难的问题。
-
公开(公告)号：CN111986125A
公开(公告)日：2020-11-24
申请号：CN202010686619.8
申请日：2020-07-16
Applicant: 浙江工业大学
Abstract: 一种用于多目标任务实例分割的方法方法，包括：步骤一，样本图像直方图均衡化处理；步骤二，构建多目标特征提取网络；步骤三，设计候选边界框，并对特征图上目标物体进行提取和分类；步骤四，利用非极大值抑制算法对多余的边界框进行剔除；步骤五，对候选边界框进行二值回归，以获得实例分割结果。本发明能够提高识别精度、加快识别效率的同时使用二值回归函数将目标物体从图像中分割出来，从而解决分割粗糙的问题。
-
公开(公告)号：CN111209861A
公开(公告)日：2020-05-29
申请号：CN202010011805.1
申请日：2020-01-06
Applicant: 浙江工业大学
Abstract: 一种基于深度学习的动态手势动作识别方法，包括：步骤一，构建手势关节点坐标识别网络，利用改进的CPM模型对手势视频进行处理，输出单视点下的手势关节点坐标；步骤二，采集单视点视频数据；以单视点的形式对手势视频样本进行采集，即用一个普通的网络摄像头从多个角度捕捉用户的手势数据，其中包括：(2.1)定义基本手势元素；(2.2)选取手势关节点；(3)准备训练样本数据集；步骤三，输出手势高斯热图和手势关节点坐标；步骤四，构造手势序列识别网络，网络模型构造的具体流程如下：(4.1)定义激活函数；(4.2)选择损失函数；(4.3)建立模型；最后，将步骤三得到的关节点坐标输入标准手势序列识别网络，得到手势动作序列。
-
公开(公告)号：CN104853363B
公开(公告)日：2018-06-26
申请号：CN201510159465.6
申请日：2015-04-07
Applicant: 浙江工业大学
Inventor： 张烨
Abstract: 监测无线传感网节点监测面积覆盖率的方法，用于检测当无线传感器节点随机均匀分布在一定矩形范围内时，其传感器的覆盖面积构成的多个多曲边形面积占区域总面积比率。主要采用循环方式，分别计算每个节点部署后后与其他节点形生成的覆盖面积相重合的组合，并筛选合并产生独一无二的多节点覆盖面积重合组合，然后计算多节点覆盖面积重合的重合部分面积，最后在总面积中根据多节点覆盖面积重合数的奇偶性在总面积中加上或减去多多节点覆盖面积重合面积。
-
公开(公告)号：CN118691814A
公开(公告)日：2024-09-24
申请号：CN202410747304.8
申请日：2024-06-11
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/82 , G06V10/776 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0495
Abstract: 本发明涉及一种稠密连接的空洞卷积的医学喉镜图像器官分割方法和装置，所述的方法包括：(1)对原始喉镜图像进行预处理；(2)构建稠密连接的空洞卷积的喉镜图像分割网络模型；(3)设计交叉空洞卷积结构；(4)设计反馈式稠密连接结构；(5)设计稠密连接的空洞卷积的喉镜图像的分割网络模型的损失函数；(6)训练模型，将测试集图像输入训练好的模型中，获得所需分割器官的结果。本发明使用稠密连接的空洞卷积网络，设计交叉空洞卷积编码器DCEncoder和交叉空洞卷积解码器DCDecoder，并设计反馈式稠密连接代替传统跳跃连接。使得输出的模型更加轻量化，并且使放入模型进行分割的图片的分割细节更加的丰富。在提高模型对于器官分割的准确率同时，增加了模型分割的效率。
-
Patent Agency Ranking
公开(公告)号：CN112084878B
公开(公告)日：2024-02-20
申请号：CN202010815977.4
申请日：2020-08-14
Applicant: 浙江工业大学
IPC: G06V40/20 , G06V10/40 , G06V10/82 , G06N3/0464
Abstract: 一种用于判别作业人员姿态规范程度的方法，首先，构建人体姿态特征提取网络并设计网络参数，用于提取人体姿态特征图；其次，将所得人体姿态特征图输入到并行网络结构中，得到人体骨骼关键点，并将人体骨骼关键点进行连接使其成为人体主要躯干；然后，利用反余弦函数，根据关键点坐标求得主要相邻躯干间的夹角；最后，将求得的主要相邻躯干间的夹角与预先设定的夹角阈值进行比较，从而判断其夹角是否在规定阈值范围内，进而判别作业人员姿态是否规范。本发明针对作业人员在制造过程中的操作规范性、作业疲劳度、罹患职业性疾病等问题提供了一种用于判别作业人员姿态规范程度的方法。
-
公开(公告)号：CN117496561A
公开(公告)日：2024-02-02
申请号：CN202311543747.7
申请日：2023-11-20
Applicant: 浙江工业大学
Abstract: 融合局部检测与最大累积灰度极值的指静脉图像ROI提取方法和装置，其方法包括：提出局部检测以及轮廓循迹方法获取手指边缘轮廓；利用灰度值累加及最大值检测获取图像指关节区域；通过指关节与手指边缘轮廓构成的中线获得图像旋转角，实现旋转矫正；最后利用上述旋转图像后的轮廓边缘以及指关节位置提取指静脉图像感兴趣区域，并通过双线性差值对图像大小进行归一化。本发明减少计算量并消除以往由于阈值设定不当导致的边缘不连续及断层问题，通过灰度累加及极值检测准确获取指关节位置，避免噪点等影响，有效解决了图像采集过程中手指放置倾斜导致的处理困难的问题，使得指静脉图像的感兴趣区域获取更加准确及完整。
-
公开(公告)号：CN111986080B
公开(公告)日：2024-01-16
申请号：CN202010690178.9
申请日：2020-07-17
Applicant: 浙江工业大学
IPC: G06T3/4084 , G06N3/0464 , G06T3/60 , G06T7/62 , G06T7/73 , G06V20/52 , G06V10/25
Abstract: 一种基于改进faster R‑CNN的物流车辆特征定位的方法，包括：步骤一，物流车辆图像增强处理；引入数据增强的手段对物流车辆图像进行处理；步骤二，构建基础网络模型；采用VGGNet‑16基本网络作为特征提取网络；同时为了实现对物流车辆的定位，在VGGNet‑16的第五个卷积层第三个卷积分层中的特征提取模块后加入了一个RPN网络的目标检测定位模型；步骤三，使用非极大值抑制算法对物流车辆目标的筛选；步骤四，对物流车辆目标特征进行统一归一化；将得到的固定维度数据的特征图传入到基本网络模型的第七阶段即可求得精确的物流车辆定位边界框及其对应车型的概率。本发明在不同环境、场景下对物流车辆的特征定位性能良好。
-
公开(公告)号：CN116862554A
公开(公告)日：2023-10-10
申请号：CN202310755196.4
申请日：2023-06-25
Applicant: 浙江工业大学
IPC: G06Q30/0201 , G06Q10/30 , G06Q50/26 , G06N5/04
Abstract: 一种电子产品多零售商闭环供应链的定价决策方法，包括：步骤1：构建电子产品市场中定价决策的函数，构建多零售商闭环供应链的数学模型；并且建立供应链各成员的利润函数和供应链整体利润函数；步骤2：构建电子产品供应链博弈模型框架；采用逆向归纳法和联立求解法求解两种博弈方法下闭环供应链决策模型，分别得到两种方法时该模型最优定价决策时制造商的利润、零售商的利润、零售商的回收价格以及供应链总利润；步骤3：根据上述步骤2求解的结果，提供对于供应链每个成员以及供应链总体的最优策略，分析变量对于各成员利润的影响，对现实中的电子产品企业提供不同维度的决策参考。
-
公开(公告)号：CN115908603A
公开(公告)日：2023-04-04
申请号：CN202211235340.3
申请日：2022-10-10
Applicant: 浙江工业大学
IPC: G06T11/00 , G06T7/13 , G06T7/11 , G06N3/0475 , G06N3/0464 , G06N3/048 , G06N3/094 , G06V40/14
Abstract: 一种基于PGGAN的指静脉图像生成方法，包括以下步骤：1)将由若干指静脉图像组成的数据集分成训练集A和测试集B；2)设计生成器网络结构；3)设计判别器网络结构；4)设计生成器和判别器损失函数；5)训练整个模型直至迭代训练整个训练集若干次；5)将测试集图像输入训练好的生成器中，获得指静脉图像。本发明使用深度学习的PGGAN网络，训练从生成器G和判别器D具有4×4像素的低空间分辨率开始。随着训练的推进，逐渐增加G和D的层数，从而增加生成图像的空间分辨率。所有现有层在整个过程中都是可训练的。本发明允许在高分辨率中稳定的合成，并大大加快训练速度和减少了训练时间。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.161 seconds)
