-
公开(公告)号：CN113159186A
公开(公告)日：2021-07-23
申请号：CN202110441605.4
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半监督学习的医学图像自动标注方法。首先将训练集输入到一级分类网络中得到一级通用深度卷积特征，然后根据输出结果对数据进行预分类，并得到预分类的混淆矩阵。接着通过谱聚类得到类别训练子集，输入到将其输入到二级分类网络中，得到二级特殊深度卷积特征；将两者融合得到图像的深度卷积特征。将患者的附加信息通过word2vec编码成多源异构特征，与深度卷积特征进行融合并通过SVM分类器得到最后的输出结果。本发明所述的方法只需使用少量有标注的医学数据即可完成对大量医学数据的自动标注。极大了减少了人工标注所耗费的大量的人力物力。相比于现有的自动标注方法，本方法效率更高，标注结果更加准确。
-
公开(公告)号：CN113129267A
公开(公告)日：2021-07-16
申请号：CN202110301302.2
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视网膜分层数据的OCT图像检测方法及系统。首先使用卷积神经网络即OCT图像特征提取网络先对OCT图像进行分割，提取特征参数并使用参数来构建超图，最后使用动态超图卷积网络对患者进行眼底疾病的诊断。本发明利用超图将图像数据和生理数据特征结合到一起，有利于发掘多模态数据之间的关系；有利于发掘到某一模态数据的特征和标签之间的深层次关系。利用动态方法构建超图矩阵，可实现网络参数的自动优化。
-
公开(公告)号：CN113128343A
公开(公告)日：2021-07-16
申请号：CN202110297410.7
申请日：2021-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于深度学习的司机危险驾驶动作识别方法及系统；首先采集司机的动作数据；然后搭建数据处理云中心；对TSM模型进行改进；再搭建识别模型，对识别模型进行训练，最后通过搭建好的识别系统及训练好的识别模型进行数据处理得到司机违规检测结果。本发明使用改进的TSM模型算法作为基础算法，模型具有非常大的时间感受野来进行高度复杂的时间建模，把2DCNN转变为了伪3D卷积，可以处理时间和空间信息，但没有增加额外的计算量，不需要较高的配置。本发明使用自制数据集对模型参数进行微调，有效提高模型的泛化能力，增强对特定动作的识别能力，可以广泛应用于驾驶监督领域，规范司机的驾驶动作，有效提高国家交通安全。
-
公开(公告)号：CN110501071B
公开(公告)日：2021-07-13
申请号：CN201910712003.0
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于模糊编码的压缩高光谱掩膜优化方法。本发明通过控制掩膜与聚焦平面之间的距离来控制掩膜编码的模糊程度，并将模糊程度进行量化，从而使用模糊导致灰度值变化之后的掩膜编码代替理论上的原始掩膜编码，使得重建时所用的编码更加接近实际编码。本发明只需通过系统的数值孔径、物镜焦距、光源波长、物镜放大倍数等信息来估算系统点扩散函数分布情况，并且计算出不同离焦位置处的实际模糊编码分布情况，使得投影矩阵最接近于实际数值，以实现投影矩阵的准确掌握，利于重建。仿真实验结果表明，相比于通常使用的二值化掩膜，优化后的掩膜编码更加接近于实际情况，重建图像的信噪比与光谱准确度也明显得到提高。
-
公开(公告)号：CN113008226A
公开(公告)日：2021-06-22
申请号：CN202110180618.0
申请日：2021-02-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于门控循环神经网络和粒子滤波的地磁室内定位方法。本发明通过搭建好的地磁室内数据库训练门控循环神经网络来进行对地磁轨迹信号的匹配定位。利用训练好的门控循环神经网络来进行匹配定位能为地磁轨迹信号的匹配定位带来更好的定位精度，另外相比较于常用的基于动态时间规划的地磁轨迹信号匹配算法，训练好的模型在匹配定位过程中减少了实时计算量。本发明设计了一个在神经网络模型对地磁轨迹信号进行匹配定位的基础上，结合粒子滤波算法来进行实时定位的系统。该系统有效利用了门控循环神经网络提取地磁轨迹信号特征的优势，为粒子滤波算法带来更好的实时定位精度。
-
Patent Agency Ranking
公开(公告)号：CN110177282B
公开(公告)日：2021-06-04
申请号：CN201910388829.6
申请日：2019-05-10
Applicant: 杭州电子科技大学
IPC: H04N19/503 , H04N19/42 , H04N19/124 , G06N3/04
Abstract: 本发明公开了一种基于SRCNN的帧间预测方法，其特征在于使用超分辨率卷积神经网络对图像序列进行帧间预测；对图像序列做运动估计和运动补偿操作后，结合超分辨率卷积神经网络训练出特征模型；使用模型中的参数对图像进行超分辨率重建，同时对图像进行运动估计和运动补偿，得到与当前图像的下一帧图像一致的图像。本发明将深度学习应用到视频编码的帧间预测，使用卷积神经网络，对图像序列间的运动估计、运动补偿操作进行特征提取和训练学习。同时，使用超分辨率神经网络，在图像重建时，图像的画质会得到增强。
-
公开(公告)号：CN112614173A
公开(公告)日：2021-04-06
申请号：CN202011563133.1
申请日：2020-12-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度图像的实时平面检测及提取方法首先对深度图像进行预处理，并提取深度图像的区块信息，然后对区块的法向量分布做降维统计；再对估计的各个法向量分别检测平行平面，得到各个方向上的各平面到原点的距离；最后以区块为聚类单位、各平面的参数为聚类种子点进行聚类，进行平面参数优化和平面区域的提取，记第i个平面参数为Pi，平面参数包含平面的法向量以及平面与原点的距离；本发明方法根据深度图像的成像原理及平面结构的空间特性，能够对深度图提取场景中所有平面的几何信息，使得计算机可以实时地通过深度图像获取环境中的平面结构信息，使得三维重建结果更加准确。
-
公开(公告)号：CN111125551B
公开(公告)日：2021-04-06
申请号：CN201911097403.1
申请日：2019-11-12
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06F17/18 , G06Q50/00
Abstract: 本发明提供一种基于选择记忆的马尔可夫模型的用户位置预测方法。本发明基于传统马尔可夫模型，汲取循环神经网络模型的思想，在保留马尔可夫模型优点的前提下，增加选择记忆单元，解决马尔可夫模型本身的缺陷，即假设未来状态只与当前状态相关，与其他历史状态相互独立。本发明方法保留了传统马尔可夫模型运算简单，速度快的优势的基础上，通过选择记忆单元大幅度提升了预测的精度，在速度远快于RNN预测模型的前提下，可以取的与一般RNN预测模型近似的预测精度。
-
公开(公告)号：CN112487822A
公开(公告)日：2021-03-12
申请号：CN202011215604.X
申请日：2020-11-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的跨模态检索方法。本发明步骤如下：步骤1：数据的预处理，对训练集的文本样本进行预训练；步骤2：设计网络结构模型；步骤3：训练网络；将训练集中的样本输入到编码器进行特征提取；步骤4：计算网络的损失函数；步骤5：对网络模型进行测试；将测试集的图像文本输入到训练好的模型，得到预测的图像文本的高级语义表示，通过计算得到的平均精度均值对模型进行评估。本发明不仅考虑了标签信息空间的损失，还考虑到了公共空间中两种模态下所有的样本的辨别力损失以及模态不变性损失。对比现有的方法，本发明方法在不同的数据下分别提高了0.01～0.06个指标。
-
公开(公告)号：CN112163111A
公开(公告)日：2021-01-01
申请号：CN202011040727.4
申请日：2020-09-28
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种旋转不变的图像语义信息挖掘方法，首先构建特征生成网络，通过ResNet‑50网络特征图谱的提取；通过主分支特征处理网络对特征图谱进行平均池化和降维处理；通过副分支特征处理网络挖掘旋转不变的图像语义描述符。将主分支特征处理网络得到的一个n维特征与副分支特征处理网络得到的多个n维特征进行特征拼接，得到增强的图像特征描述符。最后利用增强的特征描述符进行不同视角下图像的检索，进而实现地理目标定位。本发明提出一种环形分割策略，使得到的语义块不会受到拍摄方向的干扰，挖掘得到的语义块可以提高图像特征的区分性。
-
-
-
-
-
-
-
-
-
Search Results
297
records
(took 0.031 seconds)
