-
公开(公告)号：CN111612046A
公开(公告)日：2020-09-01
申请号：CN202010355030.X
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种特征金字塔图卷积神经网络及其在3D点云分类中的应用。本发明通过对图卷积网络提取到的多种不同尺度的特征信息进行特征提取，在网络进行特征提取的过程中，不同深度的网络提取出的信息会有不同，通过对多种尺度可以更充分的使用网络中的特征信息，提高网络的效果。同时本发明通过深层残差图网络结构对特征进行进行提取，并构建了一种特征金字塔结构，在网络进行预测结果的以后充分的使用多种层次的特征信息，通过这种方法使得网络在进行3D点云分类的时候拥有更好的效果，同时该结构还能运用到其他任务重，本发明可以充分的利用图网络中提取的数据关系信息，提高图网络对数据的关系处理能力，提高在点云分类等图数据中的能力。
-
公开(公告)号：CN111611880A
公开(公告)日：2020-09-01
申请号：CN202010364742.8
申请日：2020-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络无监督对比学习的高效行人重识别方法。本发明步骤：步骤1：准备行人重识别模型训练的数据集；步骤2：选择具有较强特征提取能力的卷积神经网络作为无监督对比学习模型的主干网络，无监督对比学习模型中的对比学习以特征向量为出发点，即对无监督对比学习模型提取的特征向量进行约束，按照损失函数的方式，利用优化器和反向传播的原理实现对无监督对比学习模型的网络参数的修正；步骤3：将训练图片的特征向量存入缓存区；步骤4：通过量化指标进行量化评估。本发明使用有标数据和无标数据同时训练，即保障模型较高的准确度，实现模型易训练的特点，又能有较好的模型扩展性，对新环境的新样本有更好的扩展性。
-
公开(公告)号：CN111462384A
公开(公告)日：2020-07-28
申请号：CN202010355490.2
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于树莓派和嵌入式系统的小型门禁系统。本发明系统包括树莓派、USB摄像头、LCD液晶显示屏、Arduino板以及超声波测矩模块、舵机、供电模块；所述的树莓派中部署有门禁程序，通过与树莓派连接的USB摄像头和超声波测距模块采集待检测人员的图像信息和距离信息，判断待检测人员是否为用户，所述的Arduino板与舵机连接，通过基于Arduino的嵌入式系统控制安装在门锁上的舵机实现开关门锁；树莓派连接Arduino板，发送开关指令；树莓派连接LCD液晶显示屏发送显示内容；所有模块均由供电模块供电。本发明相对于市面上的面部识别门禁，成本低廉，安装简便并且适用于几乎所有门锁。对学校宿舍等场所进行改造十分方便经济。
-
公开(公告)号：CN110533068B
公开(公告)日：2020-07-17
申请号：CN201910660942.5
申请日：2019-07-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于分类卷积神经网络的图像对象识别方法。本发明先设计提取图像中对象位置和类别信息的分类卷积神经网络模型，删除最后一次下采样操作和全连接层，增加一层通道数为分类类别数的卷积操作，对新加卷积操作的输出特征进行局部峰值搜索，然后经过滤波得到特征图中各个通道上的峰值点，求出各通道峰值点的均值并作为类别预测分数；接着在分类数据集上进行训练，使得设计的分类网络中的参数不断得到更新学习；最后用训练完的模型进行测试，利用最后一层卷积层输出的特征和分类网络预测的类别来获得图像中对象的位置和类别信息。本发明使用标注成本较低的分类数据集且训练成本较低，便能预测出图像中对象显著性的位置和类别信息。
-
公开(公告)号：CN111242841A
公开(公告)日：2020-06-05
申请号：CN202010043890.X
申请日：2020-01-15
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于语义分割和深度学习的图片背景风格迁移方法。本发明首先选择内容图片和风格图片并进行图片预处理；然后通过ResNet网络由内容图片和风格图片直接计算的到一张相对比较接近结果的图片；然后通过VGG-19网络获得风格约束和内容约束，根据损失函数进行梯度下降，通过多次迭代的方式获得背景风格迁移结果，最后将迁移结果放回图片上。本发明速度提高了上百倍，可扩展性强，对局部区域进行风格迁移，保留了图像主体内容，以达到突出主体，增强图像艺术表现力的效果，代码易读性和可移植性强。
-
Patent Agency Ranking
公开(公告)号：CN111241733A
公开(公告)日：2020-06-05
申请号：CN202010015780.2
申请日：2020-01-07
Applicant: 杭州电子科技大学
IPC: G06F30/23
Abstract: 本发明提出一种基于FPGA平台的优化有限元算法的方法。本发明利用并行运算来代替串行运算，并用梯度法优化求解计算复杂度。本发明首先对未知场域场域进行单元剖分，进而对每个单元进行分析，用有限个自由度、由单元插值函数拼接而成的近似解来逼近无限个自由度的精确解，然后将这一过程在FPGA上完成。利用其并行运算的特性来缩短大规模矩阵运算带来的长时间等待。本发明针对复杂的有限元算法得出整体离散化剖分方法以及求解单元的近似定解条件使得适合在微处理器上运行，并利用matlab coder功能将matlab语言转换为C语言使其能够在FPGA内核下运行，利用FPGA并行运算的特性以及梯度法大大减少运算时间，提升有限元算法运算效率。
-
公开(公告)号：CN111191729A
公开(公告)日：2020-05-22
申请号：CN201911425234.X
申请日：2019-12-31
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提供一种基于多模态特征融合的三维对象融合特征表示方法。本发明将三种模态的三维模型特征表示，都做了一个非常细致的实现和复现：三维模型的多视图特征表示、点云特征表示以及网格特征表示。对多模态三维数据进行了处理、增强和融合，并基于此提取出了三维对象的融合特征表示。本发明能实现非常优秀的多模态信息融合，实现更加鲁棒的三维模型特征表示，供给其他三维对象任务使用。
-
公开(公告)号：CN111127587A
公开(公告)日：2020-05-08
申请号：CN201911299146.X
申请日：2019-12-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于对抗生成网络的无参考图像质量地图生成方法。本发明在生成网络部分采用8个下采样和8个上采样的U-net网络框架；在判别网络部分采用分类网络；在损失函数部分采用判别器的交叉熵加L1范数损失的方式；最后迭代训练出一个生成网络模型，通过该生成网络模型获取输入失真图的相似图，通过相似图，得到对应的质量分数。本发明无参考质量评价。通过使用训练好的神经网络框架，在没有自然图像的条件下对失真图像进行质量评价。解决了有权重问题的相似图的质量分数计算问题。基于对抗生成网络和U-net，更有效的实现了图到图的转换和迁移。实验结果在图到图的实现中有较好的结果，且模拟到的质量分数和真实的质量分数有强烈相关性和较小误差。
-
公开(公告)号：CN111127490A
公开(公告)日：2020-05-08
申请号：CN201911414686.8
申请日：2019-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明是一种基于循环残差U-Net网络的医学图像分割方法。本发明在深度残差模型、循环卷积网络和U-Net模型基础上，提出了两种分别加入了循环卷积单元的U-Net和循环残差卷积操作的U-Net的分割模型。本发明引入了循环卷积单元和残差卷积单元，较好的解决了分割任务中数据缺乏和分类不平衡的问题。由于循环结构和残差结构只是从结构上改变了网络，并没有增加额外的参数，在分割任务上表现出更好的性能。循环和残差的操作并没有增加网络参数的数量，对训练和测试性能有显著性提高。
-
公开(公告)号：CN110942430A
公开(公告)日：2020-03-31
申请号：CN201910951860.6
申请日：2019-10-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种提高TOF相机对运动模糊鲁棒性的方法。本发明步骤如下：1、利用深度传感器的双电容在一个积分时间内采集到的4个电容值Q1～Q4进行模糊检测；Q1～Q4分别为控制信号C1～C4在积分时间内收集到的电荷值；由于四相控制信号C1～C4相位差为90°，若没发生运动模糊，则需满足Q1+Q2＝Q3+Q4；2、若检测到的电容值满足Q1+Q2＝Q3+Q4，则使用Q1～Q4进行步骤5的深度计算；反之进入步骤3；3、通过反射回来的红外信号的斜率，并比较Q1+Q2和Q3+Q4的大小，得到由于运动模糊导致相位混合而错误的一对电容值；4、根据结果分别进入对应的电容值替换器，通过另一对正常电容值替换错误电容值进行后续的深度计算；5、使用Q1～Q4和三角函数进行深度计算。本发明简单快速且不会丢失任何原始深度图像细节。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.037 seconds)
