-
公开(公告)号：CN110674333A
公开(公告)日：2020-01-10
申请号：CN201910712046.9
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多视图增强深度哈希的大规模图像高速检索方法。本发明包括如下步骤：步骤1获取图像多视图特征表示；步骤2计算视图关系矩阵；步骤3设计模型的损失函数；步骤4融合与增强；步骤5对搭建好的模型在大规模图像训练数据集上进行训练；步骤6对训练好的模型进行测试，生成哈希码，然后进行哈希检索；步骤7实验评估指标。本发明中汉明半径的扩展对结果的影响较小；且随着代码长度的增加，精度保持稳定。
-
公开(公告)号：CN110647906A
公开(公告)日：2020-01-03
申请号：CN201910711605.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Faster R-CNN方法的服饰目标检测方法。本发明步骤如下：步骤1、数据集准备；步骤2、构造Faster R-CNN算法框架；步骤3、用K-Means聚类算法对包围盒尺寸重新设；步骤4、用训练集A训练该服饰检测模型；步骤5、用余下测试集测试模型性能。本发明加快了检索速度。本发明引入了K-Means聚类算法，让区域框与实际服饰的尺寸大小更为相近，提高速度的同时，对识别的精读也有一定的提高。
-
公开(公告)号：CN110633628A
公开(公告)日：2019-12-31
申请号：CN201910711616.2
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人工神经网络的RGB图像场景三维模型重建方法。本发明使用人工神经网络模型对输入的图像进行处理，识别得到场景的二维拓扑结构和场景中物体的类别和形状，进一步对神经网络输出的特征图进行优化，该优化分为拓扑结构优化和物体识别优化两个模块进行；随后使用该信息迭代计算得到三维模型的参数，包括平面到相机中心距离、平面法向量；使用OpenGL进行三维模型渲染，利用原输入图像中的像素颜色对重建得到的三维平面进行颜色渲染，得到更接近输入图像中场景的三维模。本发明使用单目的RGB信息还原三维信息，减少硬件成本，使用优化算法求解得到场景中拓扑平面和构成物体平面的法向量和到相机中心距离。
-
公开(公告)号：CN110399518A
公开(公告)日：2019-11-01
申请号：CN201910520136.8
申请日：2019-06-17
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06F16/9032 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积的视觉问答增强方法。本发明包括以下步骤：步骤1、分别提取图片和问题的特征表示；步骤2、提取基于问题生成的图片中各目标之间的关系；步骤3、将带有问题信息的图片生成为graph，并且为每个顶点挑选最相关的目标，为每个顶点生成新的特征表示之后，对graph进行最大池化和分类。本发明利用GCN网络和图片中物体之间的关系来探索高层次语义，对视觉问答技术有较大意义。
-
公开(公告)号：CN110388926A
公开(公告)日：2019-10-29
申请号：CN201910629743.8
申请日：2019-07-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于手机地磁和场景图像的室内定位方法。本发明包括如下步骤：步骤1、离线采集地图室内地图指纹信息；步骤2、步长推测模型：对用户的步长和行走方向进行推测；步骤3、测量模型：利用卷积神经网络对场景地图提取出深层信息；步骤4、利用适应的粒子滤波算法来追踪位置轨迹；本发明不需要搭建基础设施，只需要现在人人都使用的智能手机。关于地磁和场景图片都可以用智能手机自带的传感器测量。本发明利用了地磁和场景图片各自的优点，为室内定位带来更好的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110364223A
公开(公告)日：2019-10-22
申请号：CN201910548286.X
申请日：2019-06-24
Applicant: 杭州电子科技大学
IPC: G16B30/00
Abstract: 本发明公开冷链一种基于多示例学习的IRES序列搜寻方法。本发明以经过实验验证过的含IRES的序列为正样本，未含IRES的序列为负样本，以多示例学习为框架，通过对正负样本组成的数据集进行训练，获得一个有效的IRES预测估计模型。本发明可以快速高效的判断细胞mRNA中是否存在IRES序列以及存在的大致位置。本发明针对mRNA中IRES序列验证的生物实验较为复杂且人力、物力成本消耗过高的问题。本发明可以对mRNA序列是否存在IRES序列进行快速判断，并预估其大概所在位置，从而可使相关科研工作者优先对大概率存在IRES序列的mRNA片段进行生物实验验证，以提高工作效率，减少工作强度。
-
公开(公告)号：CN110363204A
公开(公告)日：2019-10-22
申请号：CN201910548683.7
申请日：2019-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多任务特征学习的对象表示方法。本发明的方法，在终端采用深度神经网络对特征进行提取，减少了传输视频的数据量，加快了传输速度，减少了存储空间占有量；在云端由计算机进行对象的分析和恢复，减少了人力成本的投入，同时提高了事件处理效率；且能够实现多个任务同时进行，联合优化的效果。本发明本发明采用人工智能神经网络方法，通过对原视频图像进行特征提取，减少传输数据量，再通过特征计算，实现智能分析，并且利用转置卷积技术，实现图像的还原，大大提高了事件的处理速度，并节省了资金。
-
公开(公告)号：CN119888166A
公开(公告)日：2025-04-25
申请号：CN202411802659.9
申请日：2024-12-09
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/143 , G06V10/80 , G06V10/94 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于特征融合增强的三模态显著性目标检测方法，该方法首先对三模态显著目标检测数据集中的训练集和测试集，分别进行预处理。其次构建基于特征融合增强的三模态显著性目标检测网络。最后将预处理后的训练集图像输入三模态显著性目标检测网络中，生成与输入图像同尺寸的预测图；再使用损失函数进行损失计算，通过反向传播进行优化，并通过预处理后的测试集图像进行测试。本发明提高了多模态显著性目标检测的精度，增强了多模态信息之间的互补性和全局感知能力。
-
公开(公告)号：CN114972364B
公开(公告)日：2025-04-25
申请号：CN202210550464.4
申请日：2022-05-18
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结直肠息肉图像分割方法。首先获取结直肠息肉分割数据集；进行数据预处理；再构建基于深度学习的结直肠息肉图像分割模型；通过训练集对构建好的基于深度学习的结直肠息肉图像分割模型训练，对每一级预测结果使用结构损失函数进行监督学习，并且将最后一级的预测结果作为最终的预测结果；本发明基于深度学习来构建结直肠息肉图像分割模型，对结直肠息肉分割图像的特征进行精确提取并且细节保留完整，利用显著性目标检测中效果较好的结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对结直肠息肉图像的精确分割。
-
公开(公告)号：CN119091273A
公开(公告)日：2024-12-06
申请号：CN202411098079.6
申请日：2024-08-12
Applicant: 杭州电子科技大学
IPC: G06V10/82 , G06V10/40 , G06V10/44 , G06V10/80 , G06V20/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的遥感图像显著目标检测方法，该方法首先获取光学遥感图像，构建。其次编码阶段，数据集数据通过构建骨干网络提取多级特征。然后通过空洞卷积构建高级语义信息处理模块GFM，基于多级特征，得到语义特征，并构建边缘提取模块EEM，提取边缘特征。最后在解码阶段，基于多级特征进行解码，并构建信息融合模块EFM，结合语义特征和边缘特征进行特征融合，输出目标检测结果。本发明能够更好的利用高级语义信息和边缘信息，得到准确的显著目标检测结果。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.032 seconds)
