-
公开(公告)号：CN111353984A
公开(公告)日：2020-06-30
申请号：CN202010132818.4
申请日：2020-02-29
Applicant: 杭州电子科技大学
Abstract: 本发明一种自适应鲁棒的灰度图像中液位高精度检测方法。本发明针对瓶装产品的液面检测问题，首先灰度图像进行去噪、直方图均衡化处理、分段线性变换函数进行对比度拉伸，使用改进的边缘检测模板检测图像边缘，根据自适应的算法检测液面的高度，能自动确定图像中半瓶的情况，对图像中多个瓶装产品的液位高度都能进行很好的检测和确定，将液位边缘的下层高度减去瓶底边缘的上层高度，就可以精确的得到瓶中液体的高度，进而判断瓶装量是否达到要求。本发明采用的新的边缘检测算法保证了边缘的强度，效果更好，视觉体验更好，更能适应复杂的花境，本发明方法更加鲁棒、精度高，应用的场所更多。
-
公开(公告)号：CN111274491A
公开(公告)日：2020-06-12
申请号：CN202010044446.X
申请日：2020-01-15
Applicant: 杭州电子科技大学
IPC: G06F16/9536
Abstract: 本发明提供本发明一种基于图注意力网络的社交机器人识别方法。本发明方法基于图注意力网络，通过对社交网络上发布的内容进行自然语言处理构建节点特征，各社交账号之间的转发、评论关系来构建图，然后进行分类，从而判断出该账号是否为社交机器人。首先社交网络数据，进行数据集的创建，然后构建图注意力网络，通过创建的数据集进行图注意力网络的训练和测试。针对复杂的社交网络机器人识别问题，本发明方法能够自动高效的识别社交机器人，减少不法分子的可乘之机，从而限制机器人发布的言论，削弱不良社会舆论影响，有利于维护社会和谐稳定。
-
公开(公告)号：CN111178510A
公开(公告)日：2020-05-19
申请号：CN201911400731.4
申请日：2019-12-30
Applicant: 杭州电子科技大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的自适应分组卷积模块设计方法。本发明步骤如下：1：对全局特征进行加和求平均处理；2：通过全卷积操作将输入特征的通道数转换为指定大小的通道数，输出特征Ⅰ；同时通过全卷积操作将输入特征通道数不变，但大小改变的特征Ⅱ；3：将步骤2的特征Ⅰ作为softmax函数输入，得到一组概率分布；并按照此概率分布将原始输入特征和得到的卷积核进行分组；4：将分组后的原始输入特征通过分组后的卷积核进行特征提取；对完成特征提取的各个分组得到的特征通过通道拼接进行融合，且融合后的通道数与原始输入特征的通道数一致。本发明设计的模块在卷积神经网络对特征进行提取的过程中，能够自适应的将输入特征进行分组提取。
-
公开(公告)号：CN111127386A
公开(公告)日：2020-05-08
申请号：CN201910610718.5
申请日：2019-07-08
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图像质量评价方法，包括如下步骤：步骤1：提取结构性特征图；步骤2：提取自然性特征图；步骤3：提取自由能特征图；步骤4：根据每张图对应的所有特征图设计神经网络框架。计算图像梯度做为图像的结构性特征，其次基于自然性特性提取图像的归一化特性做为自然性特征，最后基于大脑的自由能原理，对输入图像和大脑对它的预测图像之间的差异做为图像的高级特征。在特征提取完之后，利用一组无失真图像学习出一个模型并利用该模型来预测图像的质量。失真图像的质量被定义为它的模型与学习到的无失真模型之间的距离。
-
公开(公告)号：CN111123197A
公开(公告)日：2020-05-08
申请号：CN201911332190.6
申请日：2019-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TDOA的目标辐射源定位方法。本发明定义相应的非视距传感器向量，根据接收到的时差参量对该非视距传感器向量进行初始化，以此对原时差参量进行更正。选取中间变量，构造目标辐射源TDOA伪线性估计模型，运用加权最小二乘估计，得到目标辐射源的位置估计。运用梯度下降算法迭代修正结果。最后，利用中间变量与目标位置估计坐标的关系，再次运用加权最小二乘估计给出最终的目标位置估计。本发明通过引入合适的中间变量，使得不易直接求解的目标辐射源TDOA量测方程转化为伪线性估计模型同时结合梯度下降算法，降低了对可能存在非视距误差对定位性能的影响。最后进一步优化了位置坐标的最终解。
-
Patent Agency Ranking
公开(公告)号：CN110929562A
公开(公告)日：2020-03-27
申请号：CN201910969167.1
申请日：2019-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进Hough变换的答题卡识别方法。本发明步骤如下：步骤1、图像预处理，对已获取的答题卡图像进行预处理的操作，主要包括对图像的归一化处理、平滑处理、灰度处理和二值化处理；步骤2、进行倾斜校正，基于改进的Hough变换算法进行直线检测，然后根据所定位的特征直线的位置计算倾斜的角度，再将图像旋转至竖直位置，得到校正后的答题卡的二值图像；步骤3、区域分割，对校正后的答题卡的二值图像进行形态学滤波后进行分割；步骤4、进行目标识别，根据区域分割的划分结果，对答题区域进行标记操作，同时检测答题的结果。本发明降低了对答题卡识别机器的要求，克服了光电阅卷必须使用专用设备的缺点，进而降低了成本。
-
公开(公告)号：CN110909594A
公开(公告)日：2020-03-24
申请号：CN201910968451.7
申请日：2019-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度融合的视频显著性检测方法，本发明方法包括深度特征提取网络、深度特征融合网络和显著性预测网络。模型的输入是当前帧图像和光流图像。首先，深度特征提取网络提取多级深度特征，产生深度空间特征和深度时间特征。然后，采用注意力模块分别强化学习两个分支中每级产生的深度特征，深度特征融合网络分级方式融合多级深度特征。将融合得到的深度特征与边界信息相结合并显著性预测网络进行预测，产生当前帧的最终显著性图。本发明方法提供的网络模型可以充分有效地利用空间信息和时间信息来实现对视频中显著性目标的预测。
-
公开(公告)号：CN110889174A
公开(公告)日：2020-03-17
申请号：CN201910988558.8
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06F30/17
Abstract: 本发明提供一种基于分组稀疏性的动态载荷识别方法。本发明的方法首先将动载荷识别的三维问题转化为二维问题，然后选择合适的惩罚函数，并对结构上的点按位置进行分组。最后使用G-FISTA方法优化求解，得到最优的动态载荷向量。本发明所述的方法，对于不便于直接安装力传感器测量动载荷的情形，是非常有帮助的。只需测量结构上几个点的振动加速度，在已知结构频响函数的前提下，即可间接获得结构上的动载荷。
-
公开(公告)号：CN110866952A
公开(公告)日：2020-03-06
申请号：CN201910988088.5
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于深度图编码的重定位与回环检测方法。本发明利用RGB-D相机拍摄出来的深度图,结合所估计的相机位姿来辅助判断回环检测和重定位，即用随机蕨编码的方法对深度图进行编码，比较当前帧深度图与历史关键帧深度图的编码相似性，同时利用两帧图像所估计的相机位姿比较拍摄两帧图像时相机的空间位置相似性，通过当前帧与历史帧的编码相似性与空间位置相似性从而判断相机是否回到了之前到过的区域。本发明在原有的建立在彩色图像的方法上结合新型传感器所带来的深度信息，提供更加稳定的重定位和回环检测效果。并且对图像进行了编码，避免了考虑整幅深度图的信息，大大减小了计算量。同时还考虑了相机位姿，避免了判定结果假阳性的问题。
-
公开(公告)号：CN110675327A
公开(公告)日：2020-01-10
申请号：CN201910711597.3
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核范数与图模型的图像去噪方法。本发明在探索图像的自相似特性时引入了图模型，图的构造方法借鉴了图论知识，提出了基于学习的图模型构造方法，通过使用动态规划方法构造出适合于每个图像块的图模型，图的表达采用了图拉普拉斯矩阵；在探索图像的低秩特性时引入了核范数，核范数是低秩的最优凸近似，主要采用奇异值分解的方法进行求解。同时，本发明还引入了增强拉格朗日乘子法将联合方程分解成子问题进行求解，起到了凸优化的作用。在本发明的最后，为更进一步优化去噪结果，引入了总体的正则化迭代方法，此方法能将误差进行回传操作优化。
-
-
-
-
-
-
-
-
-
Search Results
616
records
(took 0.036 seconds)
