-
公开(公告)号：CN113868647B
公开(公告)日：2025-02-28
申请号：CN202111033151.3
申请日：2021-09-03
Applicant: 杭州电子科技大学
IPC: G06F21/56 , G06N3/0464 , G06F18/214 , G06F18/2411 , G06F18/2415
Abstract: 本发明公开了一种基于特征扩展CNN的网络未知威胁检测方法，针对很多网络未知威胁与已知威胁源自于同一家族，表现为样本特征相似的特点构建特征扩展CNN模型，首先在CNN网络每一层对原始数据卷积操作，得到原生特征图；再对原生特征图进行线性随机操作，得到扩展特征图；最后两者合并，得到原始数据的扩展重构数据，其维度低于原始数据的维度，实现数据的降维扩展重构。再基于浅层机器学习算法构建安全数据分类模型，实现对网络安全大数据中的未知威胁的检测。本发明提出的基于特征扩展CNN的网络未知威胁检测方法，生成的扩展重构特征，不仅实现了降维，还扩展了未知威胁的数据表征，实现了未知威胁高精准的检测，还降低了计算复杂度。
-
公开(公告)号：CN118736014A
公开(公告)日：2024-10-01
申请号：CN202410712856.5
申请日：2024-06-04
Applicant: 杭州电子科技大学 , 浙江华立智能装备股份有限公司
Abstract: 本发明公开一种基于点云的融合旋转对称性约束的目标位姿估计方法、系统、介质及产品，涉及位姿估计领域，方法包括：获取当前场景中目标物体的多个视角的RGB图像，采用SfM和MVS方法创建以目标物体为中心的稠密场景点云；采用混合高斯模型和RANSAC平面拟合方法提取目标物体点云，确定目标物体点云的初始位姿、每个点的最近邻点，定义初始变换矩阵，利用梯度下降算法对初始变换矩阵进行迭代优化得到最优变换矩阵；根据各最近邻点和最优变换矩阵对目标物体点云进行质量优化和初始位姿修正，得到目标物体点云的修正位姿作为目标物体的位姿估计结果。本发明能够在没有物体的3D模型的情况下对物体进行位姿估计并提高位姿估计的精度。
-
公开(公告)号：CN111626117B
公开(公告)日：2023-04-18
申请号：CN202010321347.1
申请日：2020-04-22
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , B25J9/16 , B07C5/00 , B07C5/36 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于目标检测的垃圾分拣系统及方法。本发明包括垃圾分类目标检测模型、机械臂、工业相机、服务器以及传送带；所述的垃圾分类目标检测模型由YOLOV3神经网络模型，通过带标注的数据集进行训练，然后再通过交叉验证集不断调试训练后的YOLOV3神经网络模型，用测试集测试调试后的最终模型，达到指标后的模型保即为垃圾分类目标检测模型。所述的带标注的数据集，使用图像采集设备，在垃圾处理站实地采集真实场景的垃圾图片，并对垃圾图片中的垃圾类别进行标注，标记为[x_min,y_min,x_max,y_max]以及该垃圾的类别classes_id。所述的服务器与机械臂、工业相机相连接后分别创建线程；本发明实现垃圾分拣生产线智能化、无人化的目标。
-
公开(公告)号：CN115937154A
公开(公告)日：2023-04-07
申请号：CN202211597866.6
申请日：2022-12-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于丰富特征的光场图像质量评价方法。本发明步骤如下：1：将数据集随机拆分成训练集和2测试集。对其中的光场图像通过固定表示角度信息的两个维度，转化成9×9的子孔径图像阵列。2：将每一张子孔径图像从RGB空间转换到HSV坐标上，提取亮度、色调和饱和度作为颜色信息特征。3：提取视差结构特征。4：获取图像角度纹理特征。5：将所有特征进行标准化，后拼接融合，利用基于遗传算法的支持向量模型(GA‑SVR)得到光场图像预测分数。本发明使用高维奇异值分解，减少了多张子孔径图像之间的信息冗余，提高了计算效率；同时将颜色信息特征、视差结构特征、角度纹理特征结合，更好地模拟人类视觉系统，对光场图像做出更加科学的评价。
-
公开(公告)号：CN114594030A
公开(公告)日：2022-06-07
申请号：CN202210208359.2
申请日：2022-03-04
Applicant: 杭州电子科技大学
IPC: G01N15/06
Abstract: 本发明公开了一种基于光线散射的油烟颗粒物检测传感器，包括不透光绝缘腔体、激光发射器和传感器控制板；六棱柱形状的腔体侧面设置有相互对称的进气口、出气口和在其他侧面的激光口；激光发射器垂直于腔体侧面安装在激光口上；传感器控制板设置在不透光绝缘腔体的顶面。本发明传感器避免了传统颗粒物传感器经常拆卸、易于损坏、成本较高等问题。本发明可以保持长时间稳定并正常工作，在采集到光电传感器合温湿度传感器的模拟电信号后，使用运算放大器对信号进行放大，保证了本发明了测量精度合灵敏度。单片机芯片对两个传感器采集并转换后的数字信号进行了均值滤波合卡尔曼滤波，避免了数据波动，保证了测量数据的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114593962A
公开(公告)日：2022-06-07
申请号：CN202210209005.X
申请日：2022-03-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种油烟监测自适应前端进气系统，包括气室，第一温湿度传感器，第二温湿度传感器，驱动电路，单片机，气泵，气体干燥装置，气体加热冷却装置，金属过滤网和警报器。气室为中心对称结构；气泵包括设置在进气口与第一温湿度传感器之间的进气泵和设置在第二温湿度传感器与出气口之间的出气泵；金属过滤网固定在气室内壁，气体干燥装置设置在气室中，气体加热冷却装置、单片机、警报器和驱动电路设置在气室外围。本发明通过PID控制算法自适应除湿，加热或冷却油烟，避免温度和湿度对后续的油烟检测探头的测试结果产生严重干扰。通过警报器报警可以得知系统发生错误，降低了餐厅因测试结果异常而造成的损失。
-
公开(公告)号：CN114299336A
公开(公告)日：2022-04-08
申请号：CN202111627628.0
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明公开了一种基于自监督学习与深度森林的摄影图像美学风格分类方法，首先构建并训练自监督特征学习模型，然后构建并训练深度森林模型，最后通过训练好的特征提取网络和深度森林模型完成摄影图像美学风格分类。本发明采用自监督特征学习模型进行预训练，充分挖掘美学特征，有利于深度森林模型更好寻找多标签摄影图像美学风格分类的最优解。深度森林模型在迭代训练过程中充分考虑了多标签之间的关联信息，提升多标签摄影图像美学风格分类的精度。
-
公开(公告)号：CN114140645A
公开(公告)日：2022-03-04
申请号：CN202111393879.7
申请日：2021-11-23
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进自监督特征学习的摄影图像美学风格分类方法，首先对AVA美学数据集进行预处理；然后建立改进自监督特征学习神经网络，用二分类的AVA美学数据集对改进自监督特征学习神经网络进行预训练；再提取出预训练完成的改进自监督特征学习神经网络的特征提取网络部分，并连接一个SoftMax分类器，建立分类网络模型；最后采用LSTM神经网络结构输出具体的数据增强策略，得到分类精度最佳的摄影图像美学分类模型。本发明采用改进自监督特征学习模型进行预训练，学习到更好的美学特征，从数据集中寻找最佳数据增强策略，得到最佳的摄影图像美学分类模型。
-
公开(公告)号：CN113409250A
公开(公告)日：2021-09-17
申请号：CN202110579200.7
申请日：2021-05-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络模型的焊点检测方法，首先采集PCB焊点数据集并对数据进行预处理，然后对数据进行标注、保存；然后基于计算机视觉，建立神经网络模型；最后利用焊点数据训练集对建立的神经网络模型进行训练，并使用焊点数据测试集对建立的模型进行测试。本发明方法改进了YOLOv3网络结构，通过5个不同尺度的特征检测层来检测焊点目标，提高了目标检测网络对小尺度目标的检测效果；卷积神经网络的损失函数由四部分组成，通过使用多损失函数进行约束可以在不同方面对结果进行优化，保证模型具有很高的精度；改进后的卷积神经网络模型在保证准确率的同时，能够达到实时检测，满足工厂实际生产需求。
-
公开(公告)号：CN113139580A
公开(公告)日：2021-07-20
申请号：CN202110309301.2
申请日：2021-03-23
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种集成的加权多数软投票的众包数据真值推理方法。本发明包括：步骤1、通过计算实例属于每一个类别的概率，复制K‑1个实例副本，从而转换为新的众包数据集用以训练弱分类器；步骤2、采用基于极大似然估计的方法聚合弱分类器；步骤3、引入工人在不同的实例上的不同的标注能力，采用基于相似度比较的方法计算工人权重；步骤4、采用加权软投票的方法聚合生成推理的标签。本发明不仅引入了实例的特征，还综合考虑了不同工人对于不同实例的标注能力，通过基于相似度比较预测标签和工人标签得到的权重来量化标注能力。提出基于工人权重的加权软投票的方法预测最后的标签。本发明提出的方法具有较强的可实施性。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.031 seconds)
