-
公开(公告)号：CN114418872B
公开(公告)日：2025-04-11
申请号：CN202111627418.1
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于mGANprior的真实图像美感增强方法，对于待增强美感的真实图像，选择对应类型的PGGAN预训练生成模型，并确定需要增强的美感效果类型；使用级联分割模块方法对真实图像进行语义分割；使用mGANprior方法得到逆映射的图像；根据需增强的美学风格，对真实图像与逆映射的图像做对应的退化变换并计算损失，通过梯度下降优化得到最终的隐向量与图像美学风格增强后的图像Ienh；本发明方法实现了真实图像的美感增强，既最大程度的保留图像的原有信息，又对图像进行了可控的美学风格修改，本发明依据美学因素提出一种退化变换的损失函数，可以在真实图像上生成具有美感的模糊效果。
-
公开(公告)号：CN112508973B
公开(公告)日：2024-10-18
申请号：CN202011118130.7
申请日：2020-10-19
Applicant: 杭州电子科技大学
IPC: G06T7/12 , G06T7/155 , G06T5/30 , G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的MRI图像分割方法。本发明先利用图像数据增强、提取技术，对数据进行扩容，利用形态学的方法，得到前列腺边缘的标签。然后在U‑Net网络基础上加入IBN模块，把maxpool层改成stride conv层，采用2D和3D卷积结合的方法，作为编码部分；在解码部分中，采用两个解码器，其中一个解码器进行前列腺整体的分割预测，另一个解码器进行单独的前列腺边缘的预测。本发明采用了IN和BN相结合的策略，使得模型泛化能力得到加强。同时，把原本下采样的maxpool层改成stride conv层，使得模型保留图像细节信息的能力得到加强，使得分割的结果更加精细。采用2D和3D卷积相结合的做法进一步提高模型的精度。
-
公开(公告)号：CN114299588B
公开(公告)日：2024-05-10
申请号：CN202111654265.X
申请日：2021-12-30
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于局部空间转换网络的实时目标编辑方法，首先获取高分辨率图像并制作训练数据集和测试数据集，然后通过掩码转换网络获取目标掩码的仿射变换矩阵，并实现目标图像的采样再使用空洞修复网络修复图像空洞，最后通过获得的数据集训练并测试掩码转换网络和空洞修复网络。本发明MTN专注于掩码学习，可使用与业务无关的数据集训练网络模型，降低了构建数据集的成本和模型的训练成本，完成目标编辑任务的同时解决了传统深度学习方法中图像空洞的出现问题。
-
公开(公告)号：CN114283083B
公开(公告)日：2024-05-10
申请号：CN202111580516.4
申请日：2021-12-22
Applicant: 杭州电子科技大学
IPC: G06T5/60 , G06T11/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于解耦表示的场景生成模型的美学增强方法，首先选取一个StyleGAN的场景生成模型，得到隐向量矩阵Z和对隐向量矩阵Z做非线性变换产生的隐向量矩阵W；然后训练图像美学评价模型和图像美学风格模型，得到预测评分S；利用隐向量矩阵W以及预测评分S训练SVM分界面；对所选StyleGAN场景生成模型进行生成图像美学增强。本发明通过训练不同的美学预测器，对GAN生成网络中潜在的美学神经元进行解耦和操控，从而实现生成图像美学属性的可编辑，通过对隐空间进行语义编辑改变图像美学属性的方式，避免了对GAN模型结构的改动以及GAN的重新训练与调优，从而极大的缩短训练时间、减少所需资源。
-
公开(公告)号：CN117894067A
公开(公告)日：2024-04-16
申请号：CN202311730776.4
申请日：2023-12-15
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/09 , G06N3/048 , G06N3/047 , G06N3/042
Abstract: 本发明公开了一种基于Transformer与LSTM知识共享网络的动态手势识别方法。首先获取动态手势数据集，应用不同的数据增强方法增加样本数量，得到数据增强后的数据集；之后将数据增强后的数据集中的数据输入Transformer子网络和LSTM子网络分别提取手势序列特征；将手势序列特征直接或融合输入对应分类器，得到对应的离散概率分布；最后输出类别决策，并进行知识共享和监督训练；本发明通过Transformer和LSTM来提取手势序列数据的特征，在理解序列关系的同时能够充分运用手势数据的树状结构。并且使用了知识共享的方法分享分类器中的参数信息，使得分类结果具有更高的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117834290A
公开(公告)日：2024-04-05
申请号：CN202410031036.X
申请日：2024-01-09
Applicant: 杭州电子科技大学
IPC: H04L9/40 , H04L67/1095 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种非均匀高斯分布下的网络攻击联邦检测方法及系统，该方法首先在客户端采集网络数据和攻击数据构建数据集，获取数据集的分布信息发送到中央服务器。然后中央服务器构建CNN‑Attention神经网络模型并初始化，将初始化全局模型参数下发到各个客户端。然后在客户端构建基于CNN‑Attention神经网络模型的本地模型，使用本地数据集进行训练，并输出网络攻击的检测结果，再将本地模型参数保存成数组发送到中央服务器；最后在中央服务器，接收各个客户端的本地模型参数，对全局模型进行更新，并同步到客户端。本发明对网络数据具有较好的表征能力，对攻击流量具有较高的检测能力。
-
公开(公告)号：CN117612703A
公开(公告)日：2024-02-27
申请号：CN202311579700.6
申请日：2023-11-24
Applicant: 杭州电子科技大学
IPC: G16H50/20 , G16H50/70 , G16H10/60 , G16H15/00 , G06F18/2431 , G06F18/2415
Abstract: 本发明公开了一种基于医学检验指标的糖尿病视网膜病变分类方法，包括如下步骤：S1、患者数据采集和预处理：从医学机构的数据库中获取与糖尿病视网膜病变有关的患者的电子病历和化验报告，从电子病历和化验报告中提取DR相关的检验指标；S2、遍历所有患者及其检验指标，使用基于检验指标间隔的相似度计算方法，得到所有患者之间的检验指标相似度权重，构建三元组 ，进而构建无向加权图G。S3、构建两层GCN的多分类预测模型，输入S2中患者群体图G的特征矩阵H与邻接矩阵A，对分类预测模型进行训练；S4、在实际应用中，输入一名待分类患者的电子病历信息和检验指标数据到S3中训练好的GCN模型，可得到患者DR分类情况概率。
-
公开(公告)号：CN117522813A
公开(公告)日：2024-02-06
申请号：CN202311485313.6
申请日：2023-11-09
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于ViT进行空域和频域特征融合的光场图像质量评价方法。本发明包括如下步骤：步骤S1：对光场图像进行预处理；步骤S2：对预处理后的光场图像，提取空间‑角度信息和频域‑角度信息并进行融合，得到融合特征图；步骤S3：将融合特征图输入到小样本Transformer编码网络提取失真特征；步骤S4：将得到的失真特征送入分数预测模块，得到客观质量评价分数。本发明提取米字型光场子孔径图像，并将每个方向的子孔径图像拆分成三个堆栈分别输入，在尽可能提供更多的光场角度信息的同时，控制了模型计算的复杂度。本发明使模型能够获取融合了空域、频域以及角度的特征信息。丰富的特征信息有利于模型对失真特征的提取。
-
公开(公告)号：CN114301667B
公开(公告)日：2024-01-30
申请号：CN202111617202.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于WGAN动态惩罚的网络安全不平衡数据集分析方法，针对不平衡数据集中的少类样本构建WGAN模型。在判别器损失函数中添加一项惩罚项，约束损失函数的梯度范数，惩罚项在真实数据分布上叠加一个随机分布作为过渡分布，惩罚项的系数为真实分布与生成分布之间的均方距离。在模型训练过程中，两个数据分布之间的均方距离不断变化，即对判别器损失函数的惩罚是动态更新的，有助于提高模型训练的稳定性和效率。本发明提出的基于WGAN动态惩罚的网络安全不平衡数据集分析方法，通过生成大量少类样本，与原始样本融合，实现数据集的平衡。在基于浅层机器学习算法对数据分类时，实现对原始少类数据的高效正确检测。
-
公开(公告)号：CN117408900A
公开(公告)日：2024-01-16
申请号：CN202311342526.3
申请日：2023-10-17
Applicant: 杭州电子科技大学
IPC: G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于注意力生成对抗网络的图像和谐方法。首先获取训练需要的图像数据集，然后进行基于注意力生成对抗网络的图像和谐理论建模，构建图像和谐模型；训练基于注意力生成对抗网络的图像和谐模型得到的图像和谐模型权重；最后经过训练的图像和谐模型接收需要进行图像和谐的图片，完成和谐处理后将图片输出。本发明创新的提出了一种基于自注意力的模块，使全局鉴别器能够在不同区域上关注不同的特征，从而更好地判断输入图像的真实性；使得生成器更好和谐前景与后景的特征。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.034 seconds)
