-
公开(公告)号：CN112802057A
公开(公告)日：2021-05-14
申请号：CN202011363738.6
申请日：2020-11-27
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于旋转自适应卷积网络的视觉跟踪方法。本发明具体步骤包括搭建VGG19网络，在VGG19网络中搭建旋转自适应模块，获得基于旋转自适应模块的视觉跟踪网络模型，最后在公开数据集OTB2015上对旋转自适应卷积网络模型进行实验。由于多数跟踪算法一般只对跟踪目标的位置和尺度进行预测，而忽略了目标对象在跟踪过程中可能发生了旋转。针对现有视觉跟踪方法的不足，本发明利用卷积网络能快速提取目标丰富的层次特征(包括浅层特征和深层特征)，并添加旋转自适应模块来增强跟踪器应对目标旋转变化的稳定性，从而进一步提升跟踪算法的准确性和鲁棒性。此外，本发明提出的旋转自适应模块，为各类目标跟踪方法提供一种鲁棒的目标旋转位置估计方法。
-
公开(公告)号：CN112052190A
公开(公告)日：2020-12-08
申请号：CN202010913153.0
申请日：2020-09-03
申请人： 杭州电子科技大学
摘要： 本发明属于固态硬盘数据存储技术领域，具体涉及一种基于布隆过滤器和二级LRU(Least Recently Used)表的固态硬盘热数据识别方法，主要通过布隆过滤器和二级LRU表级联实现；布隆过滤器用来将输入的请求逻辑页号筛选掉冷数据，得到粗热数据；二级LRU表用来进行冷热判断从粗热数据中精确识别出热数据，从而将冷数据和热数据区分。本发明将两种识别算法的优势相结合，弥补对方的不足；此外，二级LRU表与固态硬盘闪存转换层的地址映射模块相结合，并无额外开销。总体上能够综合考虑数据访问的频率以及时间特性，针对不同类型的负载都能有效提升热数据识别准确率。
-
公开(公告)号：CN105047012B
公开(公告)日：2017-12-08
申请号：CN201510410322.8
申请日：2015-07-13
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于RFID标签的智能车库引导及取车导航系统及方法。本发明包括入口取卡子系统、岔口方向指示子系统、车位控制子系统、数据库服务器子系统；入口取卡子系统安装在车库入口处，包括入口显示模块、摄像头模块、入口控制器和取卡模块；岔口方向指示子系统安装在车库内部道路岔口处，包括RFID阅读器、岔口显示模块和岔口控制器；车位控制子系统安装在车位处，包括智能车位锁、车位检测模块、车位显示模块和车位控制器；数据库服务器子系统安装在车库机房PC机上，包括主控模块和数据库。本发明能够快速有效地完成了停车引导以及取车导航，并且极大地提高了整个停车场的管理效率，节省了大量的时间和资源。
-
公开(公告)号：CN107423229A
公开(公告)日：2017-12-01
申请号：CN201710156124.2
申请日：2017-03-16
申请人： 杭州电子科技大学
IPC分类号： G06F12/02 , G06F12/06 , G06F12/123
摘要： 本发明公开了一种面向页级FTL的缓冲区改进方法。本发明步骤如下：1、将RAM分成请求类型区分模块、随机请求处理区模块和连续请求处理区模块；2、请求类型区分模块判断到达请求的类型，且交由相应的请求处理区模块处理；3、若请求的数据页在RAM时，则立即得到服务。服务时，需判断请求的读写类型，若是写请求，则在缓冲区中进行数据覆盖实现更新；反之，则直接从缓冲区中读取数据。4、连续请求处理模块中的数据页被二次访问时，则将该数据页加载到随机请求处理区模块中。5、当随机请求处理区模块满时，根据LRU策略以簇为单位剔除；当连续请求处理区模块满时，根据FIFO策略以簇为单位剔除。本发明有着很好的实用性和应用前景。
-
公开(公告)号：CN112464910B
公开(公告)日：2024-09-27
申请号：CN202011510258.8
申请日：2020-12-18
申请人： 杭州电子科技大学
IPC分类号： G06V20/58 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/045
摘要： 本发明公开了一种基于YOLO v4‑tiny的交通标志识别方法，首先采集交通标志数据集，然后对初始样本交通标志数据集进行数据增强操作，并划分成训练集、验证集、测试集；针对训练集中的真实目标框以交并比为指标聚类出6个不同大小的先验框尺寸，在YOLO v4‑tiny框架中嵌入通道注意力机制和空间注意力机制，得到YOLO v4‑tiny‑CBAM网络模型；通过训练集训练网络模型并通过验证集进行验证，最后通过测试集测试网络模型的性能。本发明方法在YOLO v4‑tiny轻量型网络中引入了通道注意力和空间注意力机制，泛化能力更强、识别精度更高。
-
公开(公告)号：CN117611633A
公开(公告)日：2024-02-27
申请号：CN202311600206.3
申请日：2023-11-28
申请人： 杭州电子科技大学
IPC分类号： G06T7/246 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于多尺度特征融合与增强的多目标跟踪方法及系统，属于目标跟踪技术领域。该方法中通过每次输入相邻的两个视频帧进入共享参数权重的主干网络进行特征提取，然后经过多尺度特征融合进行特征更精细的表达后，通过视觉特征增强同时获取目标局部以及全局依赖，最后通过预测部分的目标分类分支、ID确认分支以及框回归分支对目标进行不同目标的区分以及同一目标的关联。本发明通过对多尺度特征融合与增强，提升了目标跟踪的性能，实现了较好的目标跟踪效果。
-
公开(公告)号：CN112770115B
公开(公告)日：2024-02-20
申请号：CN202011561933.X
申请日：2020-12-25
申请人： 杭州电子科技大学
IPC分类号： H04N19/11 , H04N19/593 , H04N19/186 , H04N19/149
摘要： 本发明公开一种基于方向梯度统计特征的快速帧内预测模式决策方法，包括步骤：S1、在离线阶段，从N个类型的视频序列中提取训练实例，以组成训练数据集；S2、在离线阶段，利用训练数据集提取编码块CU的特征向量X＝{SOG,xQstep}和对应的类别标签y，计算局部区域的梯度方向并进行统计，以此作为该局部区域的特征，并将训练数据集划分成训练集、验证集、测试集；S3、在离线阶段，训练各不同大小编码块CU的SVM离线模型；S4、在在线阶段，提取当前待编码块CU的特征向量，并将其输入到步骤S3训练好的对应的SVM模型中，并通过SVM模型预测待编码块CU是否选择Planar模式。本发明在保证视频质量基本不变的前提下，有效地降低了VVC帧内编码时间和复杂度。
-
公开(公告)号：CN104778509A
公开(公告)日：2015-07-15
申请号：CN201510156460.8
申请日：2015-04-03
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于加密二维码标签的新型快递管理系统。所述系统由加密二维码生成软件，智能手机应用软件、本地数据库和服务器构成。货物发货时，加密二维码生成软件将货物信息加密后以加密二维码的形式标识到货物包装物表面；货物运递时，加密二维码标签通过智能手机扫描后，应用软件自动读取二维码标签中的信息，通过网络自动更新到本地数据库，方便物流管理，当物流信息变更后，服务器自动发送短信通知收货人；货物配送时，智能手机应用软件利用货物地址信息和百度地图为快递员提供一条最佳的送货路径。本发明在物流行业中，可以提高工作效率，提升收件人对购物和物流满意程度，因此该系统在物流应用中具有很好的安全性、实用性和应用前景。
-
公开(公告)号：CN112714314B
公开(公告)日：2022-07-26
申请号：CN202011586141.8
申请日：2020-12-28
申请人： 杭州电子科技大学
IPC分类号： H04N19/14 , H04N19/96 , H04N19/119 , H04N19/186 , H04N19/176
摘要： 本发明公开一种多类型树结构块划分模式抉择提前终止方法，包括步骤：S1、通过图像组中第一帧作为关键帧以获得最佳决策阈值；S2、初始化当前CU的所有可选划分模式；S3、从所有可选划分模式S中挑选第i个模式作为当前CU的划分模式；S4、根据所选模式为水平划分或竖直划分进行相应的判断以进行快速分区决策；S5、根据所选模式为二叉树划分还是三叉树划分进行相应的判断以进行快速分区决策。本发明通过图像组的第一帧进行阈值控制，使得阈值更加适合当前图像帧，利用图像的空域纹理信息，避免了不必要的划分模式预测，可以在保证编码效果的前提下有效降低编码算法的计算复杂度，大大节省了编码时间而编码的性能损失却可忽略不计。
-
公开(公告)号：CN112464910A
公开(公告)日：2021-03-09
申请号：CN202011510258.8
申请日：2020-12-18
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于YOLO v4‑tiny的交通标志识别方法，首先采集交通标志数据集，然后对初始样本交通标志数据集进行数据增强操作，并划分成训练集、验证集、测试集；针对训练集中的真实目标框以交并比为指标聚类出6个不同大小的先验框尺寸，在YOLO v4‑tiny框架中嵌入通道注意力机制和空间注意力机制，得到YOLO v4‑tiny‑CBAM网络模型；通过训练集训练网络模型并通过验证集进行验证，最后通过测试集测试网络模型的性能。本发明方法在YOLO v4‑tiny轻量型网络中引入了通道注意力和空间注意力机制，泛化能力更强、识别精度更高。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.032 秒)
