-
公开(公告)号：CN110929735A
公开(公告)日：2020-03-27
申请号：CN201910988094.0
申请日：2019-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于多尺度特征注意机制的快速显著性检测方法。本发明方法首先通过深度卷积网络对图像进行处理，获得基于不同卷积层的特征，包括较浅层特征和高级语义特征，然后分别对获得基于不同卷积层的特征进行处理，最后将处理后的较浅层特征和高级语义特征输入至解码器中，生成显著性检测图。本发明消除了大部分背景特征的干扰，增加了计算效率并有效地抑制背景信息，对高级语义特征使用金字塔扩张卷积更好的利用语义信息，并采用双解码器结能对特征进行进一步细化，最终生成的显著性图能够以明晰的边界完整的凸显图像中的显著性区域，并有效地抑制背景区域。
-
公开(公告)号：CN110929735B
公开(公告)日：2022-04-01
申请号：CN201910988094.0
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于多尺度特征注意机制的快速显著性检测方法。本发明方法首先通过深度卷积网络对图像进行处理，获得基于不同卷积层的特征，包括较浅层特征和高级语义特征，然后分别对获得基于不同卷积层的特征进行处理，最后将处理后的较浅层特征和高级语义特征输入至解码器中，生成显著性检测图。本发明消除了大部分背景特征的干扰，增加了计算效率并有效地抑制背景信息，对高级语义特征使用金字塔扩张卷积更好的利用语义信息，并采用双解码器结能对特征进行进一步细化，最终生成的显著性图能够以明晰的边界完整的凸显图像中的显著性区域，并有效地抑制背景区域。
-
公开(公告)号：CN111043953B
公开(公告)日：2021-07-27
申请号：CN201910988106.X
申请日：2019-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习语义分割网络的二维相位解包裹方法。本发明包括如下步骤：步骤1、利用Zernike多项式产生网络训练数据并对网络进行训练；步骤2、用步骤1得到的训练数据对语义分割DeepLabV3+网络进行训练：步骤3、利用训练后的网络对包裹相位进行分割并和包裹相位相加，得到初步解包裹相位，并对初步解包裹相位进行后处理得到最终解包裹相位。本发明提出的方法的求解速度快，对噪声鲁棒，尤其针对于散斑干涉仪测到的大噪声相位图的相位解包裹。在光学成像研究领域有着很大的应用前景。
-
公开(公告)号：CN107038221B
公开(公告)日：2020-11-17
申请号：CN201710174883.1
申请日：2017-03-22
Applicant: 杭州电子科技大学
IPC: G06F16/783 , G06K9/46 , G06K9/00
Abstract: 本发明一种基于语义信息引导的视频内容描述方法。本发明包括如下步骤：步骤(1)对视频格式进行预处理；步骤(2)建立用于引导的语义信息；步骤(3)计算语义特征向量[Ai,XMS(i)]的权重步骤(4)对语义特征向量[Ai,XMS(i)]进行解码；步骤(5)对视频描述模型进行测试。本发明通过利用faster‑rcnn模型，能快速检测每帧图像上的关键语义信息，并加入到原有用CNN提取的特征中，使得每个时间节点输入LSTM网络的特征向量具有语义信息，从而在解码过程中，既保证视频内容时空关联性，又提高了语言描述的准确率。
-
公开(公告)号：CN111612832A
公开(公告)日：2020-09-01
申请号：CN202010355040.3
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种利用多任务互补提高深度估计准确性的方法。本发明方法使用SFM系统得到的稀疏的深度图像作为辅助输入，与RGB图像一同输入到卷积神经网络，作为辅助线索提高深度估计的准确性。将稀疏的深度图像和RGB图像当作有噪声的数据，通过去噪编码器对输入数据进行编码，提取其中的特征，将提取的四组特征串联后进行共享，解决了单独的RGB图像以基于卷积神经网络的方法进行深度估计时没有可靠且鲁棒的线索的问题；将编码后的特征通过解码器重建为精确的深度图，得到了更加精确的深度估计结果。
-
Patent Agency Ranking
公开(公告)号：CN111043953A
公开(公告)日：2020-04-21
申请号：CN201910988106.X
申请日：2019-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习语义分割网络的二维相位解包裹方法。本发明包括如下步骤：步骤1、利用Zernike多项式产生网络训练数据并对网络进行训练；步骤2、用步骤1得到的训练数据对语义分割DeepLabV3+网络进行训练：步骤3、利用训练后的网络对包裹相位进行分割并和包裹相位相加，得到初步解包裹相位，并对初步解包裹相位进行后处理得到最终解包裹相位。本发明提出的方法的求解速度快，对噪声鲁棒，尤其针对于散斑干涉仪测到的大噪声相位图的相位解包裹。在光学成像研究领域有着很大的应用前景。
-
公开(公告)号：CN113238928A
公开(公告)日：2021-08-10
申请号：CN202110441589.9
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种音视频大数据任务的端云协同评测系统，包括存储模块，通信模块，管理模块，运行模块，评测模块，以及云端计算资源模块。管理模块通过通信模块将存储模块中的文件程序传输到云端计算资源模块，通过运行模块和评测模块完成音视频任务的运行评测，管理模块通过集群管理服务，通过资源的监控调度，能够提高云端计算资源的利用效率，同时通过建立容器的方式，各个运行程序环境之间互不冲突。
-
公开(公告)号：CN113232651A
公开(公告)日：2021-08-10
申请号：CN202110172011.8
申请日：2021-02-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于ADHDP的燃油汽车生态自适应巡航控制方法。本发明方法首先建立车辆的动力学模型，转速转矩关系，再根据智能驾驶安全、节能、舒适的重要目标设计强化学习评价网络与执行网络的损失函数，最后通过执行网络得到车辆的控制决策，并通过评价网络对执行网络得到的结果进行评价并对执行网络进行奖惩，最终得到损失函数，达到安全、节能、舒适的重要目标。本发明方法能够提升能源的利用率，减少污染并在最大程度解决交通拥堵，交通事故等问题。
-
公开(公告)号：CN111353938A
公开(公告)日：2020-06-30
申请号：CN202010132826.9
申请日：2020-02-29
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于网络反馈的图像超分辨率学习方法。本发明首先使用卷积网络对低分辨率图像进行处理，获得浅层特征，然后将获得的低分辨率图像的浅层特征以及前一时刻反馈网络输出的高级特征通过反馈连接作为反馈网络的输入，通过反馈网络将高级特征作为低级特征的一种校正得到一个更高级的特征。最后将反馈网络的输出通过反卷积后再通过卷积得到残差图像，将原图像通过双线性插值上采样得到的图像与残差图像相加得到超分辨率图像。本发明解决了现有的深度学习方法没有利用人类视觉系统中普遍存在的反馈机制，面对多个高分辨率图像对应同一低分辨率图像，以及超分辨率缩放因子的增大图像细节无法修复的问题。
-
公开(公告)号：CN107038221A
公开(公告)日：2017-08-11
申请号：CN201710174883.1
申请日：2017-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明一种基于语义信息引导的视频内容描述方法。本发明包括如下步骤：步骤(1)对视频格式进行预处理；步骤(2)建立用于引导的语义信息；步骤(3)计算语义特征向量[Ai,XMS(i)]的权重步骤(4)对语义特征向量[Ai,XMS(i)]进行解码；步骤(5)对视频描述模型进行测试。本发明通过利用faster‑rcnn模型，能快速检测每帧图像上的关键语义信息，并加入到原有用CNN提取的特征中，使得每个时间节点输入LSTM网络的特征向量具有语义信息，从而在解码过程中，既保证视频内容时空关联性，又提高了语言描述的准确率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
