-
公开(公告)号:CN119025888A
公开(公告)日:2024-11-26
申请号:CN202411113655.X
申请日:2024-08-14
Applicant: 浙江大学 , 杭州星辰大海科技有限公司
IPC: G06F18/213 , G06F18/2131 , G06F18/23213 , G06F18/241 , G06F18/2433 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于信号语义空间构建的未知无人机集群识别方法,包括:对射频接收机采集的原始信号进行短时傅里叶变换,实现目标无人机信号与干扰信号的解构,以获取鲁棒的信号表征;采用多层次感受的卷积算子,对信号表征进行特征学习,并使用非线性感知机压缩并提炼出有效特征;联合优化中心损失、聚类损失和交叉熵分类损失,从而使得构建的信号语义空间稀疏化;基于训练闭集信号语义的高斯分布性质,采用异常值检测策略确定语义空间的分界阈值,以此确定发现未知信号的显式表达;将步骤二中所学习但未压缩的特征引入,拓展原始信号语义空间至更高维空间,在该高维空间下采用聚类评估推理未知信号的种类数目并确定其具体的所属未知种类。
-
公开(公告)号:CN118747910A
公开(公告)日:2024-10-08
申请号:CN202410752518.4
申请日:2024-06-12
Applicant: 浙江大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/40 , G06V10/774 , G06N3/006 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于用户行为分析的场景模式挖掘方法及系统;在云边协同场景下,人体加速度传感器采集加速度数据并上传至云服务器,监控摄像头采集、分析并上传视频数据;首先,使用随机森林算法处理加速度数据,以检测人体姿态转变;在检测到人体姿态转变时开启监控摄像头获取视频,使用基于三维卷积神经网络的语义编码器从视频中提取人体动作语义特征,并上传至云服务器,从而降低了数据传输量;接着,使用基于三维卷积神经网络的语义解码器分析人体动作语义信息,以输出人体动作分类结果;最后,基于数据处理流程构建场景统一表征模型,为个性化场景服务提供数据基础。
-
公开(公告)号:CN114329639B
公开(公告)日:2024-09-06
申请号:CN202111614172.4
申请日:2021-12-27
Applicant: 浙江大学
IPC: G06F21/71
Abstract: 本发明公开了一种基于Zynq的XMSS算法软硬件协同加速计算系统,该系统包括硬件加速模块、软硬件交互接口模块以及软件端控制模块;硬件加速模块包括选择模块以及三个硬件加速算子模块;软硬件交互接口模块包括硬件接口AXI‑Stream模块以及数据搬运工具DMA的配置;软件端控制模块包括三个算子的输入数据帧构建以及数据发送和接收逻辑设计。本发明基于Zynq‑7000平台,利用Zynq SOC特殊的FPGA+ARM(CPU)的架构以及Zynq内置的高速AXI总线,进行软件端和硬件算子的数据交互,以较低的资源消耗和较快的速度实现XMSS算法。
-
公开(公告)号:CN118261939A
公开(公告)日:2024-06-28
申请号:CN202410355537.3
申请日:2024-03-27
Applicant: 浙江大学 , 山东临工工程机械有限公司
IPC: G06T7/246 , G06V20/40 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种低帧率视频流多目标跟踪方法及模型训练方法,模型主要包括骨干网络、目标检测模块、位移估计模块和多阶段关联模块。目标检测模块采用包围框定位当前帧中所有感兴趣目标;位移估计模块用于估计每一个检测值相对上一时刻的位移,并给出每个位移估计值的不确定性,即位移估计值与真值的残差;多阶段关联模块基于位移估计及位移估计的不确定性,将当前帧检测值与前一帧轨迹执行分阶段的关联;基于随机擦除的模型预训练方法用于提升位移估计模块的鲁棒性。该方法能够有效提升低帧率下,尤其是存在频繁遮挡的拥挤场景下,多目标跟踪的质量。
-
公开(公告)号:CN117336142A
公开(公告)日:2024-01-02
申请号:CN202311247239.4
申请日:2023-09-26
Applicant: 浙江大学
IPC: H04L41/0631 , G16Y10/75 , G16Y40/10 , G16Y30/00 , H04L41/069 , H04L41/12 , H04L67/10 , H04L67/12
Abstract: 本发明公开一种硬件辅助的物联网边缘设备控制流完整性方法,所述方法的实施装置包括服务器和边缘设备,边缘设备包括CPU和控制流监视器,具体实施步骤包括:S1.控制流图生成;S2.本地控制流校验;S3.控制流广播查询;S4.远端控制流验证。本发明利用边缘端(边缘设备)较少的硬件资源和物联网设备之间的互联性,使得各个设备的控制流图不再是一成不变的;不仅有益于物联网设备的协调机制和深度神经网络的强大的表征能力;而且,本申请的控制流完整性方法不再有任何程序性能上的开销,以极低的硬件开销和功耗开销为代价彻底摆脱了对完美精度的离线控制流图生成算法的依赖,使控制流完整性能实际应用于物联网边缘端场景。
-
公开(公告)号:CN111738211B
公开(公告)日:2023-12-19
申请号:CN202010695736.0
申请日:2020-07-17
Applicant: 浙江大学
Abstract: 本发明公开了一种基于动态背景补偿与深度学习的PTZ摄像机运动目标检测与识别方法。该方法包括:1.提取视频流中前、中、后相邻三帧的关键点特征并进行匹配,根据匹配点集,使用随机采样一致性算法计算单应性矩阵,剔除匹配置信度低的特征点对,然后通过单应性矩阵对前、后两帧图像进行投影变换,与中间帧进行配准;2.使用三帧差分运动目标检测算法提取候选区域,经形态学膨胀算子与最小凸包检测对运动目标进行粗定位;3.将提取出的候选区域及其背景上下文输入到深度卷积神经网络提取特征,然后分别经分类网络与位置回归网络实现目标分类及位置的精细回归。
-
公开(公告)号:CN115512541B
公开(公告)日:2023-09-01
申请号:CN202211148794.7
申请日:2022-09-20
Applicant: 浙江大学
Abstract: 本发明公开了一种用于车辆安全驾驶的路面精确信息服务系统,包括数据采集终端、云端服务器和安全导航应用三部分;云端服务器包括用户管理模块、路面精确信息检测识别模块和数据点匹配下发模块,路面精确信息检测识别模块用于进行路面异常检测和弯道曲率识别,构建得到路面精确信息数据库;数据点匹配下发模块用于接收安全导航应用上传的路径规划信息,匹配路径包含的路面精确信息数据点并将其下发到安全导航应用;安全导航应用进行路径规划,针对云端服务器下发的路面精确信息数据点,进行车辆安全驾驶相关的使用。本发明构建用于车辆安全驾驶的路面精确信息服务系统,提供从数据采集、处理到应用的全流程,提高车辆驾驶过程中的安全性。
-
公开(公告)号:CN116486236A
公开(公告)日:2023-07-25
申请号:CN202310571313.1
申请日:2023-05-18
Applicant: 浙江大学 , 上海亿保健康管理有限公司
IPC: G06V10/82 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种图像识别方法、装置和电子设备。该方法包括:获取待识别图像;通过图像识别模型的像素级特征提取主干网络,提取待识别图像多个不同层次的像素级特征;利用图像识别模型的特征金字塔网络,将多个不同层次的特征在不同尺度下进行融合,以得到多个不同尺度下的融合特征;利用检测头的卷积核分支网络,对多个不同尺度下的融合特征进行处理,以获取卷积核和分类结果;以及,利用检测头的掩膜分支网络,对多个不同尺度下的融合特征进行处理,以获取掩膜特征;通过图像识别模型的后处理网络,对掩膜特征、卷积核和分类结果进行后处理,以获取识别结果,因此通过该方法能够对图像进行识别。
-
公开(公告)号:CN116482632A
公开(公告)日:2023-07-25
申请号:CN202310208621.8
申请日:2023-02-28
Applicant: 浙江大学
Abstract: 本发明公开了一种基于极化子空间正交原理的MIMO雷达多维参数闭式估计方法,主要解决现有基于极化MIMO雷达的方法收发阵列模型误差下的多维参数估计问题,其实现步骤是基于阵列测量获得收发阵列的水平和垂直极化采样矩阵;基于测量的收发阵列采样矩阵进行极化MIMO雷达的信号模型建模;对接收信号做匹配滤波处理;对匹配滤波处理后信号进行多维参数分离与解耦;将多维参数估计问题降维为波达方向估计问题,并基于匹配滤波处理后接收阵列输出协方差矩阵求解波达方向;求解极化参数的估计。本发明基于极化子空间正交原理,为在考虑收发阵列模型误差下,基于任意多极化配置的极化MIMO雷达进行多维参数闭式估计提供有效的解决方案,可用于雷达目标探测和定位。
-
公开(公告)号:CN115512264A
公开(公告)日:2022-12-23
申请号:CN202211170581.4
申请日:2022-09-23
Applicant: 浙江大学
IPC: G06V20/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于孪生跟踪网络和异常调度器的无人机高速检测方法。该方法包括以下步骤:1.采集无人机飞行视频,进行数据标注与数据增强后获取无人机视频检测数据集;2.针对一阶段检测网络分支,设计并构建共享部分权重的孪生跟踪网络分支,对被检测到的无人机进行高速跟踪;3.设计基于通道混合描述子的背景抑制机制,提高在复杂背景中跟踪无人机的精度;4.设计基于离群检测的调度网络分支,调用跟踪来对检测结果进行高速插补,并基于跟踪质量评估与异常状态评估在跟踪失败时自动重新调用检测;5.在无人机视频检测数据集上对检测、跟踪和调度分支依次进行训练,推理时通过检测与跟踪相互配合实现低算力、高速的无人机检测。
-
-
-
-
-
-
-
-
-