-
公开(公告)号：CN118379387B
公开(公告)日：2024-10-01
申请号：CN202410822182.4
申请日：2024-06-25
Applicant: 浙江大学
IPC: G06T11/00 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06F40/30 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明提供了一种基于基础模型的单域泛化方法，涉及图像处理技术领域，所述方法包括：通过扩散模型生成目标风格图像；根据图像语言转换模型，对所述目标风格图像进行风格统计，获得风格信息；获取源图像，根据所述图像语言转换模型处理所述源图像，获得输出特征；对所述输出特征和所述风格信息进行风格迁移，获得风格增强图像，以实现域的泛化。保证提升识别模型在未知领域中的适应能力。
-
公开(公告)号：CN116229350A
公开(公告)日：2023-06-06
申请号：CN202211703773.7
申请日：2022-12-29
Applicant: 宁波宏大电梯有限公司 , 浙江大学
IPC: G06V20/52 , G06V20/40 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06T7/11 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种扶梯踏板缝隙实时检测方法与系统，涉及扶梯踏板检测领域，本发明以YOLOX模型为基础模型，使用transformer模块替换基础模型中的卷积激活层，使用上采样扩张模块替换基础模型中的上采样模块，得到第一YOLOX模型，并通过包括被标注的带缝隙色块、未被标注的不带有色块的缝隙图块的数据集训练第一YOLOX模型，并在训练过程中利用损失函数获取到改进的YOLOX模型，将扶梯踏板图像输入至改进的YOLOX模型，检测得到带缝隙色块检测图片，通过HSV模型对带缝隙色块检测图片进行颜色分割，得到对应的黑白灰度图，获取黑白灰度图中黑色区域所占的像素宽度即扶梯踏板缝隙的宽度，其利用视觉目标检测和图像分割技术实现了对扶梯踏板缝隙的实时检测。
-
公开(公告)号：CN119963641A
公开(公告)日：2025-05-09
申请号：CN202510019952.6
申请日：2025-01-07
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
Abstract: 本发明公开了一种基于视觉基础模型驱动的3D高斯泼溅视觉重定位方法，包括如下步骤：S1、3D高斯泼溅空间表征构建与高层次特征提取；S2、2D‑3D特征匹配与位姿优化，利用2D‑3D特征匹配方法对初始估计位姿进行调整以获得更精确的位姿，采用关键点稀疏化减少空间和计算资源消耗以提高处理效率和实时性；S3、精确定位结果获取与鲁棒性、计算负担评估，最终获取精确的定位结果，达到环境变化条件下的高鲁棒性，本发明克服现有3D视觉重定位框架适应性差、重定位精度不高及资源占用等较大问题，通过充分利用视觉基础模型的全局特征描述能力，结合3D高斯泼溅技术，实现了在动态环境中具有鲁棒性、可扩展性和高度环境适应性的高精度、实时性视觉重定位。
-
公开(公告)号：CN118379568B
公开(公告)日：2024-09-24
申请号：CN202410834565.3
申请日：2024-06-26
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/74 , G06V10/778
Abstract: 本发明提供了一种基于多教师模型的知识蒸馏方法，涉及图像处理技术领域，所述方法包括：确定多个教师模型中的主模型，将其他的教师模型作为辅模型；将辅模型的特征方向与主模型对齐，获得对齐特征；将对齐特征沿第二维度与主模型的特征叠加获得扩展特征，其中，扩展特征的特征维度高于主模型或辅模型的维度；对学生模型的中间层进行特征映射，获得映射特征；对扩展特征进行掩码处理，获得第一掩码特征；映射特征进行掩码处理，获得第二掩码特征；根据第一掩码特征和第二掩码特征确定掩码范数方向损失；根据损失函数优化学生模型，通过优化后的学生模型对图片进行分类识别，保证有效减少多教师模型知识蒸馏带来的知识损失。
-
公开(公告)号：CN118379568A
公开(公告)日：2024-07-23
申请号：CN202410834565.3
申请日：2024-06-26
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/74 , G06V10/778
Abstract: 本发明提供了一种基于多教师模型的知识蒸馏方法，涉及图像处理技术领域，所述方法包括：确定多个教师模型中的主模型，将其他的教师模型作为辅模型；将辅模型的特征方向与主模型对齐，获得对齐特征；将对齐特征沿第二维度与主模型的特征叠加获得扩展特征，其中，扩展特征的特征维度高于主模型或辅模型的维度；对学生模型的中间层进行特征映射，获得映射特征；对扩展特征进行掩码处理，获得第一掩码特征；映射特征进行掩码处理，获得第二掩码特征；根据第一掩码特征和第二掩码特征确定掩码范数方向损失；根据损失函数优化学生模型，通过优化后的学生模型对图片进行分类识别，保证有效减少多教师模型知识蒸馏带来的知识损失。
-
Patent Agency Ranking
公开(公告)号：CN119941644A
公开(公告)日：2025-05-06
申请号：CN202411946095.6
申请日：2024-12-27
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/74 , G06N5/04 , G06N3/0455
Abstract: 本发明提供了一种基于视觉与语言模型的零样本异常检测方法、装置及设备，涉及异常检测技术领域，所述方法包括：从同一批次图像中获取推理图像和参考图像；通过第一多模态模型，分别对所述推理图像和所述参考图像进行双模态检测，获得初始掩码；通过第二多模态模型分别提取所述同一批次图像的特征并分别进行特征聚合，获得聚合推理特征和聚合参考特征；根据所述初始掩码，对所述聚合参考特征进行噪声特征过滤，获得非异常聚合参考特征，根据所述非异常聚合参考特征和所述聚合推理特征获得初始异常分数；根据所述初始异常分数和所述初始掩码进行掩码精炼，获得最终推理掩码，用于实现零样本异常检测。
-
公开(公告)号：CN115690745A
公开(公告)日：2023-02-03
申请号：CN202211424631.7
申请日：2022-11-14
Applicant: 浙江大学宁波“五位一体”校区教育发展中心
Abstract: 本发明公开了一种基于无人机单目视觉的车辆全自动测速方法、系统及装置，所述方法包括以下步骤：首先将无人机在空中悬停，拍摄行车区域的视频并提取ROI区域，并对获得的视频进行晃动补偿，去除视频帧的非正常偏移；然后通过Yolo_v3算法对各视频帧进行车辆检测，获得车辆的边界框，并通过Deep_SORT算法对提取到的车辆进行跟踪，得到视频视野内每辆被检测车辆的轨迹线；最后通过车辆边界框的平均长度和现实中车辆的平均长度得到距离参考，并基于距离参考和像素速度计算车辆的速度。本发明可以仅凭借无人机单目视觉全自动获取车辆行驶速度，不需要额外的人工操作。
-
公开(公告)号：CN115640834A
公开(公告)日：2023-01-24
申请号：CN202211363379.3
申请日：2022-11-02
Applicant: 浙江大学
IPC: G06N3/0464 , G06N3/082 , G06V10/82
Abstract: 本申请涉及通道修剪方法、装置、计算机设备及存储介质，应用于包含卷积层的神经网络，神经网络应用于图像处理，卷积层包括通道，所述方法包括：根据图像数据，获取卷积层的秩；根据图像数据，获取卷积层的熵；根据卷积层的秩和熵，获取卷积层的总体指标；根据总体指标得到每个卷积层的修剪比；获取卷积层中通道的沙普利值；根据通道的沙普利值和卷积层的修剪比，对卷积层中的通道进行修剪。本发明的通道修剪方法，能通过通道修剪，提高神经网络的性能，从而提高图像处理的效率。
-
公开(公告)号：CN118379387A
公开(公告)日：2024-07-23
申请号：CN202410822182.4
申请日：2024-06-25
Applicant: 浙江大学
IPC: G06T11/00 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06F40/30 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明提供了一种基于基础模型的单域泛化方法，涉及图像处理技术领域，所述方法包括：通过扩散模型生成目标风格图像；根据图像语言转换模型，对所述目标风格图像进行风格统计，获得风格信息；获取源图像，根据所述图像语言转换模型处理所述源图像，获得输出特征；对所述输出特征和所述风格信息进行风格迁移，获得风格增强图像，以实现域的泛化。保证提升识别模型在未知领域中的适应能力。
-
公开(公告)号：CN116012711A
公开(公告)日：2023-04-25
申请号：CN202310021496.X
申请日：2023-01-07
Applicant: 浙江大学
IPC: G06V20/10 , G06V20/60 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种小样本棉花害虫目标检测方法，通过对图像进行随机混合增强处理来有效增强目标其他部位特征的检测能力，提高棉花害虫的检测准确率，并通过骨干网络获得特征信息后，采用不同空洞数的空洞卷积操作获得多尺度特征图，扩大卷积运算的感受野，然后通过施加注意力机制增强局部特征的提取能力，从而能够提取图像中更多棉花害虫的特征信息，增强检测模型的泛化能力，提高小样本目标检测准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.043 seconds)
