-
公开(公告)号：CN113932814B
公开(公告)日：2024-04-02
申请号：CN202111163279.1
申请日：2021-09-30
Applicant: 杭州电子科技大学
IPC: G01C21/20 , G01S17/86 , G01S17/931
Abstract: 本发明公开了一种基于多模态地图的协同定位通过将激光雷达与视觉相机扫描得到的不同环境信息进行融合，构成一份集成了激光几何模态和和视觉纹理模态的多模态地图，以达到无人车在环境中精准的定位与导航的效果。区别于传统的SLAM方法，结合了激光几何模态快速匹配的优势以及视觉纹理mark标记的准确匹配，利用构建出的全新多模态地图，使用组合信息得以更准确地感知周围环境，相较现有方案定位更加精准。
-
公开(公告)号：CN117274855A
公开(公告)日：2023-12-22
申请号：CN202311058507.8
申请日：2023-08-22
Applicant: 杭州电子科技大学丽水研究院
Inventor： 颜成钢 , 金裕达 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 李晓林 , 沙雏淋
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多维度信息交互的视频特征提取方法，首先进行数据集获取，采用现有的视频分类数据集；构建基于多维度信息交互的视频特征提取网络，包括前缀卷积网络、时空可分离编码器和视频分类器；之后构建损失函数，最后根据获取的数据集对构建的基于多维度信息交互的视频特征提取网络进行训练。本发明将时序信息交互与空间信息交互相结合，弥补了两者不能共存的短板。使用前缀卷积网络以及时间空间可分离注意力机制，减少了大量的算力开销。
-
公开(公告)号：CN117224082A
公开(公告)日：2023-12-15
申请号：CN202311186717.5
申请日：2023-09-14
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 杨鸿群 , 何敏 , 李晓林 , 沙雏淋 , 赵思成 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王帅 , 王鸿奎 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋 , 丁贵广 , 付莹 , 郭雨晨
Abstract: 本发明公开了一种基于图学习优化算法的动态脑功能网络学习方法。首先确定脑网络的基本数学模型，然后预处理真实的神经影像数据；构建求取动态脑功能连接网络的目标函数；最后确定求取动态脑功能连接网络的求解方法。本发明方法可以从fMRI信号中直接求取大脑的动态功能连接网络。动态脑功能连接网络能更加合理准确的反映出脑区之间的连接强度和脑网络的拓扑结构。
-
公开(公告)号：CN117079310A
公开(公告)日：2023-11-17
申请号：CN202311052722.7
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 游泽洪 , 江涛 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成
IPC: G06V40/10 , G06V10/764 , G06V20/70 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/774 , G06F40/126 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图文多模态的行人重识别方法，采用Vision Transformer模型对图像和文本进行特征提取，另外还构建了一个多模态特征融合网络来将不同模态的特征进行对齐融合，从而解决了不同模态特征难以融合的问题。最后利用融合之后的特征向量与待检测行人的特征向量做损失函数就能实现图文多模态的行人重识别。本发明通过研究使用图像和文本两种不同模态的特征用于视觉行人重识别，能够有效地利用两种不同模态提供的特征，解决文本描述多变带来的困扰。
-
公开(公告)号：CN117034868A
公开(公告)日：2023-11-10
申请号：CN202311058516.7
申请日：2023-08-22
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 金裕达 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 沙雏淋 , 李晓林
IPC: G06F40/151 , G06F18/214 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/0475
Abstract: 本发明公开了一种基于BERT的图像描述扩散生成方法，包括步骤如下：步骤1：获取训练数据集；步骤2：搭建文本自编码模型MA；步骤3：训练文本自编码模型MA；步骤4：构建扩散模型MD；步骤5：训练扩散模型MD；步骤6：联合推理。将训练好的文本自编码模型MA和扩散模型MD进行结合。本发明将bert编码器引入扩散模型，将文本信息编码成连续的形式，使用额外的文本生成网络，使用自回归方式生成预测文本；结合了自回归和扩散模型的优势。
-
Patent Agency Ranking
公开(公告)号：CN117011769A
公开(公告)日：2023-11-07
申请号：CN202311018639.8
申请日：2023-08-14
Applicant: 杭州电子科技大学
Inventor： 陈奕礽 , 高含笑 , 颜成钢 , 殷海兵 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于图模型的视频显著性目标检测方法。本发明包括如下步骤：(1)提出基于图卷积网络的视频显著目标检测模型；(2)设计基于图卷积的层级间交互模块，将不同层级的时空特征作为图节点，依据跨模态特征和跨层级特征间的距离信息构建边，通过图卷积更新图节点的特征，并在通道维度上融合跨模态特征和跨层级特征，从而生成时空深度特征；(3)设计基于图卷积的特征自校正模块，将时空深度特征在空间维度上进行映射，对应若干图节点表征相应空间区域，通过图卷积更新图节点的特征。本发明充分挖了掘空间信息和时间信息；引入了图卷积网络作为提取特征的一环，推理了特征图中的显著区域，实现了多个显著目标之间的相互增强。
-
公开(公告)号：CN116811897A
公开(公告)日：2023-09-29
申请号：CN202310448424.3
申请日：2023-04-24
Applicant: 杭州电子科技大学
IPC: B60W50/00 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06F16/901
Abstract: 本发明公开了一种智能体未来轨迹预测系统及方法，包括特征编码器、建议解码器、有向无环图编码器和分解联合解码器，特征编码器对场景上下文信息和历史轨迹进行编码，得到智能体编码，建议解码器对特征编码器的输出的智能体编码进行解码输出智能体的边际未来轨迹，有向无环图编码器根据建议解码器输出智能体的边际未来轨迹建立多智能体之间交互的交互图结构，分解联合解码器根据交互图结构和智能体编码生成多智能体未来联合的轨迹预测。对于有向无环交互图上的源节点，本发明方法能够并行处理，并且在无交互关系的两个智能体也能并行处理，从而提高了轨迹预测的计算效率。
-
公开(公告)号：CN116739944A
公开(公告)日：2023-09-12
申请号：CN202310888502.1
申请日：2023-07-19
Applicant: 杭州电子科技大学
Inventor： 陈奕礽 , 方楼 , 颜成钢 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
IPC: G06T5/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种引入自适应深度块的单目深度图补全方法，首先对输入的RGB图像和稀疏深度图进行编码和解码；然后利用Transformer从解码器输出的特征张量中预测自适应深度块；最后预测RGB图像每个像素点在每个自适应深度块上的概率，计算每个像素点的具体深度，再对像素点进行平滑化处理，最终得到稠密深度图。本发明将需要预测的深度图像的深度由连续的深度划分为离散的深度块，将深度补全任务从回归任务转化为分类任务，极大提高了深度补全的效率。
-
公开(公告)号：CN116721759A
公开(公告)日：2023-09-08
申请号：CN202310668915.9
申请日：2023-06-07
Applicant: 杭州电子科技大学
Inventor： 赵健祥 , 颜成钢 , 沈晨雨 , 杨德富 , 乔松 , 吕骏晖 , 何敏 , 王帅 , 殷海兵 , 王鸿奎 , 赵治栋 , 高宇涵 , 孙垚棋 , 朱尊杰 , 张继勇 , 李宗鹏
IPC: G16H50/20 , G16H50/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于半脑不对称性的AD脑网络预测与分类方法及系统。针对AD脑网络预测与分类问题，采取了基于半脑不对称性的AD脑网络预测与分类方法，根据AD病理的半脑不对称性，通过全脑结构脑网络求出左右半脑网络，然后使用图同构神经网络对这三类数据进行脑图的嵌入学习，在嵌入学习时学习的是三者的共同特征，从而提高嵌入向量所含有的特征信息，从而最终提高脑图预测与分类的准确率。
-
公开(公告)号：CN116662758A
公开(公告)日：2023-08-29
申请号：CN202310662526.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑网络拓扑结构的自适应hub节点识别方法，首先确定脑网络的基本数学模型；构建自适应hub识别的能量函数；再确定自适应hub识别的最优化方法；之后预处理真实的神经影像数据，最后执行优化算法求取hub节点。本发明的自适应hub识别方法可以依靠在方法中加入的自适应识别策略自动为每个网络选择最佳的hub数目，极大的提高了识别hub脑区的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
162
records
(took 0.031 seconds)
