-
公开(公告)号：CN111488906A
公开(公告)日：2020-08-04
申请号：CN202010147013.7
申请日：2020-03-05
Applicant: 浙江工业大学
Abstract: 一种基于通道相关式PCANet的低分辨率图像识别方法，特征提取过程中，对待识别的低分辨图像进行双三次插值，使得插值之后的图像与训练集图像有相同的分辨率；采用通道相关式卷积对插值后的图像进行深度卷积滤波，得到输入图像的高维特征图；沿着特征图的通道方向，以一定的步长，对特征图进行压缩编码，得到输入图像的模式图；从模式图中提取局部柱状图特征，将由各模式图生成的局部柱状图特征连接起来，形成最终的高维柱状图特征；分类过程中，在高维柱状图特征空间中，基于卡方距离获取待识别图像到各训练图像的距离度量；获取具有最小距离度量的训练样本所对应的类标，作为待识别图像的类标。本发明能够有效识别低分辨率输入图像。
-
公开(公告)号：CN108197627B
公开(公告)日：2020-07-28
申请号：CN201711120452.3
申请日：2017-11-14
Applicant: 浙江工业大学
Abstract: 本发明公开了一种沿顺时针方向提取二值图形轮廓的方法，它通过对二值图片进行腐蚀和膨胀及细节修补操作；剔除非轮廓部分；对残差图片执行宽度优先搜索程序，获得闭合曲线列表；回溯算法输出一个曲线队列；最后进行曲线队列调整，得到沿顺时针方向提取的二值图形轮廓。本发明通过采用上述方法只要给定任意二值图形图片，沿顺时针方向排列的像素点坐标可以直接输入到计算机辅助设计软件中，软件可以根据坐标重构所设计的零件的轮廓外形，提高了零件设计效率；其算法执行过程中几乎无需人工干预，可以使用其他软件或算法生成的二值图形，使得该本发明可以作为连接不同算法和计算机辅助设计软件的桥梁，有助于实现零件设计的自动化。
-
公开(公告)号：CN111179269A
公开(公告)日：2020-05-19
申请号：CN201911092379.2
申请日：2019-11-11
Applicant: 浙江工业大学
IPC: G06T7/10
Abstract: 一种基于多视图和3维卷积融合策略的PET图像分割方法，包括以下步骤：步骤1，针对3维PET图像的特点修改原始的网络模型,使之适合学习分割3维的PET数据；步骤2，将3维的PET数据进行预处理,使之符合对应网络需要的形状和尺寸,有助于网络的收敛速度和分割的准确性；步骤3，对应预处理方式的数据输入至对应的卷积神经网络中学习,得到对应的模型；步骤4、将测试数据分别输入到预测模型中，将多个模型的预测结果通过一个简单的3维卷积网络进行融合得到测试数据的最终的预测结果。本发明增加了3维数据的信息利用，并通过3维卷积神经网络自适应的融合了2维模型和3维模型的优点,提高了分割的准确率。
-
公开(公告)号：CN111028236A
公开(公告)日：2020-04-17
申请号：CN201911125482.2
申请日：2019-11-18
Applicant: 浙江工业大学
IPC: G06T7/10
Abstract: 一种基于多尺度卷积U-Net的癌细胞图像分割方法，包括以下步骤：步骤1.运行环境平台与数据集格式，pytorch框架下基于python版U-Net网络结构，使用的数据集格式为VOC2012；步骤2.优化的网络结构，得到MC-UNet网络结构；步骤3、得到分割结果，过程如下：将整张图片输入MC-UNet进行特征提取；在网络最后一层，使用1x1卷积将每个64分量特征向量映射到期望数量的类。本发明改善遮挡高密度或遮挡情况下的分割准确性。
-
公开(公告)号：CN110942464A
公开(公告)日：2020-03-31
申请号：CN201911085031.0
申请日：2019-11-08
Applicant: 浙江工业大学
Abstract: 一种融合2维和3维模型PET图像分割方法，基于全卷积神经网络的逐像素分类的技术；由于3维图像的特点，3维模型将产生更准确的分割结果，在3维模型的分割基础上融合2维模型的分割结果以补充2维的细节信息，更有利于提高分割的准确率，其具体步骤为：步骤1，针对淋巴瘤的成像特点设计或修改2维和3维网络结构；步骤2，预处理原始数据至适合网络学习的大小和尺寸；步骤3，分别用2维模型和3维模型进行训练学习得到不同的预测结果；步骤4，将两者的输出进行均值求和得到最终的分割结果。本发明提升了PET图像分割的准确率，达到较高的Dice相似系数指标。
-
Patent Agency Ranking
公开(公告)号：CN110910388A
公开(公告)日：2020-03-24
申请号：CN201911009057.7
申请日：2019-10-23
Applicant: 浙江工业大学
Abstract: 一种基于U-Net和密度估计的癌细胞图像分割方法，包括以下步骤：步骤1.运行环境平台与数据集格式，pytorch框架下基于python版U-Net网络结构，使用的数据集格式为VOC2012；步骤2.优化的网络结构；步骤3、得到分割结果，过程如下：将整张图片输入U-Net进行特征提取；在网络最后一层，使用1x1卷积将每个64分量特征向量映射到期望数量的类。本发明有效提高遮挡与高密度情况下的分割准确性。
-
公开(公告)号：CN110505396A
公开(公告)日：2019-11-26
申请号：CN201910588871.2
申请日：2019-07-02
Applicant: 浙江工业大学
IPC: H04N5/232
Abstract: 一种运动相机的低频大幅抖动抑制装置，通过在多自由度机械臂上安装摄像装置，并使用智能算法进行机械臂的控制来实现运动相机的低频大幅抖动抑制，控制组件有传感器模块和控制模块，控制模块根据机械臂自由度的个数，选用基于机器学习或数学建模的控制算法来进行机械臂的自动控制。一种运动相机的低频大幅抖动抑制方法，包括以下步骤：1)、采集抖动信息：机械臂上安置若干传感器来采集相机装置的实时抖动信息；2)、计算控制参数：客户端根据采集到的抖动信息进行抖动抑制所需控制参数的计算；3)、执行控制命令：客户端发送相应的控制命令，机械臂舵机根据解析后的控制命令作出响应动作。本发明实现了针对相机相对缓慢且大幅度的抖动稳定。
-
公开(公告)号：CN110188789A
公开(公告)日：2019-08-30
申请号：CN201910302762.X
申请日：2019-04-16
Applicant: 浙江工业大学
Abstract: 一种基于预处理模型的小样本医学图像分类方法，包括如下步骤：1)构建预处理模型，过程如下：(1.1)选取预处理模型数据集；(1.2)构建深度学习网络；(1.3)对于选取的数据集进行图像预处理；(1.4)在深度学习网络中加入Dropout策略，并将概率设置为p；(1.5)将训练后的模型保存为M1；2)对小样本医学图像数据进行处理；3)导入M1模型；4)将M1模型中的Dropout策略改为P；5)将小样本医学图像在M1下进行训练；6)得出分类结果。本发明提供了一种测试集效果好，模型泛化能力强的小样本医学图像分类方法。
-
公开(公告)号：CN109961177A
公开(公告)日：2019-07-02
申请号：CN201910178747.9
申请日：2019-03-11
Applicant: 浙江工业大学
Abstract: 一种基于长短期记忆循环神经网络的通用水冷中央空调能耗预测方法，包括以下步骤：步骤1，采集大冲能源公司提供的多个水冷中央空调项目正常运行的水冷中央空调数据、对应的环境数据；步骤2，对得到正常运行的水冷中央空调数据、对应的环境数据进行数据预处理，并对多个数据集进行整合，得到综合数据集；步骤3、对数据集进行训练，实现空调能耗预测，采用LSTM‑RNN长短期记忆循环神经网络，将预处理后的数据集和对应的功耗作为LSTM‑RNN长短期记忆循环神经网络的输入，进行网络训练后，得到最终的预测模型；步骤4、将测试数据输入预测模型，得到空调当前工况下的能耗值。本发明简化了模型训练过程，提升了预测准确率。
-
公开(公告)号：CN108629134A
公开(公告)日：2018-10-09
申请号：CN201810446278.X
申请日：2018-05-11
Applicant: 浙江工业大学
Abstract: 一种在流形上小领域的相似性强化方法，包括以下步骤：1)图像随机扰动：对输入的图像按照一定的扰动强度进行扰动，输出一张经过扰动后的全新的图像；2)隐变量随机扰动：输入经编码后生成的隐变量，根据一定的扰动强度对隐变量进行扰动，输出经过扰动后的隐变量；3)流形构造：将图像映射到一个平滑的流形上，在同样扰动强度的前提下，同一张图像经所述两种扰动技术生成的两张图像近乎相似。本发明提供一种在流形上小领域的相似性强化方法，实现参数化方法的新颖性约束，一方面增加流行上小邻域内的解的相似性，另一方面，为流形增加更多的新颖解，降低劣质解的占比。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.028 seconds)
