-
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。
-
公开(公告)号：CN116595888A
公开(公告)日：2023-08-15
申请号：CN202310662539.2
申请日：2023-06-06
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F17/14 , G06F17/15 , G06F119/02
Abstract: 本发明公开了一种基于傅里叶神经网络的生物动力学模型求解方法及系统。本发明提出了一种加入了傅里叶变换的神经网络(SB‑FNN)，并于物理知识嵌入的优化方式相结合构成傅里叶神经网络。SB‑FNN的傅里叶变换能力使其能够捕获复杂的模式和特征，这些模式和特征在空间域中具有挑战性，但在频域空间中很容易识别。这种可以捕获复杂特征的能力在系统生物学中尤为重要。生物动力学模型求解系统，包括微分方程组构建模块、惩罚函数构建模块、求解模块和变化推算模块。可以通过已知的物理知识，将其作为软约束，在无数据样本的情况下可以求解生物动力学模型。
-
公开(公告)号：CN116580248A
公开(公告)日：2023-08-11
申请号：CN202310662519.5
申请日：2023-06-06
Applicant: 杭州电子科技大学
Inventor： 赵健祥 , 颜成钢 , 张帅杰 , 杨德富 , 吕骏晖 , 乔松 , 何敏 , 王帅 , 赵治栋 , 高宇涵 , 孙垚棋 , 朱尊杰 , 张继勇 , 李宗鹏 , 殷海兵 , 王鸿奎
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态数据的AD图像预测与分类方法。首先进行数据预处理；然后构建AD图像预测与分类网络模型；通过空间信息聚合模块将预处理后的所有的脑区域图像重组为相同大小的特征patch块；通过patch特征提取模块获取加强patch‑leaval块；再通过注意力多实例学习模块来加强全局特征；最后通过全局分类器得到分类概率p；本发明使用了多模态数据结合的方式进行训练，增强了分类识别效果。本发明提出重采样提取图像特征的方法，将多模态的数据按照相同方法处理，标准化的图像提高泛化能力。
-
公开(公告)号：CN116363146A
公开(公告)日：2023-06-30
申请号：CN202310376860.4
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06T7/00 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的眼眶肿瘤图像分割方法，首先获取图像数据集，然后进行图像预处理；构建基于半监督学习的眼眶肿瘤图像分割模型(MSCINet)；再将预处理后的数据集输入MSCINet模型，进行模型训练；最后通过训练好的MSCINet模型实现眼眶肿瘤图像分割。本发明通过引入多尺度一致性约束，可以学习不同尺度下的鲁棒特征，更好的应对眼眶肿瘤尺度变换较大的挑战；通过自训练策略，充分利用大量未标注数据，缓解一般深度模型对于大规模标注数据的需求，降低深度模型应用限制。
-
Patent Agency Ranking
公开(公告)号：CN116363145A
公开(公告)日：2023-06-30
申请号：CN202310374298.1
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双重边缘表示的眼底OCT图像视网膜分层方法，首先进行数据集获取及预处理，然后构建基于双重边缘表示的眼底OCT图像视网膜分层模型MTDBA‑Net；使用灰度归一化训练图像和人工标注结果及双重边缘表示训练提出的MTDBA‑Net；最后通过训练好的模型实现眼底OCT图像视网膜分层。本发明所提出的双重边缘表示可以包含更加丰富的边缘形状信息，多任务间施加一致性约束可以充分利用多任务间的相关性，提高图像分割的精度获得更精准的边缘。
-
公开(公告)号：CN115604479A
公开(公告)日：2023-01-13
申请号：CN202211274705.3
申请日：2022-10-18
Applicant: 杭州电子科技大学(CN)
IPC: H04N19/149 , H04N19/154 , H04N19/31 , H04N19/33 , G06V10/24
Abstract: 本发明公开了一种面向短视频网站的视频质量增强方法，首先提取经过编码处理和网络传输的失真视频帧序列数据；构建视频质量增强方法模型；通过特征提取模块提取连续视频帧图像的特征数据，依次对每个帧提取特征数据；使用基于可变卷积和金字塔级联模块进行相邻帧间的对齐操作；使用时间和空间特征融合模块融合对齐后的视频帧的特征信息；最后利用图像重建模块获得质量增强的视频帧。本发明能够在增强视频质量的同时，使得连续不同图像之间的差异较小，过度较为平滑，提高用户的观感。
-
公开(公告)号：CN115497083A
公开(公告)日：2022-12-20
申请号：CN202211201815.7
申请日：2022-09-29
Applicant: 杭州电子科技大学
IPC: G06V20/62 , G06V30/18 , G06V30/418 , G06N20/00 , G06N3/08 , G06N3/04 , G06F40/258
Abstract: 本发明公开了一种基于机器学习的即插即用的风格化图片字幕生成方法，首先准备数据集，构建可控图像文本生成网络，包含两个子网络：image‑caption网络和风格控制器；通过image‑caption网络对输入的图像数据进行处理，得到对应的输出文本；通过风格控制器对输出文本进行风格控制；最后训练可控图像文本生成网络。本发明提出一种可控文本生成的方式，不需要对生成模型进行参数调整等额外操作，通过一个具有即插即用功能的风格控制器，即可在生成模型基础上生成带有所需要属性的字幕，拓展了原生成模型的功能与泛用性；本发明采用Transformer替代传统的LSTM作为生成模型，增加了生成字幕的准确性。
-
公开(公告)号：CN115496788A
公开(公告)日：2022-12-20
申请号：CN202211215408.1
申请日：2022-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用空域传播后处理模块的深度补全方法，首先确定深度估计网络模型；然后确定空域传播后处理模块；再对加上空域传播后处理模块的深度估计网络进行训练；最后通过训练好的模型完成深度补全。本发明相较于传统的单目深度估计、补全网络增加了额外的后处理过程，使得模型能够更加充分地利用来自LiDAR的精确稀疏深度信息，达到使深度补全结果更加准确的效果。
-
公开(公告)号：CN115239647A
公开(公告)日：2022-10-25
申请号：CN202210786730.3
申请日：2022-07-06
Applicant: 杭州电子科技大学
Abstract: 本发明属于图像及视频处理领域，公开了一种基于自适应采样与多尺度时序两阶段的全参考视频质量评价方法，包括如下步骤：步骤1：获取训练样本集Xtrain和测试样本集Xtest：步骤2：对训练集的每个视频Vd与Vr进行自适应采样:步骤3：构建多尺度时空域特征提取网络MTN:步骤4：构建基于多通道自注意力机制的质量决策模块:步骤5：对全参考视频质量评价模型MTN进行迭代训练：步骤6：获取全参考视频的质量评价结果。本发明方案能够测量原始视频和失真视频之间的感知差异，可用于视频压缩、传输和处理中的质量检测评估。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.029 seconds)
