-
公开(公告)号:CN112348102A
公开(公告)日:2021-02-09
申请号:CN202011278817.7
申请日:2020-11-16
Applicant: 浙江大学 , 杭州海康威视数字技术股份有限公司
IPC: G06K9/62 , G06K9/00 , G06F16/783
Abstract: 本发明公开了一种基于查询的自底向上视频定位方法和系统。首先,获取查询内容Query和待定位视频Ref,其次将查询内容Query特征与待定位视频Ref的特征融合到一个全新的特征图中。最后特征图通过深度学习方法检测出查询内容Query所对应的真实视频片段GT‑v位于待定位视频Ref中的起始位置和终止位置。本发明方法根据查询内容Query可以准确而又高效的识别真实视频片段GT‑v在待定位视频Ref的起始位置和终止位置。
-
公开(公告)号:CN112308197A
公开(公告)日:2021-02-02
申请号:CN201910680935.1
申请日:2019-07-26
Applicant: 杭州海康威视数字技术股份有限公司 , 上海富瀚微电子股份有限公司
Abstract: 本发明实施例提供了一种卷积神经网络的压缩方法、装置及电子设备。针对每一卷积层,该方法包括:将该卷积层的权值张量变形为第一二维矩阵;确定第一二维矩阵的多个第一奇异值分解项;按照第一选取规则,从多个第一奇异值分解项中,选取至少一个第一奇异值分解项;利用各个第一奇异值分解项,对第一二维矩阵进行近似分解,得到第一分解矩阵和第二分解矩阵;将第一分解矩阵和第二分解矩阵分别变形为第一子权值张量和第二子权值张量,作为压缩后的权值张量;在得到目标卷积神经网络每一层卷积层压缩后的权值张量后,得到被压缩的目标卷积神经网络。与现有技术相比,应用本发明实施例提供的方案,可以降低关于压缩前后的卷积神经网络间的精准度差异。
-
公开(公告)号:CN117972383A
公开(公告)日:2024-05-03
申请号:CN202311663205.3
申请日:2023-12-06
Applicant: 浙江工业大学 , 杭州海康威视数字技术股份有限公司
IPC: G06F18/213 , G06F18/20 , G01N21/65
Abstract: 一种基于ZYNQ的拉曼光谱信号处理系统,包括数据采集模块、线阵CCD驱动模块、DDR3模块、ZYNQ模块、以太网模块,ZYNQ模块通过线阵CCD驱动模块对数据采集模块发送采集指令,接收拉曼光谱数据同时完成预处理和存储,通过以太网模块完成拉曼光谱检测。本发明所有数据预处理均在ZYNQ的PL端进行,包括Savitzky‑Golay滤波算法、多项式基线校正以及差分处理,由于使用基于硬件的设计方式,算法执行速度快,且差分处理可以有效提取谱峰数据,在暗电流噪声大、干扰多等情况下能够保证谱峰的完整性。
-
公开(公告)号:CN112308197B
公开(公告)日:2024-04-09
申请号:CN201910680935.1
申请日:2019-07-26
Applicant: 杭州海康威视数字技术股份有限公司 , 上海富瀚微电子股份有限公司
IPC: G06N3/0495 , G06N3/0464 , G06N3/063 , G06N3/082
Abstract: 本发明实施例提供了一种卷积神经网络的压缩方法、装置及电子设备。针对每一卷积层,该方法包括:将该卷积层的权值张量变形为第一二维矩阵;确定第一二维矩阵的多个第一奇异值分解项;按照第一选取规则,从多个第一奇异值分解项中,选取至少一个第一奇异值分解项;利用各个第一奇异值分解项,对第一二维矩阵进行近似分解,得到第一分解矩阵和第二分解矩阵;将第一分解矩阵和第二分解矩阵分别变形为第一子权值张量和第二子权值张量,作为压缩后的权值张量;在得到目标卷积神经网络每一层卷积层压缩后的权值张量后,得到被压缩的目标卷积神经网络。与现有技术相比,应用本发明实施例提供的方案,可以降低关于压缩前后的卷积神经网络间的精准度差异。
-
公开(公告)号:CN117607120A
公开(公告)日:2024-02-27
申请号:CN202311296175.7
申请日:2023-10-08
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G01N21/65 , G06F18/241 , G06N3/0464 , G06F18/213
Abstract: 基于改进的ResNext模型结合拉曼光谱的食品添加剂检测方法和装置,其方法包括:1)构建改进的ResNext模块用于特征提取;2)构建改进的ResNext神经网络模型,设定参数,进行训练;3)利用训练好的改进的ResNext神经网络,对含有食品添加剂的混合物拉曼光谱进行识别。本发明减少了模型超参数的数量,更便于模型的可移植性;具有更强的特征提取能力,增强了物质识别的准确率。
-
公开(公告)号:CN117591923A
公开(公告)日:2024-02-23
申请号:CN202311289861.1
申请日:2023-10-08
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/0475
Abstract: 一种基于WGAN‑GP的拉曼光谱数据扩增方法和装置,其方法包括:1)进行光谱数据采集。搭建拉曼光谱采集装置,对待测的样品进行光谱数据采集,然后对光谱数据进行预处理,包括去噪、平滑以及归一化;2)构建并训练生成网络G。使得生成网络能够生成更加接近真实样本的数据;3)构建并训练判别网络D。使得判别网络能够识别出生成样本和生成数据。本发明提供了更加稳定的训练方式,能够生成质量更高的仿真光谱,使得生成的光谱能够较高的保留了原始光谱的信息。
-
公开(公告)号:CN117437658A
公开(公告)日:2024-01-23
申请号:CN202311180603.X
申请日:2023-09-13
Applicant: 华南理工大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V40/12 , G06V40/14 , G06V10/28 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种解耦掌形和掌静脉的显式融合的身份识别方法,包括以下步骤:使用掌静脉数据集来训练基于语义分割的手掌前景分割模型;采集近红外掌静脉图像;使用手掌前景分割模型,在采集到的单张近红外掌静脉图片上进行分割,提取手掌二值化掩膜,对分割二值化掩膜处理后得到的二值化图片;根据手掌二值化掩膜中的手掌关键点,对掌静脉图像进行感兴趣区域截取,得到掌静脉模态;结合传统图像处理方法获取手掌的轮廓形状,并根据手掌姿态对其进行旋转矫正和裁剪,得到掌形二值化图片,作为掌形模态;将掌形模态和掌静脉模态输入到掌形掌静脉融合特征提取模型,输出融合掌形和掌静脉信息的统一高维特征,以实现模态信息的互补效果。
-
公开(公告)号:CN119947542A
公开(公告)日:2025-05-06
申请号:CN202510040031.8
申请日:2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本申请公开了一种小尺寸碲化汞薄膜及其制备方法、短波红外探测器,该小尺寸碲化汞薄膜及其制备方法包括:在无水无氧环境中,将卤化汞与DMF、ME、BTA混合震荡,得到混合交换液;在无水无氧环境中,将CdTe量子点溶液加入混合交换液并进行震荡,发生阳离子交换反应产生碲化汞量子点溶液;在无水无氧环境中,使用清洗剂与反溶剂对碲化汞量子点溶液进行清洗提纯,离心后加入分散剂制备成碲化汞量子点浆料;在无水无氧环境中,将碲化汞量子点浆料旋涂,制备出小尺寸碲化汞薄膜。本申请能够提高碲化汞薄膜的质量。
-
公开(公告)号:CN119931631A
公开(公告)日:2025-05-06
申请号:CN202510040127.4
申请日:2025-01-10
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本发明涉及一种金掺杂碲化汞胶体量子点的合成方法及红外光探测器,金掺杂碲化汞胶体量子点的合成方法包括以下步骤:制备汞前驱体溶液和碲前驱体溶液;向所述汞前驱体溶液注入所述碲前驱体溶液,配制成碲化汞量子点溶液;在所述碲化汞量子点溶液中加入氯金酸溶液,从而得到所述金掺杂碲化汞胶体量子点。本发明合成方法通过后处理的溶液法合成了金掺杂碲化汞胶体量子点,大大简化了碲化汞胶体量子点合成门槛,使其更可控、更快捷、更廉价。
-
公开(公告)号:CN112348102B
公开(公告)日:2024-03-19
申请号:CN202011278817.7
申请日:2020-11-16
Applicant: 浙江大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06V10/764 , G06V10/766 , G06F16/783
Abstract: 本发明公开了一种基于查询的自底向上视频定位方法和系统。首先,获取查询内容Query和待定位视频Ref,其次将查询内容Query特征与待定位视频Ref的特征融合到一个全新的特征图#imgabs0#中。最后特征图#imgabs1#通过深度学习方法检测出查询内容Query所对应的真实视频片段GT‑v位于待定位视频Ref中的起始位置和终止位置。本发明方法根据查询内容Query可以准确而又高效的识别真实视频片段GT‑v在待定位视频Ref的起始位置和终止位置。
-
-
-
-
-
-
-
-
-