-
公开(公告)号：CN109063555A
公开(公告)日：2018-12-21
申请号：CN201810667478.8
申请日：2018-06-26
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00288 , G06K9/00268 , G06K9/46 , G06K9/6234 , G06K9/629 , G06K2009/4695
Abstract: 本发明公开一种基于低秩特征和稀疏表示比较分类的多姿态人脸识别方法。本发明首先通过对偶低秩分解方法对输入人脸图片进行降维分解优化，得到去除了姿态结构的第一型低秩特征；其次结构化不相关的低秩分解，通过增广拉格朗日乘子法ALM进行交替迭代求解获得第二型低秩特征；最后基于稀疏表示的残差对比分类：如果两种特征分类结果相同，则分类标签保持不变，若分类标签不相同时，则构建残差率对比模型，比较两种特征经过稀疏表示后的次最小残差与最小残差的差与最小残差的比值。选择两种特征中残差率较高的分类结果作为最终的分类类别。本发明使用的低秩分解方法和稀疏表示残差对比模型能够有效去除姿态结构对识别效果造成的干扰。
-
公开(公告)号：CN108846421A
公开(公告)日：2018-11-20
申请号：CN201810524263.0
申请日：2018-05-28
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度学习的图像分类方法。本发明具体包括如下步骤：S1、将图片分为n组，将n组图片集分别作为样本输入到AlexNet模型中进行训练，得到图像分类模型Ⅰ；S2、将待测图像样本输入到已经完成训练的图像分类模型Ⅰ中进行图像分类；S3、将不同待测图像对应的结果集归入不同的文档中，将精度较高的图像结果集重新组成图像样本输入到AlexNet模型中进行训练，得到图像分类模型Ⅱ；S4、将所对应的待测图像样本输入到其对应的图像分类模型Ⅱ中进行图像分类。本发明能够进一步提高图像分类的准确率，为图像分类工作提供了新的解决方案。
-
公开(公告)号：CN103598891B
公开(公告)日：2015-06-17
申请号：CN201310498860.8
申请日：2013-10-21
Applicant: 杭州电子科技大学
IPC: A61B5/12
Abstract: 本发明涉及一款便携式可编程多通道心理声学测听仪设备。本发明包括四个模块，分别为单机版带有定制USB驱动的Windows应用软件、用于在主机PC与FPGA之间进行通信的USB2.0控制器、用于产生纯音和噪音并进行通道输出的FPGA芯片和数模转换器、过滤器、衰减器以及用于输出音频的放大器等。本发明的核心模块是可编程FPGA模块，其核心设计是高分辨率纯音和白噪声数字信号的生成。本发明采用多通道机制，可以测试听力受损病人的对周围环境的听觉能力；与常见测听仪相比，本发明可以根据听觉障碍者的实际受损情况对测试仪的功能进行编程定制，能更加准确地测定和评估病人的听力受损情况，其灵活性更强，性价比更高。
-
公开(公告)号：CN114092779B
公开(公告)日：2025-05-02
申请号：CN202111216830.4
申请日：2021-10-19
Applicant: 中国电子科技集团公司第二十研究所 , 杭州电子科技大学
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06V10/771 , G06N3/0464 , G06N3/045 , G06V20/70 , G06V10/25 , G06V10/26
Abstract: 本发明公开了一种基于注意力机制的神经网络正则化方法。本发明步骤：(1)批量图像输入和预处理；(2)利用CNN卷积神经网络进行特征提取；(3)利用注意力机制进行关键特征筛选；(4)交换不同目标图像的关键特征；(5)不同图像的关键特征和非关键特征共同组成重构图像的语义信息；(6)设计一种自适应置信度估计方法，判断重构图像的所属类别；(7)利用重构图像对神经网络进行训练得到更准确的训练模型。本发明通过样本拓充和充分挖掘图像的潜在特征，以提升模型的鲁棒性和整体性能。本发明的优势在于使用注意力机制指导图像特征自适应重构，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN119672589A
公开(公告)日：2025-03-21
申请号：CN202411493382.6
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卡方过滤的双分支网络视频分割方法。首先利用现有的3D特征提取网络对数据集进行特征提取，然后对提取的特征进行再处理；将再处理的特征输入到双分支神经网络当中，为了结合两分支网络的特性，边界分支注重于识别边界，主干分支注重于识别动作主体，利用投票的形式结合双分支阶段输出的网络参数；最后反向传播更新参数。本发明针对于神经网络使用含有噪声的特征进行训练导致的过拟合问题，提出了一种特征预处理方式，使用卡方过滤与遗传算法来优化未经过处理的特征。本发明通过将预处理部分与双分支神经网络上进行结合，提高了预测的准确率，在50Salads与Gtea数据集上取得了出色的结果。
-
Patent Agency Ranking
公开(公告)号：CN118446439A
公开(公告)日：2024-08-06
申请号：CN202410335702.9
申请日：2024-03-22
Applicant: 杭州电子科技大学信息工程学院
IPC: G06Q10/0631 , G06Q10/0637 , G06Q10/04 , G06Q30/0201 , G06Q30/0202 , G06N3/126 , G06N3/006
Abstract: 本发明公开了一种基于三层数据模型网络优化的企业资源配置决策方法及系统，方法包括如下步骤：第一步，识别和分析产品之间的基本属性关联；第二步，对第一步识别的产品属性关联进行量化分析；第三步：将产品数据与市场、业务因素相结合，形成全面的策略。本发明通过数据计算服务来优化决策过程，实现组织数字化变革。
-
公开(公告)号：CN116582241A
公开(公告)日：2023-08-11
申请号：CN202310321412.4
申请日：2023-03-29
Applicant: 杭州电子科技大学信息工程学院
Abstract: 本发明涉及椭圆曲线图像加解密系统及方法，系统中，第一反射镜与第一分束器相连，第一分束器与主激光器、第二分束器相连，第二分束器连接第一至四从激光器，该四从激光器分别接第三至六分束器，第三至六分束器分别接第二至五反射镜及第一至四光电检测器，第一至四光电检测器分别接第一至四电混沌序列生成器；第一、二电混沌序列生成器连接至混沌置乱与椭圆曲线加密器，加密器连接异或加密器，随机数产生器连接深度学习优化器，异或加密器连接电光转换器；哈希序列生成器与偏置电流控制器连接，控制器与主激光器连接；第三、四电混沌序列生成器与椭圆曲线解密器相连，解密器与异或解密器连接，解密器通过第五光电检测器与电光转换器相连。
-
公开(公告)号：CN115375967A
公开(公告)日：2022-11-22
申请号：CN202210975326.0
申请日：2022-08-15
Applicant: 杭州电子科技大学 , 北京中电华大电子设计有限责任公司
IPC: G06V10/774 , G06V20/00 , G06V10/34 , G06F11/36
Abstract: 本发明涉及一种基于MCU‑AI的多场景自适应识别方法。其实现步骤为(1)批量图像输入和预处理(2)自适应图像增强(3)获取预设模型框架，通过AutoML从多个模型框架中选择适合的网络模型进行批量图像训练。(4)量化并转换模型(5)添加随机波动，并不断重复测试，选取最好的量化参数。并以此重新进行训练后量化操作(6)测试执行，重新对感知量化后的模型进行评估测试精度。本发明设计了一种基于MCU‑AI的多场景自适应识别方法，旨在针对多个不同数据集实现自适应图像增强以及网络模型选择，不断改进量化感知参数，以提升部署到MCU中的模型整体性能。
-
公开(公告)号：CN113537312A
公开(公告)日：2021-10-22
申请号：CN202110736605.7
申请日：2021-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图匹配算法的关键点匹配方法。本发明实现步骤：(1)图像输入和预处理；(2)利用CNN卷积神经网络进行关键点特征提取；(3)通过线性差值得到关键点特征；(4)采用三角刨分算法构建关键点graph；(5)构建全局结构虚拟关键点；(6)利用GNN图神经网络进行关键点之间的信息交换；(7)计算二图关键点相似度得到匹配结果。本发明通过CNN卷积神经网络能够得到关键点更丰富的语义信息，然后利用三角剖分算法输入的两个图像的待匹配关键点构成的graph，再引入全局结构虚拟关键点，并输入到GNN图神经网络中完成关键点纹理和几何信息的交换，最后计算两图关键点之间的相似度得到最终匹配结果。本发明得到的匹配精确度高、鲁棒性强。
-
公开(公告)号：CN110929720A
公开(公告)日：2020-03-27
申请号：CN201911031508.7
申请日：2019-10-28
Applicant: 杭州电子科技大学 , 中国电子科技集团公司第三十六研究所
Abstract: 本发明涉及一种基于LOGO匹配和OCR的元器件检测方法，该方法步骤为：建立LOGO图片库：采集含有LOGO图案的元器件的图像，并将LOGO图案存入LOGO库；去噪处理：使用中值滤波对元器件图片进行去噪处理，获取更加清晰的图片；字符串区域定位与分割：对元器件图片进行字符行区域的目标检测，获取元器件图片上字符串区域并将字符串区域分割保存成图片；字符串识别：通过OCR对上述字符串区域图片进行识别处理，将图片中的字符串转换成计算机中的字符串；LOGO匹配：从LOGO图片库中获取LOGO图片，使用TM_CCOEFF_NORMED算法进行LOGO匹配，获取匹配结果的置信度；检测元器件的型号：字符识别的结果和LOGO匹配的置信度确定元器件的检测结果；本发明在提高了元器件检测速率的基础上保证了检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.03 seconds)
