-
公开(公告)号：CN118072348A
公开(公告)日：2024-05-24
申请号：CN202410025433.6
申请日：2024-01-08
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于减少风格特征的通用行人重识别攻击方法，首先根据随机样本图片构建中间层模块；然后计算攻击结果图在代理模型上的梯度，得到代理模型上的图像内容特征信息；计算攻击结果图在风格特征模型上的梯度，得到不同风格特征模型上的图像风格特征信息；最后计算损失函数，重复上述操作进行训练，得到最终的攻击结果图。本发明通过随机生成不同风格特征模型提取攻击结果图在不同风格特征模型的变化并叠加，从而消除对代理模型的风格依赖。相比现有的行人重识别攻击方法，提高了通用性，受风格特征影响更小，攻击结果图包含图片本身特征信息远大于风格特征信息。
-
公开(公告)号：CN116824316A
公开(公告)日：2023-09-29
申请号：CN202310393126.9
申请日：2023-04-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于自注意力机制的图像数据融合方法，首先对图像进行预处理，然后对图像进行分层；再对分层后的图像数据进行编码；通过多尺度融合的全局注意力网络生成融合数据；最后将多尺度融合的全局注意力网络生成的融合数据进行进一步处理，得到最终融合的编码数据，解码数据得到最后输出结果。本发明提高了图片信息利用率，在各阶段之间引入了多尺度融合的全局注意力网络(SICA)，使得目标事件准确度提升。
-
公开(公告)号：CN116822572A
公开(公告)日：2023-09-29
申请号：CN202310285123.3
申请日：2023-03-22
Applicant: 杭州电子科技大学
IPC: G06N3/0442 , G06N3/049 , G06Q10/04 , G06F17/16 , G06N3/08
Abstract: 本发明公开了一种基于时变循环神经网络的时序预测方法，首先使用基展开构造动态时变矩阵；然后通过动态时变矩阵替换循环神经网络中的固定矩阵，使之成为时变循环神经网络；最后将改进的时变循环神经网络应用在时序预测任务上，得到更好的性能。本发明方法结合了功能数据分析(FDA)实践中常用的基展开技术，以生成独特的动态时变矩阵，更能体现输入数据的动态特性，将其应用在时序预测的实验中，预测性能得到了提高。
-
公开(公告)号：CN116306828A
公开(公告)日：2023-06-23
申请号：CN202310210826.X
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了一种基于图同构神经网络的脑网络链接预测方法，首先对于脑网络数据进行处理，完成脑结构网络建模；再构建基于图同构神经网络的脑网络链接预测模型，包括子图提取模块和图同构神经网络模块；之后进行脑网络链接预测模型的训练和测试；最后通过训练完成的脑网络链接预测模型完成脑网络链接预测。本发明在实现较为高的准确率的基础上降低了时间成本，极大的提升了模型对于子图结构的学习能力，对于接下来的链接预测有十分重要的意义。
-
公开(公告)号：CN115222998B
公开(公告)日：2023-01-03
申请号：CN202211120458.1
申请日：2022-09-15
Applicant: 杭州电子科技大学 , 浙江大华技术股份有限公司
Inventor： 颜成钢 , 殷俊 , 颜拥 , 王洪波 , 胡冀 , 熊剑平 , 李亮 , 郑博仑 , 林聚财 , 孔书晗 , 王亚运 , 孙垚棋 , 金恒 , 朱尊杰 , 高宇涵 , 殷海兵 , 王鸿奎 , 陈楚翘 , 刘一秀 , 李文超 , 王廷宇 , 张勇东 , 张继勇
IPC: G06V10/764 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种图像分类方法。首先构建通道维度注意力网络和空间维度多尺度自注意力网络；然后将输入图像预处理后输入通道维度注意力网络，生成基于通道维度的注意力特征图；将基于通道维度的注意力特征图输入至空间维度的多尺度自注意力网络，生成基于特征图空间维度的多尺度自注意力特征图；最后将最终生成的多维度多尺度注意力特征图输入到分类器单元中，将模型输出的向量转换成概率表示，完成图像分类。本发明设计了一种新的多尺度自注意力机制，它利用一系列的深度可分离卷积操作，生成特征信息高度相关的局部特征图和区域特征图，不但可以强化自注意力机制的细粒度特征提取能力，还可以高效的提取有效的全局信息。
-
Patent Agency Ranking
公开(公告)号：CN113934881A
公开(公告)日：2022-01-14
申请号：CN202111122178.X
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06F16/55 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/771 , G06K9/62
Abstract: 本发明公开了一种利用分类层权重进行检索特征主成分分析的方法。首先构建特征分类网络；然后根据任务准备特定的数据集，将数据域划分为训练集和测试集，利用训练集训练网络，直到网络参数拟合，即特征提取网络能够提取到具有区分性的特征；抽取训练好的网络的分类层的权重矩阵，利用标准主成分分析的方法处理权重矩阵，接着利用奇异值分解的方法求得主成分矩阵；将测试集图像输入训练好的网络提取特征，并用得到的主成分矩阵处理测试图像的特征；利用降维后的图像特征进行图像检索。本发明利用分类层权重矩阵，在降低特征维度的同时，提高了检索的精确度。
-
公开(公告)号：CN111580550A
公开(公告)日：2020-08-25
申请号：CN202010355519.7
申请日：2020-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种无人机仿人智能控制方法。本发明方法确定无人机飞行数学模型；然后进行仿人智能控制器设计；仿人智能控制包括三层结构：运行控制层、参数校正层、任务适应层；最后采用粒子群优化对比例微分系数进行优化。仿人智能控制器能够根据被调量的偏差及偏差的变化趋势来确定变化策略，能够有效解决四旋翼飞行器PID控制参数自适应问题。但仿人智能控制中的比例、微分系数和衰减系数会影响最终的控制效果，因此采用了粒子群算法对其进行参数优化。因此基于粒子群算法的仿人智能控制器能够实现无人机角度的快速响应，提高了稳定性和抗干扰性。
-
公开(公告)号：CN119107381A
公开(公告)日：2024-12-10
申请号：CN202411264579.2
申请日：2024-09-10
Applicant: 杭州电子科技大学
IPC: G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种基于注意力生成对抗网络的绘画图像和谐方法，首先建立网络训练需要的图像数据集；构建基于注意力生成对抗网络的绘画图像和谐模型，使用包括风格转换器的生成器将合成图像和实例分割蒙版作为输入输出和谐绘画图像；其次，提出一个像素级特征鉴别器来引导生成器产生更加真实协调的绘画图像；采用训练数据对模型进行训练；最后经过训练的模型接收需要进行图像和谐的图片，完成和谐处理后将图片输出。本发明通过自适应地计算模式可重复性来转移局部和全局纹理解决了现有方法中注意力模块反复滥用风格图像中的特定局部补丁，导致不和谐和明显重复伪像的现象，能够生成用不同背景风格模式清晰地表达艺术风格的和谐图像。
-
公开(公告)号：CN118485904A
公开(公告)日：2024-08-13
申请号：CN202410503650.1
申请日：2024-04-25
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/82 , A63F13/822 , G06V10/26 , G06V10/764 , G06N3/088 , G06N3/0464 , G06T7/70 , A63F13/85
Abstract: 本发明涉及机器视觉技术领域，更具体地说，本发明涉及一种基于CNN图像处理的三消游戏辅助系统及方法，方法包括：一种基于CNN图像处理的三消游戏辅助方法，包括以下步骤：步骤1：对游戏界面的图像进行截取，获得棋盘的图像；步骤2：采用Mask‑RCNN方法对获得的图像进行无监督学习，获得预训练模型；步骤3：利用预训练模型对棋盘内的棋子进行分割，得到棋子的分类和位置；步骤4：根据图像处理结果模拟棋盘；步骤5：基于三消游戏的逻辑，设计三消游戏算法R，确定最优操作；本发明提出一种新颖的三消游戏算法，能够辅助用户得出最佳操作。
-
公开(公告)号：CN117975309A
公开(公告)日：2024-05-03
申请号：CN202410228082.9
申请日：2024-02-29
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V20/17 , G06V20/13 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种基于特征动态偏移的图像语义信息挖掘方法。首先获取网络训练需要的图像数据集；然后构建基于权重自适应的对角线特征偏移融合策略的交叉视角地理定位网络模型；网络模型包含无人机视角分支和卫星图视角分支，两个分支采用共享权重的学习方式；每个分支都由三个部分组成：特征提取部分、特征划分部分和分类监督部分；经过训练的神经网络模型接收需要定位的无人机视角图像，为其匹配对应的卫星图像。本发明采用权重自适应的对角线特征偏移融合策略，能够根据图像中的目标区域自适应选择划分坐标更合理的环形分区策略，从而提高了特征区域的覆盖率和表达能力，避免了因目标区域不在视觉中心位置而导致的特征提取不足问题。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.022 seconds)
