-
公开(公告)号：CN115589455A
公开(公告)日：2023-01-10
申请号：CN202211274388.5
申请日：2022-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于FPGA+ARM的夜间视频图像增强系统，包括图像采集单元，运算加算单元，中央控制处理单元，显示单元四个部分。运算加速单元利用FPGA的并行处理和高频特性，实现简化后的三个不同尺度的高斯滤波器。中央控制处理单元利用ARM较强的逻辑运算能力和移植简单的特性，来完成复杂度较高的自适应直方图均衡化算法部分和逻辑控制。本发明视频图像采集单元支持DVP和Cameralink接口，运算加速单元利用FPGA的并行特性提升计算速率，中央控制单元通过ARM来进行复杂的逻辑和算数运算，最后通过显示单元输出结果。相对于传统系统，本发明在能够更加精确的显示出夜间图像的边缘信息，同时通过FPGA+ARM的组合满足了系统实时性的需求。
-
公开(公告)号：CN115457214A
公开(公告)日：2022-12-09
申请号：CN202211203731.7
申请日：2022-09-29
Applicant: 杭州电子科技大学
IPC: G06T17/00 , G06V10/764 , G06V10/774 , G06T7/246 , G06N20/10
Abstract: 本发明公开了一种基于支持向量机的相机跟踪失败检测方法，包括如下步骤：步骤1：数据集选取与三维重建；步骤2：ICP匹配算法与特征获取；步骤3：计算当前样本特征对应的距离误差，并进行分类，构建用于支撑向量机数据集；步骤4：训练支持向量机模型；步骤5：通过训练好的多分类模型完成相机跟踪失败检测；本发明使用了在机器学习有监督学习分类问题中使用较为广泛的支持向量机来训练模型，具有良好的理论支持。本发明使用多分类而非二分类来训练模型，提高了准确率和精度，能够更好的设立阈值，优化重建结果。
-
公开(公告)号：CN115409857A
公开(公告)日：2022-11-29
申请号：CN202211215390.5
申请日：2022-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的三维脑积水CT图像分割方法，包括以下步骤：步骤(1)、获取数据集；步骤(2)、数据预处理；步骤(3)、构建残差U‑net卷积网络模型；步骤(4)、通过预处理后的数据对构建的残差U‑net卷积网络模型进行训练；步骤(5)、将测试数据输入训练好的残差U‑net卷积网络模型，对模型进行测试。本发明引入残差卷积作为基本卷积单元，增强分割模型得鲁棒性本发明基于深度学习对CT图像中的脑室区域构建三维分割模型，充分利用数据在三维空间上带来的优势，探究高维度信息给模型带来的可能性，提高最终表现效果的准确度。
-
公开(公告)号：CN115409714A
公开(公告)日：2022-11-29
申请号：CN202211201824.6
申请日：2022-09-29
Applicant: 杭州电子科技大学
IPC: G06T3/40 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于图片切割分类的视频超分辨率方法，首先制作分类器模块的数据集，然后训练分类器模块；再制作总模型数据集，构建总体模型结构，并通过总模型数据集对总体模型进行训练；最后通过训练好的总体模型完成视频超分辨率重建。本发明使用了一个分类器模块与其他几个现有的超分辨率成果结合，实现了在保证处理质量的同时，大大减少了处理的计算量和存储量。
-
公开(公告)号：CN115409713A
公开(公告)日：2022-11-29
申请号：CN202211201813.8
申请日：2022-09-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种高效实时的单张图像超分变率重建系统及方法，单图像超分辨率重建方法首先进行数据预处理，然后构建高效实时的图像超分辨率重建网络；通过预处理后的数据训练构建好的图像超分辨重建网络，使网络具有图像超分辨重建的效果；最后通过训练好的图像超分辨重建网络完成单图像超分辨率重建。单图像超分辨重建系统，包括数据预处理模块、网络构建模块、训练模块和图像超分辨重建模块。本发明减少网络模型参数量，使得网络模型的计算量减少，资源消耗少；在性能和效率方便达到很好的平衡；能够部署在移动端设备上。
-
Patent Agency Ranking
公开(公告)号：CN114559435A
公开(公告)日：2022-05-31
申请号：CN202210292083.0
申请日：2022-03-23
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明公开基于球体包络且性能最优目标下的机械臂轨迹规划方法。针对机械臂在作业环境中碰到静态障碍物的情况，提出以机械臂时间与能耗综合最优为目标的轨迹规划，在规划过程中不仅考虑了避障，还考虑了机械臂的动力学约束，从而规划的轨迹能够在避开静态障碍物的同时还能最大限度地缩短机器人的工作时间，提高工作效率，降低能耗。该方法实现了机械臂在作业环境中高性能的静态避障，提高效率的同时也保证了安全性。在避开静态障碍物的同时还能最大限度地缩短机器人的工作时间，提高工作效率。
-
公开(公告)号：CN112082556A
公开(公告)日：2020-12-15
申请号：CN202010933122.1
申请日：2020-09-08
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于色环灯地标的室内定位方法。本发明方法首先对LED导航灯高度值进行计算；然后进行图像预处理；然后进行导航灯编码图像分割；再进行导航灯编码图像特征提取；然后利用HSV颜色模型获取条纹颜色；数据条纹解码，获得导航灯地标值，实现摄像头单点定位。本发明的室内定位方法算法复杂度低，同时解决了不同光源定标问题，在码间干扰问题上也有一定的优化，有较好的定位精度，抗干扰能力强，稳定性高，便于跨平台使用，维护方便，成本低，有较大的应用价值。
-
公开(公告)号：CN103759782A
公开(公告)日：2014-04-30
申请号：CN201410013432.6
申请日：2014-01-13
Applicant: 杭州电子科技大学
Inventor： 胡冀
Abstract: 本发明提供了一种饮水机的多用户饮水管理方法，包括以下步骤：（1）读取杯子上的RFID标签信息的步骤；（2）匹配RFID标签的用户信息的步骤；（3）记录饮水机出水量的步骤；（4）存储用户饮水信息的步骤；（5）显示用户饮水信息的步骤。采用本发明的饮水机的多用户饮水管理方法，能够方便直观的让用户知道当天自己的饮水情况，从而让用户能够合理安排饮水，以助于养成科学饮水习惯。
-
公开(公告)号：CN119723157A
公开(公告)日：2025-03-28
申请号：CN202411699542.2
申请日：2024-11-26
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于联邦增量学习的智能工厂精益制造故障检测方法，包括以下步骤：S10，本地参与方的本地编码器模型使用对比学习方式进行预训练；S20，对全局编码器模型训练权重和本地参与方的本地编码器模型训练权重进行知识蒸馏，得到本地完整模型，进行本地训练；S30，将经过本地训练后的本地完整模型拆分为本地参与方的本地编码器模型和本地参与方的本地解码器模型，完成聚合训练得到本轮全局编码器训练权重；S40，将全局编码器训练权重下载到本地参与方的本地编码器模型，并与本地参与方的本地解码器模型结合形成本地完整模型；S50，使用本地完整模型对精益制造任务进行故障检测，判断是否发生故障。
-
公开(公告)号：CN115631810A
公开(公告)日：2023-01-20
申请号：CN202211274910.X
申请日：2022-10-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于流的图同构自回归分子生成方法。首先进行数据预处理；构建基于流的图同构自回归分子生成模；通过预处理后的数据对分子生成模型进行训练；最后通过训练好的分子生成模型完成分子生成。本发明针对分子生成问题，采取了基于流的自回归生成模型，通过多层感知机求出基分布和现实数据分布之间的可逆变换，从而在提高了模型的灵活性同时，因其迭代的采样过程，使得可以在节点和边的生成过程中引入价态检验，这大大提高了所生成分子的现实意义。采用了图神经网络表征能力达到上限的图同构神经网络GIN来进行分子图的表示学习，极大的提升了模型对于分子图结构的学习能力。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.026 seconds)
