-
公开(公告)号：CN117002501A
公开(公告)日：2023-11-07
申请号：CN202311026031.X
申请日：2023-08-15
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 陈曦妍 , 翟春杰 , 陈慧勤 , 尹克 , 王博 , 陈楚翘 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏
IPC: B60W30/14 , B60W50/00 , G06F30/15 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种基于逆最优控制的智能汽车自适应巡航控制方法，包括步骤如下：步骤一：基于多输入多输出离散时间非线性无模型系统建立智能车辆纵向动力学模型；步骤二：构建最优问题，确定最优控制器；步骤三：验证所提出的控制器保证车辆李雅普诺夫稳定性；步骤四：验证所提出的控制器能够满足性能指标的最优性。本发明相比于其他控制方法，考虑了不确定的非线性离散时间系统，在应用上更为广泛。本发明方法能够有效地保证车辆的安全性，避免了HJB方程，并最小化一个有意义的代价函数。
-
公开(公告)号：CN119230006A
公开(公告)日：2024-12-31
申请号：CN202411275784.9
申请日：2024-09-12
Applicant: 杭州电子科技大学
IPC: G16C20/30 , G16C20/70 , G06N3/042 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于多任务图神经网络的分子属性预测方法，首先根据场景确定分子属性预测任务；然后根据确定的任务选择相关训练数据并进行预处理；针对每个任务搭建使用图神经网络训练；再结合所有任务，组成多任务图神经网络，确定全局目标损失函数；最后基于预处理后的数据对多任务图神经网络进行训练，得到最优的图神经网络模型。本发明针对分子结构相关的图数据保持良好的学习效率，在预测分子结构全局或者局部性质上有良好的表现。本发明提升了分子结构的预测速度和效率，相比较传统方法有着较大提升，是深度学习和分子结构预测的良好融合。
-
公开(公告)号：CN118469844A
公开(公告)日：2024-08-09
申请号：CN202410673350.8
申请日：2024-05-28
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T5/60 , G06T5/73 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于Transformer和双域选择机制的图像散焦去模糊方法，包括步骤如下：步骤一：数据集获取及预处理；步骤二：构建一种基于Transformer和双域选择机制的图像散焦去模糊网络模型；步骤三：使用预处理后的数据集训练基于Transformer和双域选择机制的图像散焦去模糊的网络模型；步骤四：通过训练好的网络模型完成图像散焦去模糊测试。本发明通过深度提取初始特征和末尾特征，并通过剔除特征中的低频信息来增强高频信息。采用端到端的方法构建神经网络，其中利用Transformer模块在一个尺度上提取高质量的图像信息，并通过双域选择模块来保持空间细节的精确性。
-
公开(公告)号：CN118351151A
公开(公告)日：2024-07-16
申请号：CN202410429433.2
申请日：2024-04-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图匹配的街景建筑跨源点云配准方法。首先将获得的两个跨源点云集归一化为相同的尺度，利用三维点云的几何特性，将街景建筑点云分割成超体素，并且提取这些超体素的特征描述符。将提取的超体素和其特征描述符作为图的节点，超体素的相邻关系作为边构建图，将三维点云配准转化为图结构匹配。根据图匹配结果得到的对应关系执行街景建筑点云配准，最终得到两个跨源点云集间的刚性变换配准结果。本发明对跨源点云采用微观结构和宏观结构的提取，将三维点云配准转化成图匹配，并且优化了图匹配的方法，大大提高了跨源点云的配准精度和效率。
-
公开(公告)号：CN117274855A
公开(公告)日：2023-12-22
申请号：CN202311058507.8
申请日：2023-08-22
Applicant: 杭州电子科技大学丽水研究院
Inventor： 颜成钢 , 金裕达 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 李晓林 , 沙雏淋
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多维度信息交互的视频特征提取方法，首先进行数据集获取，采用现有的视频分类数据集；构建基于多维度信息交互的视频特征提取网络，包括前缀卷积网络、时空可分离编码器和视频分类器；之后构建损失函数，最后根据获取的数据集对构建的基于多维度信息交互的视频特征提取网络进行训练。本发明将时序信息交互与空间信息交互相结合，弥补了两者不能共存的短板。使用前缀卷积网络以及时间空间可分离注意力机制，减少了大量的算力开销。
-
Patent Agency Ranking
公开(公告)号：CN117224082A
公开(公告)日：2023-12-15
申请号：CN202311186717.5
申请日：2023-09-14
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 杨鸿群 , 何敏 , 李晓林 , 沙雏淋 , 赵思成 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王帅 , 王鸿奎 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋 , 丁贵广 , 付莹 , 郭雨晨
Abstract: 本发明公开了一种基于图学习优化算法的动态脑功能网络学习方法。首先确定脑网络的基本数学模型，然后预处理真实的神经影像数据；构建求取动态脑功能连接网络的目标函数；最后确定求取动态脑功能连接网络的求解方法。本发明方法可以从fMRI信号中直接求取大脑的动态功能连接网络。动态脑功能连接网络能更加合理准确的反映出脑区之间的连接强度和脑网络的拓扑结构。
-
公开(公告)号：CN117079310A
公开(公告)日：2023-11-17
申请号：CN202311052722.7
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 游泽洪 , 江涛 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成
IPC: G06V40/10 , G06V10/764 , G06V20/70 , G06V10/82 , G06V10/40 , G06V10/80 , G06V10/774 , G06F40/126 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图文多模态的行人重识别方法，采用Vision Transformer模型对图像和文本进行特征提取，另外还构建了一个多模态特征融合网络来将不同模态的特征进行对齐融合，从而解决了不同模态特征难以融合的问题。最后利用融合之后的特征向量与待检测行人的特征向量做损失函数就能实现图文多模态的行人重识别。本发明通过研究使用图像和文本两种不同模态的特征用于视觉行人重识别，能够有效地利用两种不同模态提供的特征，解决文本描述多变带来的困扰。
-
公开(公告)号：CN117034868A
公开(公告)日：2023-11-10
申请号：CN202311058516.7
申请日：2023-08-22
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 金裕达 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 沙雏淋 , 李晓林
IPC: G06F40/151 , G06F18/214 , G06F18/27 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06N3/0475
Abstract: 本发明公开了一种基于BERT的图像描述扩散生成方法，包括步骤如下：步骤1：获取训练数据集；步骤2：搭建文本自编码模型MA；步骤3：训练文本自编码模型MA；步骤4：构建扩散模型MD；步骤5：训练扩散模型MD；步骤6：联合推理。将训练好的文本自编码模型MA和扩散模型MD进行结合。本发明将bert编码器引入扩散模型，将文本信息编码成连续的形式，使用额外的文本生成网络，使用自回归方式生成预测文本；结合了自回归和扩散模型的优势。
-
公开(公告)号：CN117011769A
公开(公告)日：2023-11-07
申请号：CN202311018639.8
申请日：2023-08-14
Applicant: 杭州电子科技大学
Inventor： 陈奕礽 , 高含笑 , 颜成钢 , 殷海兵 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
IPC: G06V20/40 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于图模型的视频显著性目标检测方法。本发明包括如下步骤：(1)提出基于图卷积网络的视频显著目标检测模型；(2)设计基于图卷积的层级间交互模块，将不同层级的时空特征作为图节点，依据跨模态特征和跨层级特征间的距离信息构建边，通过图卷积更新图节点的特征，并在通道维度上融合跨模态特征和跨层级特征，从而生成时空深度特征；(3)设计基于图卷积的特征自校正模块，将时空深度特征在空间维度上进行映射，对应若干图节点表征相应空间区域，通过图卷积更新图节点的特征。本发明充分挖了掘空间信息和时间信息；引入了图卷积网络作为提取特征的一环，推理了特征图中的显著区域，实现了多个显著目标之间的相互增强。
-
公开(公告)号：CN116739944A
公开(公告)日：2023-09-12
申请号：CN202310888502.1
申请日：2023-07-19
Applicant: 杭州电子科技大学
Inventor： 陈奕礽 , 方楼 , 颜成钢 , 赵思成 , 孙垚棋 , 朱尊杰 , 王帅 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
IPC: G06T5/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种引入自适应深度块的单目深度图补全方法，首先对输入的RGB图像和稀疏深度图进行编码和解码；然后利用Transformer从解码器输出的特征张量中预测自适应深度块；最后预测RGB图像每个像素点在每个自适应深度块上的概率，计算每个像素点的具体深度，再对像素点进行平滑化处理，最终得到稠密深度图。本发明将需要预测的深度图像的深度由连续的深度划分为离散的深度块，将深度补全任务从回归任务转化为分类任务，极大提高了深度补全的效率。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.026 seconds)
