-
公开(公告)号：CN114241308A
公开(公告)日：2022-03-25
申请号：CN202111551765.0
申请日：2021-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于压缩模块的轻量化遥感图像显著性检测方法。首先对输入压缩模块的信息进行预处理，然后获取显著性信息和多感受野信息；再融合显著性信息与多感受野信息，作为压缩模块输出；最后依据压缩模块，构建轻量化模型。本发明方法通过对输入压缩模块的信息进行压缩，从而减少了后续操作所需参数量，进而降低了模型整体的大小并提升了检测速度。本发明方法通过利用互补信息来丰富模块的提取能力，加强了轻量化模型的整体性能，从而较好地实现对遥感图像进行显著性检测。
-
公开(公告)号：CN113408350A
公开(公告)日：2021-09-17
申请号：CN202110535251.X
申请日：2021-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于创新边缘特征提取方法的遥感图像显著性检测方法。本发明包括一个基于ResNet34的编码器，创新的边缘提取方法以及显著信息与显著边缘信息的融合方法。模型输入的是RGB三通道彩色光学遥感图像，首先用以ResNet34为主干的编码器提取特征，之后分别将提取得到的特征输入边缘特征与显著特征两个解码器中，通过连续的卷积对特征进行提取，最终输出显著性预测图。本方法使用了新的方式提取边缘特征，细化边缘，提高了显著目标的质量。并以U型网络提取上下文特征，抑制复杂背景，突出显著目标，从而拥有边缘效果更好的遥感图像显著目标检测结果。
-
公开(公告)号：CN112465815A
公开(公告)日：2021-03-09
申请号：CN202011494987.9
申请日：2020-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于边缘主体融合信息的遥感目标显著性检测方法。本发明步骤：1、图像数据预处理；2、网络搭建：网络包括encoder部分和decoder部分；encoder部分包括一个输入卷积层和六个卷积块，其中前四个卷积块采用ResNet34；encoder和decoder之间添加3个3*3的卷积层作为桥接；Decoder部分与encoder部分为对称结构，每个解码块与对应encoder部分concat的同时，还将前一个解码块concat到当前解码块；3、数据输入和训练。本发明有效利用了编码阶段的边缘信息和主体信息，并选择使用多loss融合的模式对U‑net解码部分的各个边缘输出进行约束，同时对各个边缘输出进行融合，使得遥感目标的检测取得了显著提升。
-
公开(公告)号：CN118334337A
公开(公告)日：2024-07-12
申请号：CN202410479526.6
申请日：2024-04-22
Applicant: 杭州电子科技大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了一种基于风格提取和对齐的无监督域自适应医学语义分割方法，包括如下步骤：步骤1、获取医学图像数据集；步骤2、构建风格提取和对齐网络模型；步骤3、对风格提取和对齐网络模型进行训练；步骤4、读取风格提取和对齐网络模型中训练好的特征编码器S、分类器C1和分类器C2构成生成器G，读入单张医疗图像I，并将单张医疗图像I输入生成器G中进行前向推理，得医学图像I得语义分割结果P。该方法无需额外参数及额外的标签，并能有效泛化语义分割模型的分割能力，从而克服了现有医学语义分割处理方法标注成本高昂及泛化能力不足的问题。
-
公开(公告)号：CN118314326A
公开(公告)日：2024-07-09
申请号：CN202410483252.8
申请日：2024-04-22
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/764 , G06V10/80 , G06N3/0455 , G06N3/0464 , G16H50/20
Abstract: 本发明公开了一种骶髂关节磁共振影像智能阅片方法，其特征在于，包括如下步骤：步骤1、获取医学图像数据集；步骤2、构建ROI自动分割模型，所述ROI自动分割模型为UNet3D网络；步骤3、将医学图像作为输入，通过ROI自动分割模型自动提取ROI，并在ROI上提取影像组学特征；步骤4、将影像组学特征作为输入，通过基于和声搜索的特征选择算法得到新影像组学特征；步骤5、将新影像组学特征输入分类器E中进行前向推理，得到的结构性分类结果。该方法利用深度学习技术从MRI影像中自动提取ROI，基于ROI提取影像组学特征，并通过启发式算法筛选最优影像组学特征，最后由分类器做出结构性病变的分类。
-
Patent Agency Ranking
公开(公告)号：CN118230141A
公开(公告)日：2024-06-21
申请号：CN202410332570.4
申请日：2024-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于设备指纹的深度伪造视频检测方法，包括如下步骤：步骤1、视频拍摄设备的指纹信息提取；步骤2、视频溯源，通过计算待检测视频指纹信息与参考视频指纹信息之间的PCE值，从而判定是否同一设备拍摄；步骤3、通过PCE值与阈值对比进行视频真伪检测。该方法利用视频中存在的设备指纹信息，对视频进行溯源以及真伪检测，并利用视频中不可更改的设备指纹信息，使得提出的方法具备一定的鲁棒性，为深度伪造视频检测提供全新的思路，具有实用价值。
-
公开(公告)号：CN117689592A
公开(公告)日：2024-03-12
申请号：CN202311691713.2
申请日：2023-12-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于级联自适应网络的水下图像增强方法，属于图像处理技术领域，该方法首先获取并预处理水下图像数据集，其中包含水下的失真图像。其次构建基于级联自适应网络的水下图像增强模型，所述水下图像增强模型包括细节恢复模块、色彩平衡模块、注意力特征融合模块、上下文注意力和全局颜色渲染模块。最后训练构建好的基于级联自适应的水下图像增强网络模型，得到增强后的水下图像。本发明解决了水下图像中细节模糊和颜色失真的问题，能得到较优的干净的水下像图。
-
公开(公告)号：CN117636477A
公开(公告)日：2024-03-01
申请号：CN202311721802.7
申请日：2023-12-14
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/82 , G06N3/043 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于径向基函数模糊神经网络的多目标跟踪匹配方法。首先确定应用的具体运动场景，获取对应的训练数据，根据确定的具体运动场景，构建用于此运动场景的径向基函数模糊神经网络。优化跟踪匹配技术，提取姿态对齐特征输入径向基函数模糊神经网络以获得更准确的相关匹配结果。根据优化后的训练数据和确定的学习策略训练模型。最后基于训练好的模型实现多目标跟踪匹配。对于复杂的人体运动，本发明提出的基于径向基函数模糊神经网络的人体信息识别模型具有更高的识别精度，通过对构建的上下文图提取其全局特征图和姿态热图，也能够准确地检测出人的运动状态。
-
公开(公告)号：CN115019068B
公开(公告)日：2024-02-23
申请号：CN202210580683.7
申请日：2022-05-26
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G06V10/72 , G06V10/82 , G06V10/80 , G06V10/774 , G06V10/44 , G06V10/46 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了一种基于编解码架构的渐进式显著目标识别方法，包括如下步骤：S1、图像数据预处理，并将预处理后的图像数据制作成训练集；S2、搭建目标识别网络并获取精确显著图像；S3、训练集中的图像数据输入至目标识别网络并训练。本发明通过在网络编码过程、解码过程中采用不同的渐进融合方式，有效减少了层间、尤其是间隔层之间的噪声污染保证了多尺度特征信息的有效利用，另外，通过渐进式连接方法取代传统模型中的简单跳跃连接、长连接，在保证
-
公开(公告)号：CN117408901A
公开(公告)日：2024-01-16
申请号：CN202311342533.3
申请日：2023-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对非对齐图像的全景深图像合成方法，其基本步骤为:步骤1：数据集制作，建立步骤2中网络训练需要的图像数据集；步骤2：构建非对齐图像的全景深效果合成网络模型；步骤3：通过步骤1获取的数据集训练步骤2搭建的全景深效果合成网络模型；步骤4：经过训练的网络模型接收需要进行全景深效果合成的图片序列，完成全景深效果合成后将图片输出。本发明通过在对齐的浅景深图像中引入仿射变化来合成非对齐的浅景深图像，从而模拟相机在小范围移动情况下拍摄图像序列的效果，克服了现有景深合成算法不能应用于非对齐图像序列的限制。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.028 seconds)
