-
公开(公告)号：CN116797785A
公开(公告)日：2023-09-22
申请号：CN202310327951.9
申请日：2023-03-30
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于特征提炼的伪装物体检测方法，首先获取伪装物体检测数据集，进行数据预处理；构建基于特征提炼的伪装物体检测模型；再通过训练集对构建好的基于特征提炼的伪装物体检测模型训练，对预测结果使用结构损失函数进行监督学习。最后对模型训练结果加以验证。本发明基于特征提炼的方式来构建伪装物体检测模型，对伪装物体图像的特征进行增强处理以及去除背景噪声，利用结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对伪装物体的精确分割，对社会具有重要意义。
-
公开(公告)号：CN116245968A
公开(公告)日：2023-06-09
申请号：CN202310210835.9
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了基于Transformer的LDR图像生成HDR图像的方法，首先构建基于Transformer的HDR图像生成模型，包括浅层特征对齐模块、金字塔融合模块和图像重建模块；通过浅层特征对齐模块进行特征对齐，通过金字塔融合模块对对齐后的特征进行处理，获得不同尺度的特征，将金字塔融合模块处理后的不同尺度的特征融合成一个尺度；再将融合后的特征送入图像重建模块进行图像重建；最后将图像重建模块输出的结果使用卷积操作得到3层的HDR最终图片。本发明可以更好地学习非局部特征并自适应地减少虚拟阴影。本发明提出了一种新的金字塔融合模块，使图像可以与较低计算成本和根据全局信息。
-
公开(公告)号：CN111625002B
公开(公告)日：2022-12-13
申请号：CN202010494207.4
申请日：2020-06-03
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明提供一种仿人机器人爬楼步态规划与控制的方法。本发明以搭建的机器人物理样机模型作为本研究的参考对象，对其进行运动学建模、稳定性分析，设计出能够满足稳定条件的步态规划方法，并提出了一种基于DQN算法的步态优化方法。进而，对机器人腿部进行动力学建模与联合仿真，验证所提出算法的合理性与可行性，最后将最终得到的步态实验结果在物理样机上进行试验，进一步证明算法的有效性，达到理想结果。本发明将传感器信息进行融合，记忆步态并选取最优，调整步态参数，从而达到在线步态优化的目的获得更准确的机器人步态，对约束环境下的仿人机器人步态规划和控制有着指导价值。
-
公开(公告)号：CN114140483A
公开(公告)日：2022-03-04
申请号：CN202111311986.0
申请日：2021-11-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合边缘信息的图像显著性目标检测方法，首先使用编码器网络对输入图像进行特征提取，获得5个不同尺度的特征；在解码器步骤中使用边缘信息模块对1、2、3层的特征信息进行处理获得边缘预测图；再将第4层和第5层特征进行处理，分别与边缘预测图相加；然后沿通道维进行拼接，再经过conv处理压缩通道并使用sigmoid激活函数最终得到网络的预测显著图；最后使用损失函数对整体模型网络进行优化。本发明所述的方法，可以有效提高图像显著目标检测的准确率。通过使用边缘信息提取模块，可以有效提高显著目标的完整性。
-
公开(公告)号：CN112163111A
公开(公告)日：2021-01-01
申请号：CN202011040727.4
申请日：2020-09-28
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种旋转不变的图像语义信息挖掘方法，首先构建特征生成网络，通过ResNet‑50网络特征图谱的提取；通过主分支特征处理网络对特征图谱进行平均池化和降维处理；通过副分支特征处理网络挖掘旋转不变的图像语义描述符。将主分支特征处理网络得到的一个n维特征与副分支特征处理网络得到的多个n维特征进行特征拼接，得到增强的图像特征描述符。最后利用增强的特征描述符进行不同视角下图像的检索，进而实现地理目标定位。本发明提出一种环形分割策略，使得到的语义块不会受到拍摄方向的干扰，挖掘得到的语义块可以提高图像特征的区分性。
-
Patent Agency Ranking
公开(公告)号：CN111178510A
公开(公告)日：2020-05-19
申请号：CN201911400731.4
申请日：2019-12-30
Applicant: 杭州电子科技大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的自适应分组卷积模块设计方法。本发明步骤如下：1：对全局特征进行加和求平均处理；2：通过全卷积操作将输入特征的通道数转换为指定大小的通道数，输出特征Ⅰ；同时通过全卷积操作将输入特征通道数不变，但大小改变的特征Ⅱ；3：将步骤2的特征Ⅰ作为softmax函数输入，得到一组概率分布；并按照此概率分布将原始输入特征和得到的卷积核进行分组；4：将分组后的原始输入特征通过分组后的卷积核进行特征提取；对完成特征提取的各个分组得到的特征通过通道拼接进行融合，且融合后的通道数与原始输入特征的通道数一致。本发明设计的模块在卷积神经网络对特征进行提取的过程中，能够自适应的将输入特征进行分组提取。
-
公开(公告)号：CN119169208B
公开(公告)日：2025-02-25
申请号：CN202411690058.3
申请日：2024-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于多模态正则化和温度平滑约束的三维场景重建方法，属于计算机视觉技术领域。该方法首先对同一三维场景相同视角下的彩色‑温度图像对进行配准，然后通过混合或轮廓线叠加的方式生成增强的图像。对增强的图像进行运动构造，生成点云与相机位姿。再创建两个独立的高斯模型，输入点云数据和相机位姿，分别渲染得到温度图像和彩色图像。为温度模态和彩色模态的高斯模型设置损失函数，在温度模态的损失函数中引入平滑项。设置一个正则化系数，将温度模态和彩色模态的损失函数联立起来。利用总损失函数计算整体损失和梯度，并反向传播，通过自适应密度控制对模型的各项参数进行优化。最后使用训练后的模型完成三维场景的重建。
-
公开(公告)号：CN119152115A
公开(公告)日：2024-12-17
申请号：CN202411183048.0
申请日：2024-08-27
Applicant: 杭州电子科技大学
Abstract: 本发明涉及三维重建领域，具体涉及一种基于3D高斯的三维重建方法及计算机装置，提高了三维重建的精度。方法包括：采集数据，并对数据进行预处理，获取预测的深度图和法向图；通过3D Gaussian Splatting渲染得到彩色图片、法向图及深度图；将渲染得到彩色图片、法向图及深度图与训练的真值、预测的法向图、预测的深度图分别进行作差，获得损失函数；通过随机梯度下降最小化损失函数，迭代优化训练高斯的分布、形状以及颜色。本发明适用于三维重建。
-
公开(公告)号：CN118865392A
公开(公告)日：2024-10-29
申请号：CN202411339837.9
申请日：2024-09-25
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了基于强化学习的场景布局估计方法，涉及场景布局估计技术领域，包括如下步骤：将场景的稠密点云映射到平面上，利用形态学侵蚀进行分割，并进行合并处理，得到房间点云；再将房间点云投影到二维平面上，提取房间点云中的边缘点云，并进行分割处理，得到独立区域的壁面点云；然后基于Q‑learning算法，确定强化学习中的状态、动作和奖励；再基于独立区域的壁面点云采用Q‑learning算法拟合线段，得到独立区域的壁面线段数据；最后基于独立区域的壁面线段数据，生成场景布局模型；本发明用于解决现有技术中无法在消除了独立区域之间的干扰和遮挡物的影响的同时减少计算量，场景布局估计效率和准确性较低的问题。
-
公开(公告)号：CN118247486A
公开(公告)日：2024-06-25
申请号：CN202410386802.4
申请日：2024-04-01
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于轻量化三分支编解码网络的多模态显著性目标检测方法及系统，方法如下：步骤1：获取训练和测试任务的RGB‑D‑T数据集，并对数据集进行预处理；步骤2：构建并使用训练数据集训练基于深度学习的轻量化RGB‑D‑T图像显著性目标检测模型；步骤3：使用完成训练的网络模型接收测试数据集进行显著目标检测。经过训练后本发明提出的轻量化网络模型对显著目标检测具有较高的精准度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.023 seconds)
