-
公开(公告)号：CN111178389A
公开(公告)日：2020-05-19
申请号：CN201911244389.3
申请日：2019-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于多通道张量池化的多模态深度分层融合情感分析方法。基于注意力机制方法，可以对多模态数据设定相应权重，划分不同模态数据的重要程度，从而根据不同模态数据对任务的不同贡献程度，在融合部分放大贡献程度大的多模态数据在交互时的作用。而相对于单通道多项式张量池化模块，多通道多项式张量池化模块能够从细粒度层面获得鲁棒性高的局部高维度复杂非线性交互信息。本发明在判定多模态数据重要程度基础上，能从细粒度层面刻画稳定的局部高维复杂动态交互信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
公开(公告)号：CN110619276A
公开(公告)日：2019-12-27
申请号：CN201910753620.5
申请日：2019-08-15
Applicant: 杭州电子科技大学 , 杭州创匠信息科技有限公司
Abstract: 本发明公开基于无人机移动监控的异常及暴力检测系统和方法。本发明包括无人机云台模块、巡航飞行控制模块、视频处理模块、异常事件检测模块、暴力行为检测模块以及警报模块。视频处理模块用于接收无人机云台模块和巡航飞行控制模块的数据，并对其进行预处理；异常事件检测模块用于分析视频处理模块处理过的视频数据，并对其中的异常事件视频进行检测；暴力行为检测模块接收来自异常事件检测模块的数据，用于分析经异常事件检测模块检测出异常后的视频中是否有暴力行为。本发明实现了在巡航状态的无人机上进行异常事件检测和暴力行为检测的系统,而且能在无人机飞行过程中以近实时的检测速度进行检测,并且可以实时反馈。
-
公开(公告)号：CN115778372B
公开(公告)日：2025-05-27
申请号：CN202211603497.7
申请日：2022-12-13
Applicant: 杭州电子科技大学
IPC: A61B5/107 , A61B5/389 , A61B5/00 , G06F18/213 , G06F18/214 , G06F18/2411
Abstract: 本发明公开一种基于表面肌电信号的膝关节角度估计方法。本发明连接表面肌电信号采集设备到用户下肢的肌肉群，同时在膝关节处绑定角度传感器；表面肌电信号采集设备和角度传感器分别采集表面肌电信号和关节角度数据，然后对表面肌电信号和膝角度数据进行预处理；获取各表面肌电信号片段的特征值，输入至ICOOT‑MS‑LSSVM模型，获取膝关节角度估计值。本发明利用表面肌电信号，使用基于ICOOT算法优化的MK‑LSSVM模型，解决了LSSVM算法无法跳出局部最优的问题，通过多尺度核函数可以更优的拟合表面肌电信号。
-
公开(公告)号：CN113139573B
公开(公告)日：2024-08-09
申请号：CN202110257704.7
申请日：2021-03-09
Applicant: 杭州电子科技大学
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于条件双分支注意力机制的鲁棒声纳图像生成方法。本发明采用深度学习技术对复杂水下环境进行声纳图像仿真成像。本发明打破了传统的声纳仿真技术注重底层的物理建模，在多类别、多背景的情况下存在着图像可调性差、逼真度低的局限。该方法能够利用条件信息有效地控制特定条件声纳图像的生成，通过一种双分支注意特征融合机制，依次完成信道级和像素级的注意操作，增强相应元素之间的相关性，从而生成更加清晰、逼真的声纳图像。通过实验发现，该方法在声纳图像仿真上取得很好的表现，且在噪声干扰环境下具有鲁棒的成像效果，说明深度学习方法在声呐图像仿真上的可行性，为复杂水声环境数据中的图像仿真提供了新的研究手段。
-
公开(公告)号：CN118349949A
公开(公告)日：2024-07-16
申请号：CN202410540606.8
申请日：2024-04-30
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种多模态步态识别方法及系统。利用编码器提取肌电信号和姿态信号的深层特征；利用融合模块对肌电信号和姿态信号的深层特征进行融合，得到深层融合特征；利用解码器对深层融合特征进行解码操作，得到步态识别结果。本发明提出二次融合概念，通过分别在特征提取过程中的编码器阶段和得到深层特征之后的多模态融合，在浅层特征提取时利用对方模态信息学习本模态特征，在深层特征融合时采用权重融合策略，有效提高特征提取与融合的效率，进而提高步态识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114863213B
公开(公告)日：2024-04-16
申请号：CN202210512236.8
申请日：2022-05-11
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06V10/82 , G06V10/764 , G06N3/047 , G06N3/048 , G06N3/09
Abstract: 本发明公开一种基于因果解耦生成模型的域泛化图像识别方法。域泛化的目的是从多个源域数据中学习域不变表示很好的泛化到不可见的目标域，但是学习域不变特征的最大挑战在于从纠缠的特征空间中分解出语义信息和域信息。考虑到因果特征具有跨域不变的特性，本发明提出了因果解耦表征模型。首先，将跨域稳定的因果结构模型作为先验引入。然后，构建基于因果结构的生成模型，分别为任务相关和域相关特征建模。特别的是，两个隐特征之间的双向因果依赖通过一种干预手段解除，从而有效消除域相关特征对预测任务的影响。结果证明，本发明提出的方法能够有效解耦出任务相关和域相关特征，超过了大多数的解决域泛化的方法。
-
公开(公告)号：CN116796221A
公开(公告)日：2023-09-22
申请号：CN202310301807.8
申请日：2023-03-27
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06N3/096 , G06F18/214
Abstract: 本发明公开了一种面向情绪识别的深度迁移学习域自适应方法，包括S1：对原始脑电信号进行采样、处理和特征提取；S2：对目标域数据和源域数据进行特征降维；S3：对降维后的数据进行深度域自适应；S4：进行标签预测；S5：选取不同的被试者作为目标域，重复S2‑S4；S6：在跨批次实验中，选择其中一个试验批次作为目标域数据，剩下的数据作为源域数据，执行S3‑S4。本发明将联合分布自适应与深度卷积神经网络相结合，联合分布自适应方法同时考虑源域数据和目标域数据的边缘分布与条件分布的差异，提高域适应能力；采用三层网络进行多层深度域自适应，通过多层适应，可以很好的弥合边缘分布与条件分布下的域差异，提高网络的迁移能力。
-
公开(公告)号：CN116597034A
公开(公告)日：2023-08-15
申请号：CN202310556749.3
申请日：2023-05-17
Applicant: 杭州电子科技大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于区域结构一致性的汉字书法字体图像生成方法。该方法如下1.获取基础字体图像和目标字体真实图像。基础字体图像包含需要生成目标字体的汉字。2.以编码器‑解码器为基础结构，构建用于输入基础字体图像生成目标字体仿真图像的生成器。3.构建用于判别目标字体仿真图像与目标字体真实图像的判别器。判别器对输入的图像数据的每一个独立的区域进行评价打分。4.构建用于字体骨架结构约束的区域结构一致性网络。5.网络训练。6.生成所需汉字的目标字体。本发明在书法字体图像生成网络中设置区域结构一致性模块，在生成过程中对汉字骨架结构进行有效约束，使生成的目标字体仿真图像字体结构清晰，能有效还原笔划细节。
-
公开(公告)号：CN116595404A
公开(公告)日：2023-08-15
申请号：CN202310235690.8
申请日：2023-03-13
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F3/01 , G06N3/0464 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于注意力机制的时空特征提取脑电目标空间定位方法。该方法采用脑机接口中的快速序列视觉呈现范式，采集被试在执行观看任务时的脑电数据。然后依次提取脑电数据的通道空间注意力特征与时空特征，再进一步提取了深度时空特征。最后基于深度时空特征进行目标空间位置定位。该方法在特征提取过程中采用两个轻量级的卷积神经网络和一个紧凑的卷积神经网络，有效降低网络的计算量，适合小数据量的数据训练。在空间时间特征提取上加入了注意力机制，显式地解耦空间和时间信息，运用了整个脑电图的多通道的丰富信息，能够对来自四个方向的目标进行空间定位。
-
公开(公告)号：CN116451059A
公开(公告)日：2023-07-18
申请号：CN202310313394.5
申请日：2023-03-28
Applicant: 杭州电子科技大学
IPC: G06F18/2131 , G06F18/2132 , G06F18/10 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/0895 , G06F3/01
Abstract: 本发明公开了一种基于注意力机制的对比表征脑机视频目标检测方法。该方法使用了两个轻量级的卷积神经网络和一个多头注意力机制的卷积神经网络，对大脑的注意力信息进行解码分类，利用脑电通道与时间维度的注意力机制以及通过对比表征的方法解决类不平衡问题，具体在训练特征提取器的阶段，对时间和空间维度的特征提取上加入了注意力机制，可以显式的解耦出空间和时间上的信息，并且通过样本对内对比学习的方式解耦出两个类间的微弱的特征差异，在特征提取的后期阶段引入多头注意力机制以学习样本的多个特征来发现微弱细小特征差异。从而定位目标是否出现以及消失的时间，解决P300特征在长视频检测中衰弱以及正负样本的长尾分布问题。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.067 seconds)
