-
公开(公告)号：CN109063834B
公开(公告)日：2021-07-20
申请号：CN201810765996.3
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于卷积特征响应图的网络剪枝方法，它通过卷积特征响应图剪枝的神经网络压缩方法，能实现不影响神经网络精度的基础上，实现神经网络的压缩和加速。本发明通过采用上述技术，剔除神经网络中冗余的卷积操作实现网络的加速和压缩；根据卷积特征响应图的特征响应比判断，实现自动有效的特征提取，结合网络剪枝操作，能在不影响神经网络精度的基础上，实现神经网络的压缩和加速，减少了神经网络中大量的计算量和参数数量，加快神经网络的运算，解决了深度学习难以应用在现实场景中的问题。
-
公开(公告)号：CN109035369A
公开(公告)日：2018-12-18
申请号：CN201810764775.4
申请日：2018-07-12
Applicant: 浙江工业大学
CPC classification number: G06T11/60 , G06T3/4038
Abstract: 本发明公开了一种融合虚拟样本的样本扩充方法，其特征在于包括如下步骤：第一步，对采集到的车标真实样本进行车标消除处理，制作成无车标的车辆模型库；第二步，然后对收集到的车标样本增加噪声、扰动等处理以扩大样本集，之后通过图割方法对车标进行分离；第三步，将分离的车标与车辆图像进行组合与融合，最终生成虚拟样本。本发明的有益效果为：在样本量较少的情况下，提出一种新的样本扩充方案，该方法也能在更大程度上获得车标的多样性，从而提高识别的准确率和适应性，尤其是针对某些不常见且现有样本库较少的样本。
-
公开(公告)号：CN108932722A
公开(公告)日：2018-12-04
申请号：CN201810765658.X
申请日：2018-07-12
Applicant: 浙江工业大学
IPC: G06T7/13
Abstract: 本发明公开了一种确定目标单像素轮廓的方法，包括如下步骤：步骤1：读入一张需要检测车辆的图像，记为I1，其中图像的高度为height，宽度为width；步骤2：将I1输入到全卷积神经网络中，得到轮廓概率图I2；步骤3：找到I2中的像素灰度值最大的像素点记为PL，其灰度值记为PL(xL,yL)，(xL,yL)表示像素点PL的坐标；本发明的有益效果是：通过使用本发明的方法对目标进行单像素轮廓的提取操作，可以有效避免目标附近边缘相连接的背景的干扰，并且由于全卷积网络的特性，该目标轮廓提取方法不受目标颜色以及光照的影响，在目标本身颜色与背景接近的情况下也能很好的进行轮廓定位，可以在复杂环境下得到良好的目标轮廓提取效果。
-
公开(公告)号：CN103996056B
公开(公告)日：2017-05-24
申请号：CN201410138343.4
申请日：2014-04-08
Applicant: 浙江工业大学
IPC: G06K9/66
Abstract: 一种基于深度学习的纹身图像分类方法，包括以下步骤：1)样本变换1.1)仿射变换；1.2)弹性变换；1.3)遮挡模拟；1.4)白化；2)自编码预训练：进使用CUDA优化后的自编码训练机对大量彩色纹身图像进行训练，得到纹身图像的一些共同地边缘信息，同时对这些图像做些挑选后用于卷积网络的第一层；3)使用自编码得到的结果对变换后的样本进行卷积网络训练。本发明有效避免受照射方向，肤色，毛发，光线，图像质量等各方面的影响、可靠性良好、实现效率较高。
-
公开(公告)号：CN114724221A
公开(公告)日：2022-07-08
申请号：CN202210384360.0
申请日：2022-04-13
Abstract: 本发明公开了一种基于深度图神经网络的RASS镇静评分判别方法，基于Retinaface改进网络进行人脸检测和图像矫正，并进行图像预处理，通过改进VGG网络进行基于疼痛检测的特征提取；采用级联金字塔模型(CPN)进行人体姿态估计，得到患者的动作姿态和肢体关键点，对关键点区域的图像块进行空间和时间维度固定大小的多层3D卷积和下采样，得到关键点运动特征抽取；通过深度图神经网络进行关系图建模和联合优化学习，得到判别性更强的高维特征融合，通过计算特征融合的加权组合和softmax判别得到单幅图像的RASS评分；在连续图像序列中，进行加权平均，得到鲁棒性更优的RASS评分自动判别和预测。本发明提高了疼痛表情检测和异常行为识别融合评判的准确度和效率，降低漏检和误检率。
-
Patent Agency Ranking
公开(公告)号：CN109241959A
公开(公告)日：2019-01-18
申请号：CN201810955797.9
申请日：2018-08-21
Applicant: 浙江工业大学
Abstract: 本发明公开了一种车牌识别结果智能纠正方法，包括如下步骤：步骤1：构建31个省、自治区、直辖市汉字简称与发牌机关代号的映射表C；构建车牌字符集合P；步骤2：取m张车牌图像，利用自动车牌识别技术，得到对应识别结果Ui；然后人工进行识别，步骤3：根据步骤2得到的误识别矩阵Mn×n，首先统计集合P中所有字母被误识别的概率，得到集合R然后基于集合R，计算误识权重集合，步骤4：获得一张车牌经自动车牌识别技术识别后的结果字符串L，将L中的字符依次按序加入空集H，步骤5：对步骤4得到的车牌字符集合H，进行识别结果纠正，本发明的有益效果是：该方法可以对常见单行蓝牌和单行黄牌的识别结果进行智能纠正，减轻人力工作量。
-
公开(公告)号：CN104574441A
公开(公告)日：2015-04-29
申请号：CN201410854055.9
申请日：2014-12-31
Applicant: 浙江工业大学
IPC: G06T7/20
CPC classification number: G06T7/66 , G06T7/246 , G06T2207/30196
Abstract: 一种基于GMM和时序模型的跌倒实时检测方法，包括以下步骤：1)背景建模；2)形态学处理；3)运动目标检测；4)判定人体宽高比变化；5)构造重心状态变化矩阵；6)指数平滑法更新数据；7)给定跌倒阈值矩阵；8)根据测试数据，按照跌倒检测公式进行判定。本发明采用重心状态矩阵将表征人体运动状态的信息分解为多个参量，并赋予垂直参量更高的权重，使人体状态变化的检测更加精确；采用基于时间序列的指数平滑法对历史数据的权重进行调整，使当前累积数据更加合理。本发明既可应用于平地环境也可应用于楼梯等斜坡环境。
-
公开(公告)号：CN102012419B
公开(公告)日：2013-07-24
申请号：CN201010530149.2
申请日：2010-11-03
Applicant: 浙江工业大学
CPC classification number: Y02A20/206 , Y02A40/81
Abstract: 一种基于视觉感知鱼类行为的生物水质监测系统，包括用于盛放鱼类的透明鱼缸、用于监视鱼类行为的摄像机、视频采集卡和水质监测中心，所述鱼缸位于摄像机的视觉范围内，各个摄像机均通过视频采集卡与水质监测中心数据通信连接，水质监测中心包括图像采集模块、图像处理模块、目标跟踪模块和鱼类行为数据分析模块，鱼类行为数据分析模块包括数据建模部分和数据匹配部分，获取待分析水域的图像帧序列的数据，并代入到模型公式(6)、(7)中匹配，若当前计算值与正常行为值之间的差值在预设阈值范围内，表明鱼类行为属于正常的，判定水质状况良好；若差值超出预设阈值范围，则判定水质受到污染。本发明降低成本、适合大规模实施、实时性良好。
-
公开(公告)号：CN102800107A
公开(公告)日：2012-11-28
申请号：CN201210234231.X
申请日：2012-07-06
Applicant: 浙江工业大学
Abstract: 一种基于改进最小交叉熵的运动目标检测方法，包括以下步骤：1）图像差分；2）二值化：2.1）灰度和梯度的计算与归一化；2.2）灰度-梯度共生矩阵及其概率计算；2.3）二维最小交叉熵的计算；2.4）基于遗传算法的最优阈值选取；2.5）基于均匀性测度的分割质量评价；3）形态学操作，对二值化图像进行膨胀再进行腐蚀处理；4）连通区域分析，用来获取图像中各个对象的连通域；5）目检识别，在二值化图像中从左上角像素点开始，若当前像素点为1，则采用贪婪算法搜索其8领域像素值为1的像素点，每一目标的位置信息和相关信息都将保存在目标链中，目标链中即是检测到的目标信息。本发明精确度高、实时性良好。
-
公开(公告)号：CN109035369B
公开(公告)日：2023-05-09
申请号：CN201810764775.4
申请日：2018-07-12
Applicant: 浙江工业大学
Abstract: 本发明公开了一种融合虚拟样本的样本扩充方法，其特征在于包括如下步骤：第一步，对采集到的车标真实样本进行车标消除处理，制作成无车标的车辆模型库；第二步，然后对收集到的车标样本增加噪声、扰动等处理以扩大样本集，之后通过图割方法对车标进行分离；第三步，将分离的车标与车辆图像进行组合与融合，最终生成虚拟样本。本发明的有益效果为：在样本量较少的情况下，提出一种新的样本扩充方案，该方法也能在更大程度上获得车标的多样性，从而提高识别的准确率和适应性，尤其是针对某些不常见且现有样本库较少的样本。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.022 seconds)
