-
公开(公告)号：CN104299233A
公开(公告)日：2015-01-21
申请号：CN201410519756.7
申请日：2014-09-30
Applicant: 杭州电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/11 , G06T2207/10044 , G06T2207/20112
Abstract: 本发明公开一种基于超像素块的蜂群和灰色关联算法的SAR图像分割方法：其实现步骤是：（1）预处理待分割SAR图像；（2）计算超像素块；（3）初始化每个超像素块的灰度空间；（4）在每个超像素块里面用蜂群算法进行寻优，找到最优聚类中心；（5）初始化超像素块聚类中心与其他相邻的像素块的聚类中心之间的距离；(6)根据加权公式定义出像素块在领域内的和每个领域的关联程度；（7）循环（6）直到每个像素块都归类的权值最优的类中去；（8）得到分割结果。由于本发明采用将待分割SAR图像分割成超像素块的方法，使图像中的像素点具有位置信息约束，使图像不会发生错乱，提高了图像局部完整性。
-
公开(公告)号：CN119672588A
公开(公告)日：2025-03-21
申请号：CN202411493375.6
申请日：2024-10-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于特征相似度的动作分割网络优化方法。本发明首先需要获取数据集的视频，将原始的视频进行分帧处理，得到时序图片，然后获得对应的标签。然后利用通用的特征提取网络获得对数据集进行特征提取，得到相应的特征，然后根据输入的特征计算代表性特征。然后根据代表性特征进行特征相似度计算，然后进行滤波处理，之后将将滤波后的特征相似度输入到损失函数中，反向传播更新参数。本发明通过求得视频中动作的代表性特征，结合特征相似度，对网络的训练加以辅助，达到更好的动作分类结果，减少了过分割错误，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN116524568A
公开(公告)日：2023-08-01
申请号：CN202310522698.2
申请日：2023-05-10
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/766 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于由全局到局部序数回归网络的人脸图像年龄估计方法。本发明步骤：步骤1：对数据集进行预处理；步骤2：对预处理后的数据集中的人脸图像提取特征；步骤3：局部年龄域划分；对整个数据集提取到的特征数据进行k‑means聚类分析，根据聚类结果，将整个数据集划分为多个局部数据域；步骤4：构建全局回归网络和局部回归网络；步骤5：年龄估计。本发明解决现有的深度有序回归网络在人脸年龄估计任务上精度不足的问题。本发明在不增加网络设计复杂度的情况下，有效提高了序数回归网络针对人脸年龄估计任务的准确率。本发明的优势在于识别准确率高、鲁棒性强的特点。
-
公开(公告)号：CN108446589B
公开(公告)日：2022-03-22
申请号：CN201810122730.7
申请日：2018-02-07
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/77 , G06V10/764 , G06K9/62
Abstract: 本发明公开一种复杂环境下基于低秩分解和辅助字典的人脸识别方法。本发明步骤如下：1.通过非凸稳健主成分分析法对输入人脸图片进行低秩分解，求解基于范数的目标函数，得到初步去除复杂环境影响的低秩内容；2.基于核范数的去相关性低秩分解：在目标函数中添加去除类间相关性的正则项，并将上一步骤获得的低秩内容进行奇异值分解后用作初始化矩阵，通过ADMM算法交替迭代求解得到用于识别的低秩字典。3.基于辅助字典学习的分类识别：获得模拟复杂环境变化的辅助字典，并通过与低秩字典联立使用，通过RADL进行人脸分类识别。本发明使用到的低秩分解目标函数能够充分去除干扰信息，使分解后的人脸图像更具有身份识别能力和抗环境干扰性。
-
公开(公告)号：CN114092779A
公开(公告)日：2022-02-25
申请号：CN202111216830.4
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制的神经网络正则化方法。本发明步骤：(1)批量图像输入和预处理；(2)利用CNN卷积神经网络进行特征提取；(3)利用注意力机制进行关键特征筛选；(4)交换不同目标图像的关键特征；(5)不同图像的关键特征和非关键特征共同组成重构图像的语义信息；(6)设计一种自适应置信度估计方法，判断重构图像的所属类别；(7)利用重构图像对神经网络进行训练得到更准确的训练模型。本发明通过样本拓充和充分挖掘图像的潜在特征，以提升模型的鲁棒性和整体性能。本发明的优势在于使用注意力机制指导图像特征自适应重构，适用范围广、模型精确度高、鲁棒性强。
-
Patent Agency Ranking
公开(公告)号：CN113536014A
公开(公告)日：2021-10-22
申请号：CN202110736611.2
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06F16/55 , G06K9/62
Abstract: 本发明公开了一种融合容器信息的菜品信息检索方法。本发明步骤如下：(1)建立容器信息数据库；(2)建立菜品信息数据库；(3)菜品图片定位；(4)容器边缘曲率信息提取；(5)菜品图片特征提取；(6)菜品相似度数值计算；(7)菜品信息检索。本发明在对菜品识别方面，采用对比特征检索的方式，而不是直接分类方式去判别菜品类别，当要判别新的菜品类别的时候，只需要对新菜品采样，并将采样得到特征记录到数据集中。当需要判别类别的时候，使用特征在数据库中进行对比，就可得到结果。当然在判别时候使用特征相似度同时还引入菜品图像的颜色直方图相似度与容器边缘曲率相似度，进一步提高的判别的准确性。
-
公开(公告)号：CN104778683B
公开(公告)日：2017-06-27
申请号：CN201510040592.4
申请日：2015-01-27
Applicant: 杭州电子科技大学
IPC: G06T7/11
Abstract: 本发明涉及基于泛函映射的多模态图像分割方法。本发明对包含目标的图像集合做如下操作：1）将图像分割成超像素块，并用不同的特征描述子表征，获得多模态图像表示；2）在多模态图像上建立超像素图，构建相应的拉普拉斯矩阵；3）表征每幅图像的约减泛函空间，建立图像对之间的泛函映射；4）将每种模态的图像泛函映射与图像线索对齐，引入隐函数保持泛函映射之间的一致性；5）依据多模态映射一致性获得泛函映射表达，通过联合优化目标函数计算图像对应的分割函数，得到图像的最优分割表示。本发明能够利用图像不同模态的特征表示以及图像之间共有的目标潜在关联，准确判定图像的各目标区域块，增强了图像分割的性能和效果。
-
公开(公告)号：CN119723630A
公开(公告)日：2025-03-28
申请号：CN202411512411.9
申请日：2024-10-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人脸模板和滑动窗口的人脸提取方法，首先将图片转为灰度图，并采用sobel算子进行边缘检测得到边缘强度特征；对灰度图进行预处理，然后对经过处理的图片计算积分图；基于人脸模板，对人脸模板满足规则的阈值进行赋值；基于积分图计算像素密度特征，然后结合边缘强度特征标记人脸候选区域；最后利用滑动窗口检测人脸候选区域并与人脸模板满足规则结合寻找具体人脸位置，绘制人脸方框。本发明引入人脸模板与自适应的滑动窗口检测结合技术，利用检测区域与人脸模板的匹配程度增强检测的准确性。本发明采用基于特征点的局部滑动窗口，避免对无效区域、无效特征的检测，通过对边缘强度特征和像素密集度特征的检测，来预测人脸的大致位置，并结合人脸模板搜索人脸具体位置。
-
公开(公告)号：CN113536551B
公开(公告)日：2024-10-25
申请号：CN202110734471.5
申请日：2021-06-30
Applicant: 中国电子科技集团公司第二十研究所 , 杭州电子科技大学
IPC: G06F30/20
Abstract: 本发明涉及一种基于DEVS的数据链系统的建模与测试的方法。本发明步骤为：建立输入/输出行为模型：根据目标数据链系统消息标准的输入/输出行为建立；建立最小可测试输入/输出对模型：根据各个输入/输出行为在时间上的发生顺序建立；建立规则行为模型：根据各个最小可测试输入/输出对的依赖性关系建立；建立场景行为模型：根据各个规则的依赖性关系建立；建立被测系统模型：基于场景行为模型，使用ADEVS框架并结合相关子模块生成；建立测试模型：镜像被测系统模型的输入/输出行为建立；测试执行：运行测试模型和被测系统模型，能判断出其是否正确实现了目标消息标准中的元素并给出结果；本发明你根据被测系统模型的输入/输出行为，判断其正确性。
-
公开(公告)号：CN117275048A
公开(公告)日：2023-12-22
申请号：CN202311273312.5
申请日：2023-09-28
Applicant: 杭州电子科技大学
IPC: G06V40/12 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/80
Abstract: 本发明公开了一种基于全局特征和局部细节点特征融合的指纹识别方法。本发明步骤包括(1)批量的图像输入和预处理；(2)利用CvT模型网络进行特征提取；(3)使用CNN卷积神经网络来获取指纹图像的细节点信息；(4)通过设定阈值对得到的细节点分数图进行细节点筛选，最后获取得到细节点信息；(5)执行测试，通过得到的全局特征图和细节点信息，对训练好的学生网络进行图像相似度评估。本发明旨在通过指纹全局特征和细节点局部特征融合的方法，实现指纹全局信息和局部信息的互补来达到指纹的高精度识别。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.038 seconds)
