-
公开(公告)号：CN110298365B
公开(公告)日：2023-04-07
申请号：CN201910598501.7
申请日：2019-07-04
Applicant: 浙江大学滨海产业技术研究院
IPC: G06V10/56
Abstract: 本发明提供了一种基于人眼视觉的主题色提取方法，包括以下步骤：在RGB颜色空间中构建颜色图模型；在颜色图模型中建立像素点颜色间连接关系；利用Louvain社区发现算法获得初始的主题色；利用数据驱动的方式获得与人眼视觉相似的排序主题色。本发明有益效果：解决了现有主题色提取方法中存在的与人眼视觉不一致和提取主题色无重要性排序的主要问题；为了获得与人眼视觉提取主题色一致的颜色，本发明在构建颜色图模型的基础上利用改进版社区发现算法获得初始主题色，然后选择了颜色提取中三个重要的属性值，即显著性、距离、数量，通过构建线性方程来拟合人眼提取主题色规律，获得与人眼相近似的主题色提取效果。
-
公开(公告)号：CN112069921A
公开(公告)日：2020-12-11
申请号：CN202010830474.4
申请日：2020-08-18
Applicant: 浙江大学
Abstract: 一种基于自监督知识迁移的小样本视觉目标识别方法，包括：1)收集与任务弱相关、数量较多的无标注辅助数据，以及与任务强相关、数据量较小的有标注目标数据；2)在数据量较多的无标注辅助数据上通过数据变换构造正样本对以及负样本对，并利用对比损失函数作自监督学习，预训练一个深度神经网络；3)利用预训练模型提取目标数据的特征，并在该特征空间的基础进行数据降维，学习到一个对目标数据具有较强判别能力的特征子空间；4)将每个类别少量标注数据在该子空间的特征表达作为该类别的特征原型，利用最近邻方法对测试数据进行分类预测。
-
公开(公告)号：CN110175627A
公开(公告)日：2019-08-27
申请号：CN201910327662.2
申请日：2019-04-18
Applicant: 浙江大学
Abstract: 一种基于知识重组的复杂分类方法，包括：步骤1、特征重组：针对不同分类任务的教师模型，通过一系列自编码器学习得到紧凑的特征表示；步骤2、参数学习：先对学生网络模型参数进行分层的训练，然后在分层训练的基础上，做一个联合的训练。通过上述两个步骤得到的学生模型，是一个轻量级的设计，不需要人工标注的数据，就可以处理复杂的分类任务，而且在很多情况下比单个教师任务完成的效果更好。
-
公开(公告)号：CN110097084A
公开(公告)日：2019-08-06
申请号：CN201910264911.8
申请日：2019-04-03
Applicant: 浙江大学
Abstract: 通过投射特征训练多任务学生网络的知识融合方法，由以下步骤组成：首先初始化TargetNet(目标学生网络)的结构与教师网络相同，通过通道编码，将TargetNet中融合的特征图投射为对应任务的特征图；逐个训练TargetNet中与教师网络对应的block，得到融合的特征图；确定TargetNet中不同任务开始分支的各自位置；将教师网络中的对应block加入学生网络，作为不同任务的分支，并移除TargetNet中末端的block，得到TargetNet最终结构；最后调优学生网络。本方法能够使用无标签数据集，融合多个不同任务的教师网络，得到性能优越的轻量级学生网络。
-
公开(公告)号：CN109614967A
公开(公告)日：2019-04-12
申请号：CN201811176334.9
申请日：2018-10-10
Applicant: 浙江大学
Abstract: 一种基于负样本数据价值重采样的车牌检测方法，包括：1)收集包含车牌图片，将车牌区域切割出来作为正样本，在非车牌区域随机裁剪出图像块作为负样本，划分训练集，验证集和测试集；2)从训练集的负样本中随机选取与正样本数量相同的样本训练初始分类器，对训练集中全部的负样本进行预测，根据预测为负样本的概率值进行分组，并保证除最后一组外其余各组的样本量与正样本数量相同；3)对于每组负样本数据和正样本数据重新训练分类器，并在验证集上计算信息增益来度量每组负样本的数据价值；4)根据每组负样本的数据价值计算权重，从各组中重新随机采样构成新的负样本训练集，同正样本一起训练最终分类器，使用测试集评价其效果。
-
Patent Agency Ranking
公开(公告)号：CN109472284A
公开(公告)日：2019-03-15
申请号：CN201811088628.6
申请日：2018-09-18
Applicant: 浙江大学
Abstract: 一种基于无偏嵌入零样本学习的电芯缺陷分类方法，包括：1)从通过高清摄像头采集的电芯图片中，采用滑动窗口的方式获取合适大小的包含缺陷的图像块，将较为常见的缺陷类别分配为带标签的源数据，将少见的缺陷类别分配为无标签的目标数据；2)使用有标注的源类数据和未标注的目标类数据来端对端地训练准全监督学习网络模型QFSL；3)测试阶段，对于输入的图像块，通过视觉嵌入子网络得到它的视觉嵌入，接着利用视觉-语义衔接子网络，完成从视觉嵌入到语义嵌入的映射，然后通过内积计算得到投影得到的视觉嵌入和语义嵌入的得分，最后送入Softmax分类器产生了所有类别的预测概率，将概率最高的那个类别作为分类结果。
-
公开(公告)号：CN105272187B
公开(公告)日：2018-01-09
申请号：CN201510756809.1
申请日：2015-11-10
Applicant: 浙江大学
IPC: C04B35/16
Abstract: 本发明公开了一种锆英石陶瓷的制备方法，以锆英石为基质，依次进行如下步骤：1)、将锆英石和烧结助剂球磨混合均匀，所述烧结助剂与锆英石的质量比为5％～10％；2)、向步骤1)所得的混合料中添加作为粘结剂的聚乙烯醇后进行喷雾造粒；所述步骤1)所得的混合料与聚乙烯醇的料液比为：100g/0.2～0.5ml；3)、将步骤2)所得的造粒料填充于模具内进行冷等静压成型，成型压力80～120Mpa；然后于1100～1600℃烧制2～8h，得到锆英石陶瓷。本发明工艺简洁，且能提高锆英石陶瓷的烧结致密度。
-
公开(公告)号：CN118072888A
公开(公告)日：2024-05-24
申请号：CN202410283589.4
申请日：2024-03-13
Applicant: 浙江大学
IPC: G16C60/00 , G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/084 , G06F119/14
Abstract: 基于时空自适应图神经网络的多晶体应力场演变预测方法和装置，其方法包含如下步骤：步骤1.构建模拟高温合金应力场数据集；步骤2.构建适配多晶材料的图结构数据；步骤3.构建基于多晶图神经网络的空间自适应模块，构建适配多晶结构的图神经网络，根据晶界特征自适应地聚合晶粒及其邻居节点的信息；步骤4.构建基于多头GRU的时间自适应模块；步骤5.进行应力场演变预测任务。本发明能够在不使用预先选择的特征而仅使用晶粒尺寸、取向等原始特征的情况下高效稳定的进行长期应力场演变预测。
-
公开(公告)号：CN117496131B
公开(公告)日：2024-05-10
申请号：CN202311839596.X
申请日：2023-12-29
Applicant: 国网山东省电力公司济南供电公司 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 浙江大学 , 国网信息通信产业集团有限公司
Inventor： 郭鹏天 , 王晓辉 , 谈元鹏 , 陈勇 , 李黎 , 王勇 , 刘晗 , 徐康 , 陈霞 , 梁栋 , 张纪伟 , 张若冰 , 邱镇 , 卢大玮 , 周飞 , 张国梁 , 王博 , 宋明黎 , 宋杰 , 王万国 , 袁弘
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/0499
Abstract: 本发明提供一种电力作业现场安全行为识别方法及系统，涉及计算机视觉和目标检测技术领域，该方法包括构建DETR模型，采用通用数据集对模型进行预训练；构建电力行业数据集，对模型进行训练；基于上述预训练完的DETR模型，在其编码层和解码层的Transformer结构中引入Adapter模块，模型结构调整完成后基于电力作业现场安全行为识别数据集进行微调，得到最终的基于DETR+Adapter的电力作业现场安全行为识别模型；将待检测图片输入基于DETR+Adapter的电力作业现场安全行为识别模型中，输出识别结果。与其他算法相比，本发明模型有更强的泛化性能与更高的检测精度。
-
公开(公告)号：CN117496131A
公开(公告)日：2024-02-02
申请号：CN202311839596.X
申请日：2023-12-29
Applicant: 国网山东省电力公司济南供电公司 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网智能电网研究院有限公司 , 浙江大学 , 国网信息通信产业集团有限公司
Inventor： 郭鹏天 , 王晓辉 , 谈元鹏 , 陈勇 , 李黎 , 王勇 , 刘晗 , 徐康 , 陈霞 , 梁栋 , 张纪伟 , 张若冰 , 邱镇 , 卢大玮 , 周飞 , 张国梁 , 王博 , 宋明黎 , 宋杰 , 王万国 , 袁弘
IPC: G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/0499
Abstract: 本发明提供一种电力作业现场安全行为识别方法及系统，涉及计算机视觉和目标检测技术领域，该方法包括构建DETR模型，采用通用数据集对模型进行预训练；构建电力行业数据集，对模型进行训练；基于上述预训练完的DETR模型，在其编码层和解码层的Transformer结构中引入Adapter模块，模型结构调整完成后基于电力作业现场安全行为识别数据集进行微调，得到最终的基于DETR+Adapter的电力作业现场安全行为识别模型；将待检测图片输入基于DETR+Adapter的电力作业现场安全行为识别模型中，输出识别结果。与其他算法相比，本发明模型有更强的泛化性能与更高的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.069 seconds)
