-
公开(公告)号：CN110363204A
公开(公告)日：2019-10-22
申请号：CN201910548683.7
申请日：2019-06-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多任务特征学习的对象表示方法。本发明的方法，在终端采用深度神经网络对特征进行提取，减少了传输视频的数据量，加快了传输速度，减少了存储空间占有量；在云端由计算机进行对象的分析和恢复，减少了人力成本的投入，同时提高了事件处理效率；且能够实现多个任务同时进行，联合优化的效果。本发明本发明采用人工智能神经网络方法，通过对原视频图像进行特征提取，减少传输数据量，再通过特征计算，实现智能分析，并且利用转置卷积技术，实现图像的还原，大大提高了事件的处理速度，并节省了资金。
-
公开(公告)号：CN119338840A
公开(公告)日：2025-01-21
申请号：CN202411286374.4
申请日：2024-09-13
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06T5/10 , G06T7/00 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于快速傅里叶变换和SKAttention机制的OCT图像分割方法。本发明通过在UNet网络即骨干结构初始阶段引入图像预处理模块，显著提高了OCT眼底图像水肿区域的分割精度和效率。图像预处理模块结合FFT和SKAttention机制，该模块被设计为对输入的OCT图像数据进行初步变换和特征加权处理，以强化网络对水肿特征的识别能力。此技术方案优化了特征处理流程，增强了模型对眼底病变特征的识别能力，特别是在处理复杂或低对比度的水肿区域时表现出高效性和高准确性。此外，该方法在保持高处理速度的同时，还具备良好的适应性和可扩展性，适合于大规模医疗图像处理应用。
-
公开(公告)号：CN119206438A
公开(公告)日：2024-12-27
申请号：CN202411324371.5
申请日：2024-09-23
Applicant: 杭州电子科技大学
IPC: G06V10/82 , G06V10/774 , G06N3/045 , G06N3/082
Abstract: 本发明公开了一种基于特征分布的自适应池化方法及系统，方法包括如下步骤：步骤1、制作图像数据集；步骤2、构建基于特征分布的自适应池化策略的交叉视角地理定位网络模型，并通过步骤1的数据集进行训练；步骤3、经过训练的交叉视角地理定位网络模型接收需要定位的无人机或卫星视角图像，匹配对应的卫星或无人机图像。本发明基于特征分布的自适应池化方法及系统，旨在引导网络捕获显著目标特征的同时降低对上下文特征的敏感度，以实现精准的无人机交叉视角地理定位。
-
公开(公告)号：CN118736238A
公开(公告)日：2024-10-01
申请号：CN202410836723.9
申请日：2024-06-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种用于显著目标检测的轻量化图像特征提取方法。本发明使用卷积神经网络和注意力机制混合架构提取图像多尺度特征。在多尺度空洞卷积模块中，使用深度卷积和逐点卷积代替常规卷积，以减少网络所需的参数；使用空洞卷积，在不改变图像分辨率的基础上扩大感受野；使用并行结构，对每个分支的空洞卷积设置不同的空洞率，以充分提取输入的多尺度特征。在全局特征提取模块中，使用自注意力和空间注意力机制并行的结构，利用注意力机制编码全局信息。本发明通过探索卷积和注意力机制混合的轻量化架构，在减少参数的情况下提高了图像提取多尺度特征的能力。
-
公开(公告)号：CN118570623A
公开(公告)日：2024-08-30
申请号：CN202410673247.3
申请日：2024-05-28
Applicant: 杭州电子科技大学
IPC: G06V20/05 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了基于语义指导融合的RGB‑D水下显著性目标检测方法。首先获取训练和测试该任务的RGB‑D水下显著性目标检测数据集，并对图像数据集进行预处理；然后构建并使用训练数据集训练基于深度学习的轻量化RGB‑D水下显著性目标检测模型；最后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。本发明网络模型以更低的计算复杂度和更少的参数获取不同模态的特征并进行融合，所提出的语义感知模块对高层的两模态特征的交互进行了指导。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。
-
Patent Agency Ranking
公开(公告)号：CN118247676A
公开(公告)日：2024-06-25
申请号：CN202410215001.1
申请日：2024-02-27
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V20/17 , G06V10/82 , G06V10/44 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于密集划分策略的交叉视角地理定位方法及系统。本发明构建的地理定位网络模型包含无人机分支和卫星图分支，两个分支采用共享权重的学习方式，每个分支包括特征提取部分、特征划分处理部分和分类监督部分。网络初始输入为给定图像X，根据图像视角类型选择进入对应分支；给定图像X通过骨干网络进行特征提取，获得高维特征；采用密集划分策略对高维特征图进行划分得到分区块；然后对分区块进行平均池化操作，得到压缩特征；利用分类器模块对每个压缩特征预测地理标签，并利用交叉熵损失计算差异，从而优化网络模型。本发明从局部和全局两个层面增强算法对图像中物体尺寸和位置偏移的鲁棒性，提高了多视角图像匹配的准确性。
-
公开(公告)号：CN116363146A
公开(公告)日：2023-06-30
申请号：CN202310376860.4
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06T7/00 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于半监督学习的眼眶肿瘤图像分割方法，首先获取图像数据集，然后进行图像预处理；构建基于半监督学习的眼眶肿瘤图像分割模型(MSCINet)；再将预处理后的数据集输入MSCINet模型，进行模型训练；最后通过训练好的MSCINet模型实现眼眶肿瘤图像分割。本发明通过引入多尺度一致性约束，可以学习不同尺度下的鲁棒特征，更好的应对眼眶肿瘤尺度变换较大的挑战；通过自训练策略，充分利用大量未标注数据，缓解一般深度模型对于大规模标注数据的需求，降低深度模型应用限制。
-
公开(公告)号：CN116363145A
公开(公告)日：2023-06-30
申请号：CN202310374298.1
申请日：2023-04-10
Applicant: 杭州电子科技大学
Inventor： 王帅 , 程志明 , 颜成钢 , 薛轶天 , 杨德富 , 张莹 , 何敏 , 高宇涵 , 孙垚棋 , 朱尊杰 , 王鸿奎 , 王廷宇 , 殷海兵 , 张继勇 , 李宗鹏 , 赵治栋
IPC: G06T7/10 , G06V10/764 , G06V10/774 , G06T7/00 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双重边缘表示的眼底OCT图像视网膜分层方法，首先进行数据集获取及预处理，然后构建基于双重边缘表示的眼底OCT图像视网膜分层模型MTDBA‑Net；使用灰度归一化训练图像和人工标注结果及双重边缘表示训练提出的MTDBA‑Net；最后通过训练好的模型实现眼底OCT图像视网膜分层。本发明所提出的双重边缘表示可以包含更加丰富的边缘形状信息，多任务间施加一致性约束可以充分利用多任务间的相关性，提高图像分割的精度获得更精准的边缘。
-
公开(公告)号：CN111680702B
公开(公告)日：2022-04-01
申请号：CN202010467331.1
申请日：2020-05-28
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种使用检测框实现弱监督图像显著性检测的方法。本发明的方法是首先使用全连接条件随机场CRF方法处理不带图像类别信息的检测框标注数据，得到初始的粗糙显著图伪标签作为第一轮模型训练的监督信息，再利用显著图伪标签数据训练图像显著性检测网络模型，接着对显著图伪标签进行更新，即使用显著图更新策略处理模型在训练图像数据上预测得到的显著图，得到下一轮训练所需的显著图伪标签，然后进行迭代精炼的过程，重复模型训练和显著图更新过程，最后微调模型，使模型适应测试的显著性检测数据集。该方法使用不带图像类别信息的检测框标注作为模型的弱监督信息，有效提高弱监督显著性检测方法的性能。
-
公开(公告)号：CN110364223B
公开(公告)日：2021-04-06
申请号：CN201910548286.X
申请日：2019-06-24
Applicant: 杭州电子科技大学
IPC: G16B30/00
Abstract: 本发明公开冷链一种基于多示例学习的IRES序列搜寻方法。本发明以经过实验验证过的含IRES的序列为正样本，未含IRES的序列为负样本，以多示例学习为框架，通过对正负样本组成的数据集进行训练，获得一个有效的IRES预测估计模型。本发明可以快速高效的判断细胞mRNA中是否存在IRES序列以及存在的大致位置。本发明针对mRNA中IRES序列验证的生物实验较为复杂且人力、物力成本消耗过高的问题。本发明可以对mRNA序列是否存在IRES序列进行快速判断，并预估其大概所在位置，从而可使相关科研工作者优先对大概率存在IRES序列的mRNA片段进行生物实验验证，以提高工作效率，减少工作强度。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.053 seconds)
