-
公开(公告)号：CN111178510A
公开(公告)日：2020-05-19
申请号：CN201911400731.4
申请日：2019-12-30
Applicant: 杭州电子科技大学
IPC: G06N3/04
Abstract: 本发明公开了一种基于卷积神经网络的自适应分组卷积模块设计方法。本发明步骤如下：1：对全局特征进行加和求平均处理；2：通过全卷积操作将输入特征的通道数转换为指定大小的通道数，输出特征Ⅰ；同时通过全卷积操作将输入特征通道数不变，但大小改变的特征Ⅱ；3：将步骤2的特征Ⅰ作为softmax函数输入，得到一组概率分布；并按照此概率分布将原始输入特征和得到的卷积核进行分组；4：将分组后的原始输入特征通过分组后的卷积核进行特征提取；对完成特征提取的各个分组得到的特征通过通道拼接进行融合，且融合后的通道数与原始输入特征的通道数一致。本发明设计的模块在卷积神经网络对特征进行提取的过程中，能够自适应的将输入特征进行分组提取。
-
公开(公告)号：CN111127386A
公开(公告)日：2020-05-08
申请号：CN201910610718.5
申请日：2019-07-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的图像质量评价方法，包括如下步骤：步骤1：提取结构性特征图；步骤2：提取自然性特征图；步骤3：提取自由能特征图；步骤4：根据每张图对应的所有特征图设计神经网络框架。计算图像梯度做为图像的结构性特征，其次基于自然性特性提取图像的归一化特性做为自然性特征，最后基于大脑的自由能原理，对输入图像和大脑对它的预测图像之间的差异做为图像的高级特征。在特征提取完之后，利用一组无失真图像学习出一个模型并利用该模型来预测图像的质量。失真图像的质量被定义为它的模型与学习到的无失真模型之间的距离。
-
公开(公告)号：CN111123197A
公开(公告)日：2020-05-08
申请号：CN201911332190.6
申请日：2019-12-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TDOA的目标辐射源定位方法。本发明定义相应的非视距传感器向量，根据接收到的时差参量对该非视距传感器向量进行初始化，以此对原时差参量进行更正。选取中间变量，构造目标辐射源TDOA伪线性估计模型，运用加权最小二乘估计，得到目标辐射源的位置估计。运用梯度下降算法迭代修正结果。最后，利用中间变量与目标位置估计坐标的关系，再次运用加权最小二乘估计给出最终的目标位置估计。本发明通过引入合适的中间变量，使得不易直接求解的目标辐射源TDOA量测方程转化为伪线性估计模型同时结合梯度下降算法，降低了对可能存在非视距误差对定位性能的影响。最后进一步优化了位置坐标的最终解。
-
公开(公告)号：CN110929562A
公开(公告)日：2020-03-27
申请号：CN201910969167.1
申请日：2019-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进Hough变换的答题卡识别方法。本发明步骤如下：步骤1、图像预处理，对已获取的答题卡图像进行预处理的操作，主要包括对图像的归一化处理、平滑处理、灰度处理和二值化处理；步骤2、进行倾斜校正，基于改进的Hough变换算法进行直线检测，然后根据所定位的特征直线的位置计算倾斜的角度，再将图像旋转至竖直位置，得到校正后的答题卡的二值图像；步骤3、区域分割，对校正后的答题卡的二值图像进行形态学滤波后进行分割；步骤4、进行目标识别，根据区域分割的划分结果，对答题区域进行标记操作，同时检测答题的结果。本发明降低了对答题卡识别机器的要求，克服了光电阅卷必须使用专用设备的缺点，进而降低了成本。
-
公开(公告)号：CN110889174A
公开(公告)日：2020-03-17
申请号：CN201910988558.8
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06F30/17
Abstract: 本发明提供一种基于分组稀疏性的动态载荷识别方法。本发明的方法首先将动载荷识别的三维问题转化为二维问题，然后选择合适的惩罚函数，并对结构上的点按位置进行分组。最后使用G-FISTA方法优化求解，得到最优的动态载荷向量。本发明所述的方法，对于不便于直接安装力传感器测量动载荷的情形，是非常有帮助的。只需测量结构上几个点的振动加速度，在已知结构频响函数的前提下，即可间接获得结构上的动载荷。
-
Patent Agency Ranking
公开(公告)号：CN110866952A
公开(公告)日：2020-03-06
申请号：CN201910988088.5
申请日：2019-10-17
Applicant: 杭州电子科技大学
IPC: G06T7/73
Abstract: 本发明公开了一种基于深度图编码的重定位与回环检测方法。本发明利用RGB-D相机拍摄出来的深度图,结合所估计的相机位姿来辅助判断回环检测和重定位，即用随机蕨编码的方法对深度图进行编码，比较当前帧深度图与历史关键帧深度图的编码相似性，同时利用两帧图像所估计的相机位姿比较拍摄两帧图像时相机的空间位置相似性，通过当前帧与历史帧的编码相似性与空间位置相似性从而判断相机是否回到了之前到过的区域。本发明在原有的建立在彩色图像的方法上结合新型传感器所带来的深度信息，提供更加稳定的重定位和回环检测效果。并且对图像进行了编码，避免了考虑整幅深度图的信息，大大减小了计算量。同时还考虑了相机位姿，避免了判定结果假阳性的问题。
-
公开(公告)号：CN110675327A
公开(公告)日：2020-01-10
申请号：CN201910711597.3
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于核范数与图模型的图像去噪方法。本发明在探索图像的自相似特性时引入了图模型，图的构造方法借鉴了图论知识，提出了基于学习的图模型构造方法，通过使用动态规划方法构造出适合于每个图像块的图模型，图的表达采用了图拉普拉斯矩阵；在探索图像的低秩特性时引入了核范数，核范数是低秩的最优凸近似，主要采用奇异值分解的方法进行求解。同时，本发明还引入了增强拉格朗日乘子法将联合方程分解成子问题进行求解，起到了凸优化的作用。在本发明的最后，为更进一步优化去噪结果，引入了总体的正则化迭代方法，此方法能将误差进行回传操作优化。
-
公开(公告)号：CN110674676A
公开(公告)日：2020-01-10
申请号：CN201910711591.6
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于语义分割的道路置信估计模糊帧方法。本发明包括如下步骤：步骤1、搭建SegNet语义网络，用于输入检测道路的图像；步骤2、获取检测道路的图像数据集；步骤3、对数据集中的基础图像进行训练；步骤4、道路帧模糊性判断。本发明实现了一种基于语义分割的道路置信估计模糊帧，对智能驾驶中检测模糊图像有较大意义。本发明中的方法利用图片的语义特性将，道路驾驶的图像经过语义分割处理输出图像特征图，并通过时间差分法实现对图像进行置信估计，找出模糊、不稳定帧。排除这些干扰图像对智能图像识别的成功具有较高的提升。
-
公开(公告)号：CN110674675A
公开(公告)日：2020-01-10
申请号：CN201910711588.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种行人面部反欺诈方法。本发明步骤如下：步骤1：获取原始的视频图像序列；步骤2：将获取的视频图像序列作为输入，进行人脸检测；步骤3：利用mask rcnn网络对视频图像序列进行实例分割，提取出人脸视频图像序列，输入数据为获取的图像；步骤4：对步骤3中提取出的人脸视频图像序列进行欧拉视频放大，提取出的时间域信息；步骤5：根据步骤4提取出的时间域信息基于阈值判别出真实人脸和伪造人脸。本发明解决了人工识别人脸信息的不准确性和低效性，解放了部分人工生产力，并采用了欧拉视频微小运动放大技术来提取时间域中人脸肤色的规律性变化信息，所提取的信息人工难以伪造，提高了安全性。
-
公开(公告)号：CN110659664A
公开(公告)日：2020-01-07
申请号：CN201910711563.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于SSD的高精度识别小物体的方法。本发明改进的网络结构如下：(1)基于原始SSD网络，保留与SSD网络一样的瀑布递减式结构，然后将Conv7后边的Conv8_2与Conv9_2换成了RFB模块,形成网络Ⅰ；(2)再将网络Ⅰ进行改进，改进成类似于FPN的特征金字塔结构网络Ⅱ，通过特征金字塔结构网络Ⅱ能够将高层特征通过上采样和低层特征做融合，获得融合后的特征图，从而通过特征图来使用各层网络的特征；(3)对于融合后的特征图，使用新的NMS算法定位目标；引入了一种新的PrROI pooling来将ROI映射到其中来修正边框。本发明利用FPN网络可以充分利用各层网络特征信息和RFB可以模拟人类视觉皮质中离心率的效果来提高感受野的优点。
-
-
-
-
-
-
-
-
-
Search Results
461
records
(took 0.032 seconds)
