-
公开(公告)号：CN109363650A
公开(公告)日：2019-02-22
申请号：CN201811546239.3
申请日：2018-12-18
Applicant: 浙江工业大学
IPC: A61B5/0205 , A61B5/1455 , H04L27/00
Abstract: 一种基于载波调制方法的血氧饱和度及脉搏测量系统，包括控制电路模块(1000)、面光源模块(1100)、采集装置模块(1200)和计算机(1300)；应用于电学噪声较大的测量环境下，非接触的血氧饱和度测量和脉搏测量。该方法通过660nm光源(1101)850nm光源(1102)以一定的周期进行交替工作并在此基础上加入载波信号，通过高速成像CCD(1203)获取人手背处的区域灰度值信息。对得到不同波长下的灰度值信息通过图像处理(1301)、结果计算(1302)进一步处理。本发明可以得到手部的血氧饱和度信息和脉搏信息。
-
公开(公告)号：CN109344957A
公开(公告)日：2019-02-15
申请号：CN201810860313.2
申请日：2018-08-01
Applicant: 浙江工业大学
Abstract: 一种基于差异比较的卷积神经网络可视分析方法，包括以下步骤：使用Tensorflow设计需要基本网络模型，并在此基础上做参数的修改得出对照模型；对两个模型进行训练，并提取训练完成后的模型参数；将得到的模型参数输入差异分析系统进行差异展示；通过观察差异分析系统的差异概览组件快速找到可能的关键差异点；通过系统提供的交互探索组件对可能的关键差异进行进一步的详细分析，从而得出自己的结论。本发明有效实现差异化可视分析，通过对这些差异的理解用户可以在实际对神经网络模型进行修改的过程中更加有效率地找到关键问题所在。
-
公开(公告)号：CN109271567A
公开(公告)日：2019-01-25
申请号：CN201810860167.3
申请日：2018-08-01
Applicant: 浙江工业大学
IPC: G06F16/904 , G06K9/62
Abstract: 一种面向全排列数据的多变量可视分析方法，包括以下步骤：(1)对原始数据集合中的有限项目使用全排列算法得出所有排序方案；(2)根据原始数据中各个项目两两之间的连接属性，分别对排序方案添加连接属性信息；(3)通过MDS算法将所有排序方案降维聚类；(4)可视化分析：MDS view聚类视图、PCP View平行坐标视图、Perm View矩阵视图，各个视图之间交互分析，引导用户选择自己感兴趣的方案集群和排序方案。本发明从大量的全排列方案中挖掘出特殊的集群模式，将排列方案之间的相似性和差异性通过可视化让用户从中分析并结合自己的需求得出最佳的排序方案。
-
公开(公告)号：CN108764317A
公开(公告)日：2018-11-06
申请号：CN201810485738.X
申请日：2018-05-21
Applicant: 浙江工业大学
CPC classification number: G06K9/6267 , G06N3/0454
Abstract: 一种基于多路特征加权的残差卷积神经网络图像分类方法，包括以下步骤：1)模型的输入图像为经过预处理的原始图像，经过预处理的图像裁剪为一个固定尺寸；2)对图像进行较大尺寸的卷积操作和池化操作；3)将步骤2)中输出的特征送入第一个多路特征加权残差模块；4)将步骤3)中多路特征加权残差模块的输出继续送入下一个多路特征加权残差模块，在经过多个多路特征加权残差模块后，输出的特征图像尺寸会逐渐缩小直至变为较小尺寸，最后经过一个平均池化层缩小为特征点；所得特征点直接送入分类层进行分类或经过全连接层后再进行分类。本发明应用于复杂的图像分类任务，丰富了特征表达，避免了因神经网络深度增加导致的梯度消失问题。
-
-
Patent Agency Ranking
公开(公告)号：CN105741319B
公开(公告)日：2018-05-08
申请号：CN201610045316.1
申请日：2016-01-22
Applicant: 浙江工业大学
IPC: G06T7/246
Abstract: 基于盲目更新策略和前景模型的改进视觉背景提取方法，包括如下步骤：第一步：读取视频的首帧，进行背景模型的初始化及建模；第二步：进行前景模型的初始化及建模；第三步：读取新的视频帧，首先根据背景模型判断该点是否分类为背景点，若分类为背景点，则将该点继续与其前景模型进行分类判断；第四步：使用形态学滤波对二值前景图像进行处理；第五步，更新前景模型与背景模型；第六步：读取新的视频帧，重复第三步到第五步，实时检测视频序列中的运动前景区域。
-
公开(公告)号：CN107766516A
公开(公告)日：2018-03-06
申请号：CN201710997882.7
申请日：2017-10-24
Applicant: 浙江工业大学
IPC: G06F17/30
CPC classification number: G06F17/30241
Abstract: 一种基于边界保留的地理地图变形可视化方法，包括以下步骤：1)提取地理边界数据；2)地图简化；3)网格剖分：采用平面网格剖分算法将地图变形成网格地图，为了确保与实际地理区域对应的地图呈现规则的形状，在简化地图上划分网格；4)区块匹配：判断所有矩型属于哪个区域；5)上述操作之后，每个区域被转换成由多个矩形组成的块，所有区域有不同颜色，以便视觉区分。本发明将地图的每个区域通过提取其边界地理数据，其每个区域重构成矩形网格，并且网格的相对位置排列对应于原始地理位置，该方法成功解决了地图边界的不规则问题，并且保留了区域的地理边界。
-
-
公开(公告)号：CN104915639B
公开(公告)日：2018-01-09
申请号：CN201510257647.7
申请日：2015-05-19
Applicant: 浙江工业大学
IPC: G06K9/00
Abstract: 一种基于混合误差编码的人脸识别方法，为了排除遮挡和光照变化所形成的局部显著特征的影响，利用遮挡和光照变化的空间结构，即：连续性和局部方向性，构造结构化误差，以选取待识别图像的有效特征；为了弥补遮挡和光照变化所造成的特征损失，由稀疏表示理论和图像在高维特征空间中的表示，构造判别误差，以有效地识别人脸图像。结构化误差和判别误差既相互独立又相互影响，本发明将基于这两种误差编码的人脸识别方法称为混合误差编码方法。实验表明，混合误差编码方法，可以有效地识别现实中的人脸图像，为面向现实的人脸识别系统提供了有力的支撑。本发明识别率高、可行性好，特别地，对于有遮挡或光照变化的人脸图像，具有良好的识别性能。
-
公开(公告)号：CN104636729B
公开(公告)日：2017-12-29
申请号：CN201510069223.8
申请日：2015-02-10
Applicant: 浙江工业大学
Abstract: 基于贝叶斯多元分布特征提取的三维人脸识别方法，包括三维数据预处理，特征提取和识别分类。本发明的优点是：克服现有技术存在的计算量大的缺点，本发明用三维人脸深度图进行识别，可减少计算量，提高识别效率；并解决单样本识别问题中训练样本不足的问题，用分块方法增加训练样本；在此基础上提出一种基于贝叶斯分析的特征提取方法，使获得的特征具有最小的类内距离和最大的类间距离，即具有最佳的可分离性；并用基于马氏距离的分类方法，获得最优的识别分类。经实验数据证明，本发明的方法具有较好的三维人脸识别结果。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.063 seconds)
