-
公开(公告)号：CN115937926A
公开(公告)日：2023-04-07
申请号：CN202211265533.3
申请日：2022-10-17
Applicant: 浙江工商大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的表情识别方法，包含以下步骤：S1:对表情图片进行可调节滤波处理。S2:通过肤色自适应灰度化对滤波后的表情图像进行灰度处理。S3:将灰度化处理后的表情图片进行低衰减插值处理。S4:将处理好的表情图像划分为训练集和数据集。S5:通过训练集和数据集对搭建好的用于表情识别的卷积神经网络模型进行训练。本发明的基于卷积神经网络的表情识别方法，采用深度学习中的网络对图像具有较好的提取特征的能力，从而避免了人工提取特征的繁琐，而深度学习除了预测外，还扮演着特征工程的角色，从而省去了人工提取特征的步骤。
-
公开(公告)号：CN115562987A
公开(公告)日：2023-01-03
申请号：CN202211210769.7
申请日：2022-09-30
Applicant: 浙江工商大学
IPC: G06F11/36
Abstract: 本发明公开了一种针对智能合约调用序列优化与资源分配导向的模糊测试方法，针对智能合约中的全局状态变量的进行数据流依赖分析，生成合约的函数调用序列，然后在模糊测试执行过程中迭代更新种子，通过分支距离度量，与新分支距离更近的种子将被选择，对测试用例进行优化，驱动模糊测试器更快地覆盖条件严格的分支；进而选择智能合约中需重点分析的稀有分支与易受攻击分支作为目标分支，并为目标分支分配更多的模糊测试资源；最后对函数调用序列进行优化变异，从而让模糊检测器能够挖掘更深层的分支。本发明结合了序列生成与优化策略、种子迭代优化策略、资源调度策略，提高了模糊检测的效率和准确率，具有良好的实用价值以及很好的借鉴意义。
-
公开(公告)号：CN115438220A
公开(公告)日：2022-12-06
申请号：CN202211014330.7
申请日：2022-08-23
Applicant: 浙江工商大学
IPC: G06F16/732 , G06F16/783 , G06F16/9532 , G06V10/74 , G06V10/77 , G06V10/82 , G06V20/70
Abstract: 本发明公开了一种噪音鲁棒学习的跨语言跨模态检索方法及装置，通过借助机器翻译来构造伪平行句子对来实现零样本跨语言迁移。由于机器翻译得到结果并不总是完美的，它通常包含大量的噪声。为了缓解这个问题，首先引入了一个多视角自蒸馏损失来学习噪声鲁棒的目标语言特征，它通过利用cross‑attention模块从基于相似度和基于特征的两个视角来生成软伪目标；其次，利用回译来提高模型对源语言的鲁棒性；最后，将得到的视频特征与噪声鲁棒的文本特征映射到一个跨语言跨模态共同空间中进行匹配，从而实现目标语言文本到视频的跨模态检索。本发明实现了在目标语言上的准确检索。
-
公开(公告)号：CN115408558A
公开(公告)日：2022-11-29
申请号：CN202211015314.X
申请日：2022-08-23
Applicant: 浙江工商大学 , 华数传媒网络有限公司 , 浙江宇视科技有限公司
IPC: G06F16/732 , G06F16/783 , G06V10/77 , G06V10/74 , G06V10/82 , G06F16/953 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于多尺度多示例相似度学习的长视频检索方法及装置，该方法获取视频和文本初步特征；使用从粗到细的编码方式，从视频的片段尺度和帧尺度提取不同时间粒度的信息；基于两种尺度的视频表示，使用片段尺度相似度学习分支筛选出和文本最相关的视频片段并得到片段尺度相似度；使用帧尺度相似度学习分支以筛选出的最相关视频片段作为向导来聚合视频特征来得到更加精细的视频信息，并与文本进行相似度计算后得到帧尺度相似度；利用公共空间学习算法来学习长视频和文本间的多尺度相似度，以端到端的方式训练模型，实现文本到长视频的检索。本发明利用了多尺度多示例学习的思想，能有效解决所提出的文本到长视频的检索任务。
-
公开(公告)号：CN115147676A
公开(公告)日：2022-10-04
申请号：CN202210724589.4
申请日：2022-06-23
Applicant: 浙江工商大学
IPC: G06V10/774 , G06V10/74 , G06V10/82 , G06V40/20 , G06N3/04
Abstract: 本发明公开了一种基于层级多视角的自监督动作识别方法及装置，该方法包括：先是对比学习的预训练阶段，原始数据通过数据增强和重组分别通过key编码器和query编码器提取特征构造正负样本。特征提取时通过视角生成模块得到不同尺度的子视角，分别通过Transformer编码、聚合、拼接后得到时间特征、空间特征以及两者的组合：时空特征。时空特征通过对比损失达到拉近正样本、推远负样本的目标以获取特征表示能力。通过时间特征和空间特征间的一致性损失拉近不同视角间的特征距离。本发明是骨架动作识别领域一种新颖的层级化视角的建模方法，可以深入挖掘不同视角间的互补信息，能够实现比现有方法性能更好的骨架动作识别。
-
Patent Agency Ranking
公开(公告)号：CN114758401A
公开(公告)日：2022-07-15
申请号：CN202210487416.5
申请日：2022-05-06
Applicant: 浙江工商大学
IPC: G06V40/16 , G06V10/762 , G06K9/62
Abstract: 本发明公开了一种基于超矩形的人脸识别方法、装置及存储介质，首先，根据已知类别的人脸图像样本进行建模，生成对待识别人脸图像样本进行类别判断的超矩形分类器；然后，将待识别人脸图像样本输入训练好的超矩形分类器，判断该待识别人脸图像样本的所属类别。具体地说，本发明将同一类别的人脸图像在直角坐标系上所占据的区域建模成若干个超矩形。与现有的人脸识别算法相比，本发明模型学习过程简单、收敛速度快、具有接近线性的时间和空间复杂度，性能稳定，识别率高，适合运算能力受限的计算环境，而且方法的建模过程、建模结果、模型使用的物理意义明确、容易理解，具有很强的可解释性。
-
公开(公告)号：CN114399640B
公开(公告)日：2022-07-15
申请号：CN202210292106.8
申请日：2022-03-24
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
公开(公告)号：CN114677450A
公开(公告)日：2022-06-28
申请号：CN202210273798.1
申请日：2022-03-19
Applicant: 浙江工商大学
Abstract: 本发明涉及低光照图像增强和复原的多媒体技术领域，特别是指一种结合图像增强与图像融合的暗图像复原迭代神经网络方法，尤其适用于光照不均匀的低光照图像。本发明通过基于超像素的成对非均匀低光照图像数据集的制作流程和基于深度学习的增强融合迭代网络框架用于低照度图像增强。本发明的有益效果是：通过探究真实环境光照的特点，合成了非均匀光照图像数据集，避免了人工数据集和实拍数据集存在的问题，并且针对之前的基于深度学习的低光照图像增强算法所遇到的问题，在深度学习模型中提出了相对应的策略，以先粗略增强后融合细化的方式，同时结合迭代增强的思想，将输入的低光照图像逐步增强和恢复其光照。
-
公开(公告)号：CN114659530A
公开(公告)日：2022-06-24
申请号：CN202210242363.0
申请日：2022-03-11
Applicant: 浙江工商大学
IPC: G01C21/32
Abstract: 本发明提供一种用于智能机器人路径规划的正六边形网格模型地图构建方法，包括：根据预设网格尺寸结合地图数据将视觉范围内平面区域剖分为多个无缝连接的、不重叠的正六边形空白基础网格；获取各空白基础网格的点云数据，结合地图数据赋予各空白基础网格地形特征、格元属性及格边属性得到基础网格，形成覆盖平面区域的网格模型，确定机器人及激光点在网格模型中的坐标，计算激光点所在基础网格的概率估计值，确定网格处于占据状态或空闲状态；更新机器人所在基础网格与激光点所在基础网格之间的其他基础网格的状态；根据各基础网格的状态对所在环境的网格模型进行增量建图。该方法获得的地图可以应用于智能机器人的地图构建和路径规划中。
-
公开(公告)号：CN114399640A
公开(公告)日：2022-04-26
申请号：CN202210292106.8
申请日：2022-03-24
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种不确定区域发现与模型改进的道路分割方法及装置，首先使用来自源域的标记数据来学习初始分割模型，然后初始分割模型在目标域中进行自训练得到不同分割模型，通过对比来自不同分割模型的分割结果确定目标域图像中的不确定区域并进行标记，从而解决伪标签中的冗余和噪声导致的分割模型性能下降问题；然后再根据标记信息对模型进行优化，采用师生模块，学生模型专注于合并新的标记信息，而教师模型平衡历史模型和标记信号以防止对标记区域的过度拟合；新优化分割模型再次进行自训练得到不同分割模型，重复上述步骤，直到达到设定的停止条件。
-
-
-
-
-
-
-
-
-
Search Results
199
records
(took 0.068 seconds)
