-
公开(公告)号：CN116758595A
公开(公告)日：2023-09-15
申请号：CN202310585371.X
申请日：2023-05-23
Applicant: 浙江工业大学 , 杭州海康威视数字技术股份有限公司
Abstract: 基于光学相干层析成像的图像点精度和采集深度测试方法，包括：1)将采集梯形测试卡置于OCT三维皮下结构图像采集窗中；2)从梯形测试卡锐角边起沿直角边由薄变厚方向做二维图像截面扫描，采集二维图像数据；3)生成三维OCT图像，将采集的线对标定板图样放大至垂直充满显示屏，检查线对标定板图样清晰分辨率线所在行列位置；4)采集距梯形测试卡锐角边纵向深度像素数，计算三维纵向图像点精度值；5)采集距梯形测试卡锐角边横向深度像素数，计算三维横向图像点精度值；6)采集距梯形测试卡锐角边的清晰分辨率线最大距离，计算清晰分辨率线最大深度，得出有效采集深度值；本发明能计算出OCT系统所测的图像点精度和有效采集深度。
-
公开(公告)号：CN115294462A
公开(公告)日：2022-11-04
申请号：CN202210623808.X
申请日：2022-06-02
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
Abstract: 本发明提出了一种多尺度特征引导下的建筑物变化检测方法，包括：用建筑物数据集训练用于建筑物特征提取的深度卷积神经网络；提取建筑物变化检测数据集中变化检测影像对的多尺度建筑物特征；训练并优选基于多尺度特征融合的变化检测模型；检测同一地点不同时相的影像对中变化的建筑物，获得变化结果的预测概率图并进行二值化处理，最后可将结果图进行矢量化，得到包含变化建筑物的矢量文件。本发明充分利用了深度卷积神经网络来提取建筑物特征，减少了变化检测过程中背景的干扰；同时，多尺度建筑物特征能引导网络专注于建筑物识别，保证了预测建筑物的完整性，降低了伪变化的产生，从而提高建筑物变化检测的精度。
-
公开(公告)号：CN114219815A
公开(公告)日：2022-03-22
申请号：CN202111304541.X
申请日：2021-11-05
Applicant: 浙江工业大学 , 杭州海康威视数字技术股份有限公司
Abstract: 多层次语义边界分割的高分辨遥感影像农田提取方法，包括：步骤1：农田语义边界提取：步骤2：农田边界阈值设置：步骤3：农田边界阈值分割：步骤4：农田边界细化：步骤5：农田边界迭代分割与细化：步骤6：农田矢量对象构建。本发明以边缘检测网络得到的边界强度图作为输入，采用多层次阈值分割方法，提取精细边界。其中，高阈值分割结果能够保证分割结果尽量贴合真实边界，低阈值使得构建的地物对象尽可能完整。从而，使得细化结果既能保持较高的边界定位精度，又具有较好的完整性。
-
公开(公告)号：CN114219815B
公开(公告)日：2024-11-08
申请号：CN202111304541.X
申请日：2021-11-05
Applicant: 浙江工业大学 , 杭州海康威视数字技术股份有限公司
Abstract: 多层次语义边界分割的高分辨遥感影像农田提取方法，包括：步骤1：农田语义边界提取：步骤2：农田边界阈值设置：步骤3：农田边界阈值分割：步骤4：农田边界细化：步骤5：农田边界迭代分割与细化：步骤6：农田矢量对象构建。本发明以边缘检测网络得到的边界强度图作为输入，采用多层次阈值分割方法，提取精细边界。其中，高阈值分割结果能够保证分割结果尽量贴合真实边界，低阈值使得构建的地物对象尽可能完整。从而，使得细化结果既能保持较高的边界定位精度，又具有较好的完整性。
-
公开(公告)号：CN117607120A
公开(公告)日：2024-02-27
申请号：CN202311296175.7
申请日：2023-10-08
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G01N21/65 , G06F18/241 , G06N3/0464 , G06F18/213
Abstract: 基于改进的ResNext模型结合拉曼光谱的食品添加剂检测方法和装置，其方法包括：1)构建改进的ResNext模块用于特征提取；2)构建改进的ResNext神经网络模型，设定参数，进行训练；3)利用训练好的改进的ResNext神经网络，对含有食品添加剂的混合物拉曼光谱进行识别。本发明减少了模型超参数的数量，更便于模型的可移植性；具有更强的特征提取能力，增强了物质识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117591923A
公开(公告)日：2024-02-23
申请号：CN202311289861.1
申请日：2023-10-08
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/0475
Abstract: 一种基于WGAN‑GP的拉曼光谱数据扩增方法和装置，其方法包括：1)进行光谱数据采集。搭建拉曼光谱采集装置，对待测的样品进行光谱数据采集，然后对光谱数据进行预处理，包括去噪、平滑以及归一化；2)构建并训练生成网络G。使得生成网络能够生成更加接近真实样本的数据；3)构建并训练判别网络D。使得判别网络能够识别出生成样本和生成数据。本发明提供了更加稳定的训练方式，能够生成质量更高的仿真光谱，使得生成的光谱能够较高的保留了原始光谱的信息。
-
公开(公告)号：CN116758592A
公开(公告)日：2023-09-15
申请号：CN202310594661.0
申请日：2023-05-23
Applicant: 杭州海康威视数字技术股份有限公司 , 浙江工业大学
IPC: G06V40/12 , G06V10/82 , G06V10/774 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
Abstract: 基于soft‑label的OCT内外部指纹提取方法，包括如下步骤：1)从OCT体数据中选取B‑scan图像，对图像的角质层区域以及真皮层区域进行手动标注，并对标注好的图像进行数据预处理；2)构建一个U‑net网络，设定好超参数，根据步骤1得到的训练集进行训练；3)使用步骤2得到的最佳的网络模型对OCT指纹的B‑scan图像进行预测，得到分割的结果；4)根据步骤3得到的分割结果，指纹图像的灰度值等于某个像素点的灰度值乘以其权重，对每个区域内每列灰度值累加，最后从角质层区域中提取到外部指纹，从真皮层区域中提取到内部指纹。本发明能够有效的利用角质层和真皮层两个区域的信息，生成质量更好的内外部指纹，并且具有强鲁棒性。
-
公开(公告)号：CN115128691B
公开(公告)日：2025-05-06
申请号：CN202210741676.0
申请日：2022-06-27
Applicant: 杭州海康威视数字技术股份有限公司
Abstract: 本申请提供一种干扰物体检测方法和反射式光电传感器，涉及门禁控制领域。该方法应用于闸机；该方法包括：对多个反射式光电传感器中的第一传感器，基于第一传感器发射并接收的光信号，获取探测直方图；当根据预设时间点在探测直方图中检测到闸机机体，且在预设时间点之前的时间点处检测到物体时，确定闸机通道内存在干扰物体；预设时间点为第一传感器发射光信号的时刻加上光信号飞行过闸机通道的宽度的两倍距离所使用的时长之后得到的时间点。该方法适用于控制闸机阻拦或放行的过程中，用于提高闸机通道内物体检测的准确性。
-
公开(公告)号：CN119692410A
公开(公告)日：2025-03-25
申请号：CN202311248206.1
申请日：2023-09-25
Applicant: 杭州海康威视数字技术股份有限公司 , 华中科技大学
Abstract: 本申请实施例提供一种模型训练方法、装置及终端设备。该方法包括：确定初始模型，所述初始模型中包括多个神经元，所述初始模型用于对输入数据进行处理得到标签数据；获取多个输入数据；确定各神经元的安全阈值和激活函数参数；根据所述多个输入数据、以及所述各神经元的安全阈值和激活函数参数，确定各神经元的权重值，以得到目标模型；所述目标模型用于对所述输入数据进行处理得到输出数据，所述输出数据为对所述标签数据进行脱敏处理后的数据。提高了模型训练的安全性。
-
公开(公告)号：CN109919296B
公开(公告)日：2025-02-14
申请号：CN201711319390.9
申请日：2017-12-12
Applicant: 杭州海康威视数字技术股份有限公司
IPC: G06N3/08 , G06N3/045 , G06F18/2431
Abstract: 本发明实施例提供了一种深度神经网络训练方法、装置及计算机设备，其中，深度神经网络训练方法包括：针对树状网络拓扑结构中的当前网络层，获取当前网络层中各节点的任务属性，其中，树状网络拓扑结构中的各节点为对应于不同任务的神经网络，树状网络拓扑结构中的叶节点为针对指定任务已完成训练的神经网络；基于当前网络层中各节点的任务属性，对当前网络层中各节点进行聚类分析，提取同一类别中多个节点的任务属性的共性部分，作为多个节点的父节点的任务属性；基于各父节点的任务属性，训练各父节点的网络参数；在对各网络层中各节点完成训练后，确定树状网络拓扑结构对应的深度神经网络训练结束。通过本方案可以提高深度学习的运算效率。
-
-
-
-
-
-
-
-
-
Search Results
807
records
(took 0.079 seconds)
