-
Patent Agency Ranking
公开(公告)号：CN110288603A
公开(公告)日：2019-09-27
申请号：CN201910429790.8
申请日：2019-05-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于高效卷积网络和卷积条件随机场的语义分割方法。本发明具体步骤如下：1、输入一张任意尺寸的RGB图像，采用由下采样模块和一维非瓶颈单元构成的编码器网络对原始RGB图像进行语义提取，得到一个由特征图组成的矩阵；2、采用反卷积层和一维非瓶颈单元，将编码器网络学习的辨别性特征从语义上映射到像素空间，以得到密集分类结果；3、采用卷积条件随机场网络层，结合原始RGB图像的像素点信息和解码器网络得到的像素点分类信息，对像素点语义特征再次进行分类，从而达到输出结果优化的目的。本发明采用全新的编码解码网络端到端的对像素点进行分类，通过使用效率高的卷积条件随机场网络对分割结果进行再优化。
-
公开(公告)号：CN110276378A
公开(公告)日：2019-09-24
申请号：CN201910417419.X
申请日：2019-05-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于无人驾驶技术来对实例分割进行改进的方法。本发明提出在基于MASK R-CNN的Faster R-CNN基础上对目标进行检测以及分类，之后通过FCN特征粗提取以及CRF优化输出从而实现实例分割。具体实现步骤如下：步骤1、使用偏监督的方法对目标进行分类；步骤2、在语义分割卷积过程中采用深度可分离卷积，获取特征；步骤3、对卷积层得到的特征进行特征融合优化，在低层引入语义信息，在高层引入空间信息。本发明使用较低的成本便建立了较好的目标检测及分类结果。本发明采用深度可分离卷积，提高分割结果的精度以及计算机的效率，减少时间的损耗。
-
公开(公告)号：CN110288603B
公开(公告)日：2020-07-21
申请号：CN201910429790.8
申请日：2019-05-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于高效卷积网络和卷积条件随机场的语义分割方法。本发明具体步骤如下：1、输入一张任意尺寸的RGB图像，采用由下采样模块和一维非瓶颈单元构成的编码器网络对原始RGB图像进行语义提取，得到一个由特征图组成的矩阵；2、采用反卷积层和一维非瓶颈单元，将编码器网络学习的辨别性特征从语义上映射到像素空间，以得到密集分类结果；3、采用卷积条件随机场网络层，结合原始RGB图像的像素点信息和解码器网络得到的像素点分类信息，对像素点语义特征再次进行分类，从而达到输出结果优化的目的。本发明采用全新的编码解码网络端到端的对像素点进行分类，通过使用效率高的卷积条件随机场网络对分割结果进行再优化。
-
公开(公告)号：CN109061740A
公开(公告)日：2018-12-21
申请号：CN201810644144.9
申请日：2018-06-21
Applicant: 杭州电子科技大学
CPC classification number: G01V3/081 , G01R29/085
Abstract: 本发明公开了一种非侵入式墙埋电线检测仪中的采集信号的处理方法，本发明先传感器采集磁场信号，利用偏置电流带产生一个偏置磁场来抵消传感器电路周围的环境磁场；利用置位复位电路产生的另一电流带，并利用另一电流带的脉冲电流的磁场对传感器的磁区域重新对准；接着先利用一阶无源RC滤波器滤除传感器的两路信号中的高频干扰信号，再利用放大器对滤波后的两路信号进行放大；采用加法器将两路信号叠加，再使用二极管进行倍压检波，并接入单片机，得到输出信号；最后采用递推平均滤波算法对采集到的输出信号进行滤波；本发明抑制周期性干扰的作用，提高了数据的平滑度，使读到的电压值更加精确，提高滤波算法的运行效率。
-
公开(公告)号：CN208847845U
公开(公告)日：2019-05-10
申请号：CN201820973986.4
申请日：2018-06-22
Applicant: 杭州电子科技大学
IPC: G01V3/08
Abstract: 本实用新型提出了一种非侵入式墙埋电线检测仪电路；本实用新型包括HMC1022偏置电流与置位复位电路、X轴Y轴信号放大与滤波电路、加法电路与检波电路。本实用新型采用非侵入式检测技术，利用HMC1022磁阻传感器实现对墙体内通电导线的检测，无需伤害墙面，也无需与电线安装一起；成本较低，灵敏度较高；能够实现精准定位，误差范围仅为±0.3cm；整体结构小巧简单，操作易上手，无需专业知识。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
