-
公开(公告)号：CN119961909A
公开(公告)日：2025-05-09
申请号：CN202510049408.6
申请日：2025-01-13
Applicant: 杭州电子科技大学
IPC: G06F21/32 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/042 , G06N3/084
Abstract: 本发明公开了一种基于知识蒸馏的心跳信号身份识别方法、系统、存储介质及电子设备。方法包括如下步骤：1)数据预处理阶段：将毫米波雷达采集到的心跳信号，进行分段处理，将每一段心跳信号通过频域分析得到log‑mel(对数梅尔)频谱图，将得到的log‑mel频谱图集划分为训练集和测试集。2)训练阶段：基于残差网络ResNet和ViT构建知识蒸馏模型，采用ResNet作为教师模型指导ViT学生模型训练，再基于训练集完成知识蒸馏模型训练；3)测试阶段：使用步骤2)训练得到的知识蒸馏模型在测试集上进行测试，得到心跳信号身份识别结果。本发明克服了因数据集规模过小导致的过拟合问题，提高了身份识别的准确率。
-
公开(公告)号：CN114926682B
公开(公告)日：2025-05-02
申请号：CN202210547394.7
申请日：2022-05-18
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种基于局部离群因子的工业图像异常检测与定位方法及系统，本发明方法具体如下：(1)获取训练数据集；(2)特征提取；(3)采用局部离群因子算法进行异常检测与定位。本发明将深度学习和传统方法相结合提出了一种无监督的异常检测与定位技术方案，具有较高的异常检测准确性和较精准的异常定位性能。
-
公开(公告)号：CN118570527A
公开(公告)日：2024-08-30
申请号：CN202410646713.9
申请日：2024-05-23
Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/20 , G06V10/40
Abstract: 本发明属于基于深度学习的图像异常检测技术领域，具体涉及基于受控特征生成器的图像异常检测方法及系统。方法包括：S1：获取图像异常检测数据集；S2：对图像数据集进行预处理；S3：构建深度学习模型，将预训练权重加载到特征提取器中；S4：生成伪标签，定义不确定特征和模糊域；S5，伪标签控制特征生成器中生成异常的数量；S6，伪标签控制特征生成器中添加对抗扰动的幅度；S7，受控特征迭代生成；S8，定义模型损失函数，对经过生成的特征进行约束；S9，对受控特征生成器进行参数设置；S10，迭代深度学习模型中的参数，保存迭代训练好的深度学习模型；S11，导入模型训练参数，将待检测的图像数据输入模型进行异常检测。
-
公开(公告)号：CN118505762A
公开(公告)日：2024-08-16
申请号：CN202410646716.2
申请日：2024-05-23
Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06T7/30 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于多分辨率层次化结构的梯度调节医学图像配准方法及系统，方法包括以下步骤：S1.获取医学图像，制作数据集，分成训练集和测试集；S2.构建多分辨率层次化网络架构，分辨率分为三层，从低到高进行配准；S3.制定多层次梯度调节策略；S4.确定优化使用的相似性损失和正则化损失函数；S5.设计多分辨率层次化网络的梯度调节实施方案；S6.将数据集输入设计好的多层次网络架构中，通过各层梯度调节完成训练，并保存模型。本发明利用多分辨率层次化结构对医学图像从全局到局部完成多尺度配准。
-
公开(公告)号：CN114693565B
公开(公告)日：2024-05-03
申请号：CN202210439935.4
申请日：2022-04-25
Applicant: 杭州电子科技大学
IPC: G06T5/00 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跳跃连接多尺度融合的GAN图像修复方法，根据跳跃连接未考虑编解码器中各层特征之间的相关性的特点，利用编码器中相对高层的特征图与相对低层的特征图融合，再传递至各层解码器并输出生成图像。然后细化了损失的类型，重新定义损失函数为对抗损失、像素重构损失和金字塔损失来进一步指导网络的训练向正确的方向进行。本发明方法针对现有图像修复方法高层特征不能指导低层特征的生成导致修复的结果可能存在语义不连贯的问题进行改善，提升了破损图像修复的效果，在满足人类视觉感知需求的同时也能在一定程度上与原图相似。且经实验验证，该方法在人脸图像、自然场景图像和建筑图像上都达到了不错的修复效果。
-
Patent Agency Ranking
公开(公告)号：CN112487867B
公开(公告)日：2024-04-12
申请号：CN202011209604.9
申请日：2020-11-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于增强三角剖分的视觉约束指纹识别方法，首先对输入指纹图片进行预处理，然后进行特征提取和三角剖分获得三角形集合，对三角剖分所确定的领域细节点进行遍历组成三角形；剔除重复的三角形后，获得最终的三角形集合；计算三角形的特征向量；根据特征向量，进行判断得到粗匹配点集；使用双重验证的方法，使得匹配点一一对应；构造相邻局部特征向量进一步验证准确性，获得二次匹配点集；结合视觉特征，再次进行匹配点剔除，获得最终对应点集；计算匹配分数，判断输入指纹图像和模板指纹图像是否匹配成功。本发明方法考虑到了细节点的丢失，移动等复杂情况，并且与剔除误匹配点方法相结合，有效提高了指纹识别的性能。
-
公开(公告)号：CN116882484A
公开(公告)日：2023-10-13
申请号：CN202310873821.5
申请日：2023-07-17
Applicant: 杭州电子科技大学
IPC: G06N3/094 , G06N3/0475 , G06T11/00
Abstract: 本发明公开了一种基于高频特征损失的GAN类生成图像的优化方法，首先确定需要进行优化的生成图像对应的GAN类生成网络；计算生成图像的高频特征损失；然后将高频特征损失加入原有GAN类生成网络的对抗损失，对原有修改后GAN类生成网络进行再一次训练；最后通过再一次训练后的GAN类生成网络生成优化后的生成图像。本发明方法针对GAN类生成器使用Trans‑conv所生成图像带有大量杂乱高频噪声的问题，仅在GAN类生成器原有的对抗损失中添加高频特征损失，而训练过程中其它因素都不变的条件下，能明显提高生成图像的质量与多样性。
-
公开(公告)号：CN115294606B
公开(公告)日：2023-03-21
申请号：CN202210938996.5
申请日：2022-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种毫米波图像暗目标增强方法，首先计算人体毫米波图像中人体中轴位置、头顶位置与肩部位置，限制处理区域，再计算人体平均灰度值，创建补集图像，在补集图像中存储原图中灰度值低于平均灰度值的像素点的补集；提取补集图像中为暗目标的区域，排除由身体结构导致的错误增强部分，仅保留暗目标的增强区域。最后将补集图像与原图加权融合，保留暗目标纹理特征并增强暗目标的灰度特征，获取暗目标增强后的毫米波图像。本发明方法结合暗目标的灰度特征及暗目标与人体区域的位置关系，在有效增强暗目标灰度特征的同时有效保留了暗目标的纹理特征。
-
公开(公告)号：CN114693565A
公开(公告)日：2022-07-01
申请号：CN202210439935.4
申请日：2022-04-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于跳跃连接多尺度融合的GAN图像修复方法，根据跳跃连接未考虑编解码器中各层特征之间的相关性的特点，利用编码器中相对高层的特征图与相对低层的特征图融合，再传递至各层解码器并输出生成图像。然后细化了损失的类型，重新定义损失函数为对抗损失、像素重构损失和金字塔损失来进一步指导网络的训练向正确的方向进行。本发明方法针对现有图像修复方法高层特征不能指导低层特征的生成导致修复的结果可能存在语义不连贯的问题进行改善，提升了破损图像修复的效果，在满足人类视觉感知需求的同时也能在一定程度上与原图相似。且经实验验证，该方法在人脸图像、自然场景图像和建筑图像上都达到了不错的修复效果。
-
公开(公告)号：CN109359519B
公开(公告)日：2021-12-07
申请号：CN201811026243.7
申请日：2018-09-04
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于深度学习的视频异常行为检测方法。本发明方法包括训练阶段和测试阶段。在训练阶段，将训练视频序列转换成灰度图和光流图，并分别制作成时空块，分别输入到残差自编码模型中进行训练，建立基于灰度图和光流图的两个模型，训练好的模型包含了正常行为的运动模式和外观信息，所以更有利于正常行为的重构。在测试阶段，将测试数据制作成灰度图和光流图的时空块，先将灰度图时空块输入到灰度图模型中，初步检测出正常区域和可疑区域，再将可疑区域的光流图时空块输入到光流图模型中，检测出正常区域和异常区域，得到最终的异常判定，本发明方法能更好地鉴别视频数据的运动信息和外观特征，从而提高异常行为的检测率。
-
-
-
-
-
-
-
-
-
Search Results
106
records
(took 0.035 seconds)
