公开(公告)号：CN118034468A

公开(公告)日：2024-05-14

申请号：CN202410099427.5

申请日：2024-01-24

Applicant: 杭州电子科技大学

Inventor： 陈小雕 ,  闫涛 ,  陈鸿宇 ,  陶秀挺 ,  吴文

IPC: G06F1/20 ,  B01D46/10 ,  B01D46/681 ,  G06F1/18

Abstract: 本发明公开了一种CPU散热结构。本发明包括散热结构主体，散热结构主体的上表面开设有凹槽，凹槽的内部安装有限制散热结构主体在CPU下端移动位置的定位机构，散热结构主体的下表面安装有过滤机构，过滤机构的下表面设置有收集灰尘的收集机构，通过推动定位机构，将定位机构卡接至CPU安装框架的外端，再通过定位机构设置在散热结构主体的内部，从而降低了工作人员在安装散热结构主体时耗费的时间，进而便于操作者对散热结构主体进行安拆；通过过滤机构对散热结构主体内部吸入的气体进行过滤，从而尽量避免灰尘积攒在散热结构主体的内部，因此降低了使用者定期对散热结构主体进行的清洁次数。

公开(公告)号：CN119228995A

公开(公告)日：2024-12-31

申请号：CN202411193548.2

申请日：2024-08-28

Applicant: 杭州电子科技大学 ,  先进计算与关键软件(信创)海河实验室

Inventor： 陈小雕 ,  徐烽 ,  陈鸿宇 ,  陶秀挺 ,  吴文 ,  李卓芸

IPC: G06T17/00 ,  G06T7/10 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于SAM大模型的牙科CBCT三维牙齿快速标注方法。本发明利用改进的SAM网路在CBCT图像中将牙齿与牙周膜和牙槽骨区分开来，具体步骤如下：阶段一、牙齿数据到可训练数据的转换和处理；阶段二、构建改进的SAM网络模型；阶段三、网络模型训练；阶段四、基于CBCT数据的牙齿标注和三维可视化。本发明使用Lora微调技术来帮助SAM网络适应医学图像数据集的图像特点弥补其由于原本仅在自然图像上训练的不足。此外，采用了CNN旁路网络来充分利用3维切片中空间信息和帮助捕捉切片中的边缘信息。最后，还巧妙利用前一张预测结果来帮助生成目标框提示充分发挥SAM网络中的prompt机制。本发明使用同样的少量标注进行训练时，能够得到更好的牙齿标注效果。

公开(公告)号：CN118071778A

公开(公告)日：2024-05-24

申请号：CN202410099426.0

申请日：2024-01-24

Applicant: 杭州电子科技大学

Inventor： 陈小雕 ,  李政 ,  陈鸿宇 ,  陶秀挺 ,  吴文

IPC: G06T7/13 ,  G06T7/11 ,  G06T7/155 ,  G06T5/70 ,  G06T5/40 ,  G06T5/30

Abstract: 本发明公开了一种车辆边缘轮廓检测方法。本发明通过待测车辆图像进行多尺度采样，并使用预设平滑模块得到修正多尺度采样子图，再将多尺度采样子图转化为相应的2*2格子序列，然后采集格子序列中的极值得到相应的极值图，将相应的极值图进行相减得到RBG差值直方图，通过将RGB差值直方图反向映射回原本的采样子图得到相应的采样子图的基础边缘，在通过高重复性的边缘效验模块重新组织新的格子序列对边缘进行验证，再通过将各尺度的边缘图组合到一起完善边缘，最终得到完整的边缘图。本发明减少了运行时间和计算量，同时使用模块重复度高的方法对边缘进行验证，减少了代码量和负载量，提升了车辆边缘轮廓检测的鲁棒性和精确度。

公开(公告)号：CN117749662A

公开(公告)日：2024-03-22

申请号：CN202311794294.5

申请日：2023-12-25

Applicant: 杭州电子科技大学

Inventor： 陈小雕 ,  张煜 ,  陈鸿宇 ,  陶秀挺 ,  吴文

IPC: H04L43/0823 ,  H04L1/20

Abstract: 本发明公开了一种新高斯Q函数的数字通讯错误快速检测方法。本发明步骤如下：S1：明确信道调制方法和信道模型，获得模型对应的PDF，输入衰落因子m；2：通过检测设备获取待检测数字信号，3：对待检测数字信号进行预处理，计算得到多径信道的复数白噪声信息平均信噪比；4：设置概率密度配准模块，根据输入的近似项数N自动输出对应的高斯Q函数近似表达式；5.执行SEP模块，计算ASEP，获得传输信号性能情况。本发明能够改进近似高斯Q函数用到的参数计算时间会随项数呈指数级增长的情况，同追求高精度的近似公式相比，本发明的计算速度更加快速，且精度也比较好；同追求计算效率的近似公式相比，本发明的计算精度更高，且计算速度处于同一数量级。

公开(公告)号：CN119624834A

公开(公告)日：2025-03-14

申请号：CN202411741015.3

申请日：2024-11-29

Applicant: 杭州电子科技大学 ,  先进计算与关键软件(信创)海河实验室

Inventor： 陈小雕 ,  黄臻 ,  陈鸿宇 ,  幸洋晨 ,  陶秀挺 ,  吴文

IPC: G06T5/77 ,  G06T5/60 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开了一种基于改进型ViT‑Unet的图像修复方法。本发明步骤：阶段一、数据收集与预处理，提取多样化的图像数据集。阶段二、通过改进型ViT模块与动态权重的门控卷积相结合，实现高效的特征提取与下采样，作为U‑net结构的编码器；阶段三、利用改进型ViT模块与PixelShuffle的协同作用，进行特征上采样与图像重建，作为U‑net结构的解码器；阶段四、结合增强的深度学习策略，通过对学习率进行调整，对模型进行训练和优化，确保其在不同场景下的适应性和表现。本发明的应用场景广泛，适用于医疗图像、卫星图像以及日常拍摄照片的修复，能够显著提升修复任务的处理速度和结果的质量，对于提高图像处理领域的技术水平具有重要价值。