-
公开(公告)号：CN114692699A
公开(公告)日：2022-07-01
申请号：CN202210434067.0
申请日：2022-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明属于供水管网漏损检测技术领域，为解决噪音计常规处理方法存在的泄漏特征难提取、参数敏感等问题，本发明提供一种基于深度学习的供水管网漏损识别方法，首先将音频信号转换为频谱热力图，充分保留原信号的时频域信息；其次，利用既有的大量实际样本，通过CNN模型自学习能力自行抽取特征进行识别，突破人为经验限制，较常规信号处理方法具有更精准的检漏能力和更强的泛化特性。
-
公开(公告)号：CN110647906A
公开(公告)日：2020-01-03
申请号：CN201910711605.4
申请日：2019-08-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Faster R-CNN方法的服饰目标检测方法。本发明步骤如下：步骤1、数据集准备；步骤2、构造Faster R-CNN算法框架；步骤3、用K-Means聚类算法对包围盒尺寸重新设；步骤4、用训练集A训练该服饰检测模型；步骤5、用余下测试集测试模型性能。本发明加快了检索速度。本发明引入了K-Means聚类算法，让区域框与实际服饰的尺寸大小更为相近，提高速度的同时，对识别的精读也有一定的提高。
-
Patent Agency Ranking
公开(公告)号：CN114049303A
公开(公告)日：2022-02-15
申请号：CN202111185833.6
申请日：2021-10-12
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多粒度特征融合的渐进式骨龄评估方法。本发明通过构建基于随机拼图方式的粒度分级模块，将输入图片包含的粒度信息由细到粗进行分级，使网络学习到手骨各个部分丰富的局部特征；通过构建渐进式多尺度特征融合模块，使网络经过多次迭代，不仅能学习到全局特征、最具区分位置的局部特征，还会将其它局部特征进行融合，最终学习到包含不同粒度信息的特征，大大提高了骨龄评估模型的性能和泛化能力。本发明不仅能够关注最具区分的RoIs局部特征，还能将其它不同粒度的局部特征以协同的方式融合在一起，具有更强的鲁棒性。
-
公开(公告)号：CN108416733A
公开(公告)日：2018-08-17
申请号：CN201810122736.4
申请日：2018-02-07
Applicant: 杭州电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种不降低质量且快速的图像超分辨率方法。本发明包括如下步骤：步骤1、对一张低质量图象进行的线性插值得到IL。步骤2、根据角度、深度和相关度性质对不同的像素进行分类。步骤3、利用一个角度的片推导其他角度的片。推导规则如下：步骤4、根据片中不同种类的像素点，训练滤波器。步骤5、线性插值处理后的低质量图象IL与滤波后的图象Ⅰ进行有权重的融合。本发能够在占用较少的硬件资源的基础上，快速地将一张低质量图片转化为高质量图片，并且本算法生成的图片的效果足够好，与现在最优的几种算法效果相近。本算法适合在需要快速生成图像和硬件水平较低的情形下使用。
-
公开(公告)号：CN118261853A
公开(公告)日：2024-06-28
申请号：CN202311789211.3
申请日：2023-12-25
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于去重叠和关联注意力机制的X光图像违禁品检测方法，该方法首先获取含有目标边界框和类别标注的X光图像数据集。其次在YOLOv7的网络主干部分末尾添加分类器，并在网络主干与颈部之间添加自顶而下的去重叠模块，输出特征图集合#imgabs0#然后将YOLOv7颈部双向融合特征金字塔结构中的特征融合模块替换为增强特征融合模块，得到特征图集合N。最后在YOLOv7网络头部添加无需锚框的检测头，输入特征图集合N，输出模型预测的目标边界框和类别，设定训练参数进行迭代训练，在验证集上进行验证，输出违禁品检测效果图。本发明对于X光图像违禁品检测的检测精度明显提高，并且拥有较高的检测速度。
-
公开(公告)号：CN114255225A
公开(公告)日：2022-03-29
申请号：CN202111579886.6
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于模糊标签的骨龄评估模型建立方法。本发明通过将one‑hot标签转换为不同幅值的高斯分布的模糊标签、同时通过将最具区分局部特征擦除的方式，使网络不仅能够关注最具判别区域的特征，还能高效的提取其他区域的局部特征，并将其融合，提升模型的评估性能，增强模型鲁棒性。
-
公开(公告)号：CN107658029A
公开(公告)日：2018-02-02
申请号：CN201710902242.3
申请日：2017-09-29
Applicant: 杭州电子科技大学
CPC classification number: G06F19/22
Abstract: 本发明公开了一种全新的分布式和私有化miRNA-疾病联系预测方法。本发明首先DPFMDA收集、分析和估计代表miRNA和疾病关系的矩阵因子，通过在分布式数据集之间交换信息来提高预测精度；其次，DPFMDA只需要积极的样本，其性能不容易受数据稀疏的影响。来自分布式数据集的矩阵因子用于生成公共参考因子；第三，DPFMDA是一个分布式和私有化的框架，它完美实现和促进了不同生物医学数据库之间的合作。生物医学研究将从这些预测结果中受益。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
