-
公开(公告)号：CN119560132A
公开(公告)日：2025-03-04
申请号：CN202411642952.3
申请日：2024-11-18
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
IPC: G16H50/20 , G06F18/10 , G06F18/214 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06F18/213 , G06N3/047 , G06N3/084 , G06F18/2131 , G06N3/048 , G06F18/24 , G16H50/70
Abstract: 本发明涉及一种基于编码器‑解码器框架的中医脉象诊断方法，包括收集数据、数据集的预处理、构建基于编码器‑解码器框架的神经网络、训练网络和测试。本发明将脉象信号诊断问题建模为机器翻译问题，在脉象信号与诊断文本之间建立映射，解决如何利用深度神经网络从复杂的脉象信号中提取出关键特征，提升脉象信号诊断的准确度，并直接生成对于脉象信号的诊断文本。
-
公开(公告)号：CN119559396A
公开(公告)日：2025-03-04
申请号：CN202411642448.3
申请日：2024-11-18
Applicant: 杭州电子科技大学 , 中电数据服务有限公司
Abstract: 本发明涉及一种基于CNN、RNN和交叉注意力机制的小样本语义分割方法，包括数据集的预处理、构建小样本语义分割网络、训练网络和测试。本发明解决查询图像背景特征无法匹配上支持图像的前景特征，丢失一些空间细节等主要问题。
-
公开(公告)号：CN113935404B
公开(公告)日：2025-02-11
申请号：CN202111120902.5
申请日：2021-09-24
Applicant: 杭州电子科技大学
IPC: G06V10/776 , G06V10/774
Abstract: 本发明公开了一种光场显著性检测数据集清晰度评价方法。首先通过显著性区域掩膜制作三个掩膜，并获取对应的窗函数；通过掩膜A获得光场焦堆栈图像显著性区域图像；用傅里叶变换将焦堆栈显著性区域图像从空域转换到频域，获得其频谱信息；对显著性区域高频信息进行傅里叶反变换，得到空域图像；用腐蚀的掩膜B截取空域高频部分，计算高频图像灰度值之和，用以表示焦堆栈图像显著性区域高频能量值大小；对堆栈图像显著性区域高频能量值进行归一化，用来表示该图片的训练权重。本发明针对数据集焦堆栈中显著性区域进行清晰程度判定，并以此作为焦堆栈中该图片训练权重的评价标准，显著性区域越清晰，则该图片的训练权重越高。
-
公开(公告)号：CN119091117A
公开(公告)日：2024-12-06
申请号：CN202411098255.6
申请日：2024-08-12
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V10/82 , G06V10/20 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的轻量级伪装目标检测方法，该方法首先获取伪装物体图像数据集，进行预处理，并划分为训练集和测试集。其次将测试集数据输入初级特征提取网络，进行初级特征提取。然后依次通过频谱门控单元、混合注意力机制、全局信息模块、边缘感知模块、边缘引导模块，对初级特征进行强化处理。最后基于深度可分离卷积，对强化处理后的初级特征进行解码，输出检测结果。本发明充分利用图像的RGB特征与频率特征，并结合边界引导实现对伪装目标的检测。
-
公开(公告)号：CN117857376A
公开(公告)日：2024-04-09
申请号：CN202311807202.2
申请日：2023-12-26
Applicant: 杭州电子科技大学
IPC: H04L41/147 , H04L41/16 , H04L43/0894
Abstract: 本发明公开了一种基于改进Transformer的网络带宽实时预测方法。首先根据用户自身需求获取数据集，然后使用箱型图方法对数据处理，剔除负数和异常值；建立基于改进Transformer的带宽预测模型，对传统的Transformer结构进行改进，引入了生成式编码结构；最后获取待预测场景当前的带宽数据作为训练好的模型的输入，获得网络带宽预测值，实时的带宽数据预测。本发明采用生成式编码结构改进Transformer模型在设计上更注重特征与目标的相关性，而不仅仅是特征之间的相关性。这种结构的设计使得模型更有可能学到输入序列中的有用信息，能够更好地捕捉目标与历史信息的关系。
-
Patent Agency Ranking
公开(公告)号：CN113538442B
公开(公告)日：2024-04-09
申请号：CN202110624851.3
申请日：2021-06-04
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种使用自适应特征融合的RGB‑D显著目标检测方法，首先使用2个结构相同的编码器网络分别对RGB图像和Depth图像这2个数据流编码，编码后对2个数据流分别获得m个层级的特征；然后在RGB和Depth两个数据流的解码过程中分别使用自适应特征融合；在联合数据流中对2个数据流的特征融合；最后使用损失函数对该网络模型优化。本发明所述的方法，可以提高RGB‑D显著目标检测的效果。通过使用自适应特征融合，可以有效融合数据流内不同层级的特征。通过使用数据流间特征融合方法，可以有效融合2个数据流的特征。
-
公开(公告)号：CN113792621B
公开(公告)日：2024-04-05
申请号：CN202110995008.6
申请日：2021-08-27
Applicant: 杭州电子科技大学
IPC: G06V10/94 , G06V10/25 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/063 , G06F9/50 , G06F8/76 , G06F8/41 , G06F9/38 , G06F9/302
Abstract: 本发明公开了一种基于FPGA的目标检测加速器设计方法，首先选择要移植到该平台上的目标检测算法；然后根据选择的算法的特点,在FPGA硬件平台下采用软硬件协同设计的思想进行总体架构设计；最后对所选择的目标检测算法模型网络参数进行16位动态定点数据量化，依据网络模型的运算特点对数据的调度进行规划，并提出一个CNN硬件加速器架构，包括输入输出模块、卷积模块、池化模块、重排序模块、全连接模块、激活模块以及控制模块。本发明方法利用较少的硬件资源完成目标检测加速器的设计，提高了总线带宽利用率，具有一定的通用性和可扩展性，功耗较低，可以达到一个较高的能效比，比较适合应用在有严重功耗限制的场所。
-
公开(公告)号：CN113392727B
公开(公告)日：2024-04-05
申请号：CN202110586099.8
申请日：2021-05-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动态特征选择的RGB‑D显著目标检测方法。本发明提出了一种动态选择网络，包括动态选择模块DSM和跨模态全局上下文模块CGCM，其中DSM又包含了两个子模块：跨模态注意力模块CAM和双向门控池化模块BGPM。通过CAM从通道和空间的角度来动态地挖掘RGB和深度图之间的互补信息，通过CGCM从全局的角度来精准地凸出显著目标。通过BGPM，以门控选择的方式优化了跨级别信息，以动态选择的方式强化了多尺度信息。最后，本发明进一步引入了边缘监督策略，并将空间注意力机制嵌入到其中，以反馈的方式保证了显著目标边界的准确性和清晰性，有效提升了模型的细节表征能力。
-
公开(公告)号：CN117670679A
公开(公告)日：2024-03-08
申请号：CN202311680992.2
申请日：2023-12-08
Applicant: 杭州电子科技大学
IPC: G06T3/4053 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于全局分布学习的真实图像超分辨率重建方法。首先获取数据集，进行训练集和测试集的划分，然后对数据集中的图像进行格式转换，裁剪和数据增强操作；然后构建基于全局分布学习的真实图像超分辨率重建网络，包括全局分布学习模块、采样点计算模块和图像重建模块；通过低分辨率图像学习出图像的真实场景分布函数，再估计出采样点坐标，从而进行重新采样，构建出超分辨率图像；最后通过预处理后的数据集训练构建的真实图像超分辨率重建网络。相比现有的方法，只能重建整数倍比例因子的超分辨率图像，该发明能够重建出任意比例因子的超分辨率图像，且能获得更好的性能指标。
-
公开(公告)号：CN117218176A
公开(公告)日：2023-12-12
申请号：CN202311052744.3
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 王磊 , 朱尊杰 , 薛安克 , 赵思成 , 孙垚棋 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨
IPC: G06T7/593 , G06T15/00 , G06T17/00 , G06N3/0895 , G06N3/045
Abstract: 本发明公开了一种基于NeRF生成数据的立体深度估计方法。首先对N个室内物体进行扫描，采集双目红外图像，每次扫描数据不含重复的物体；然后训练NeRF模型，得到任意角度的红外图像；再进行数据集预处理；最后确定并训练立体深度估计模型。本发明结合d435i深度传感器和NeRF模型，仅使用采集的红外图像，经过NeRF渲染生成任意角度的红外图像立体对，通过深度学习算法，得到预测的深度图。相较于传统经典算法，大大降低了数据收集的难度和成本，也避免了过度平滑、边缘增肥等问题。
-
-
-
-
-
-
-
-
-
Search Results
477
records
(took 0.035 seconds)
