-
公开(公告)号：CN111414931A
公开(公告)日：2020-07-14
申请号：CN201911415059.6
申请日：2019-12-31
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于图像深度的多分支多尺度小目标检测方法，包括根据双目图像训练集，获取视差图训练集；对视差图进行深度聚类，每一个聚类结果即为一个分支，将聚类结果映射到双目图像中的左图中，提取出初步候选框；分支提取图像特征：不同分支进行不同尺度的上采样操作，获取不同尺度特征图像；将不同尺度特征图像输入到多尺度特征金字塔网络中进行特征融合，获取预测结果；计算分类损失和回归框损失，结合预测结果，获取检测结果。可以有效的识别远距离小目标，提高了远距离小目标的检测在目标检测中的准确度。
-
公开(公告)号：CN116245232A
公开(公告)日：2023-06-09
申请号：CN202310094540.X
申请日：2023-02-10
Applicant: 杭州电子科技大学
IPC: G06Q10/04 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视觉特征的异质交通流量预测办法，具体包括以下步骤：(1)利用统计概率方法以及感知器模型获取异质交通数据特征，进行数据特征融合；(2)将融合后的特征通入捕获时空依赖性的网络，进行交通预测。该方法利用概率统计方法以及感知器模型，获取了三种交通特征数据，一是异质交通流量，二是大车混入率特征，三是异质车辆交通密度特征，将这三类特征进行对齐融合。然后，使用门控循环单元以及图卷积神经网络，融合多头注意力机制，充分挖掘其时间依赖性和空间依赖性，进行交通流预测。
-
公开(公告)号：CN108460348B
公开(公告)日：2022-04-22
申请号：CN201810147619.3
申请日：2018-02-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于三维模型的道路目标检测方法，包括如下步骤：同步获取两张道路采样图像，计算两张道路采样图像的视差图像，获得视差图像的深度特征；根据视差图像的深度特征生成候选区域，并将候选区域的3维边界框的坐标点映射到二维图像；利用多尺度池化网络层的卷积神经网络提取二维图像的外形特征，利用3维模型获得道路目标。本发明具有如下有益效果：本发明的算法解决了二维检测过程中出现的遮挡和阴影等问题，提高了鲁棒性，降低了成本。
-
公开(公告)号：CN114330520A
公开(公告)日：2022-04-12
申请号：CN202111577599.1
申请日：2021-12-21
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种多源数据的泛化表示与协同融合方法。本发明从数据的决策影响角度，为多源数据提供了一种组合数据和数据背后知识的泛化表示，从而定义了一种可用于横向精准比较的统一数据结构。针对多源数据的泛化表示，本发明从链接角度提供了一种基于实体结点之间协同度的融合方法，实现了泛化阵列结构中实体结点的协同划分与融合。基于泛化表示的多源数据协同融合方法能够获得用于精准决策的精确、可靠和泛化的多源数据融合结果。
-
公开(公告)号：CN114239824A
公开(公告)日：2022-03-25
申请号：CN202111553676.X
申请日：2021-12-17
Applicant: 杭州电子科技大学
IPC: G06N3/08 , G06F16/215 , G06Q10/06 , G06Q50/04
Abstract: 本发明公开了一种基于生成对抗网络的调度数据修补方法，包括①对作业车间调度数据集进行扩充处理。②标记缺失的调度数据。③将处理好的调度数据输入生成对抗网络。④生成对抗网络中生成器根据输入的调度数据生成人工数据，判别器判定调度数据是人工数据还是真实数据，多次迭代训练后使均方误差最小化。⑤得出最终完整调度数据。本发明的训练过程采用生成对抗网络的整体框架，使用标记矩阵和提示矩阵辅助训练神经网络，配合均方根误差RMSE，在有效生成缺失调度数据的同时，使用数据扩展方法，解决小规模调度训练数据不足的问题，通过生成对抗网络完成作业车间调度中加工时长的修复工作，解决较小规模的作业车间调度中数据集数据缺失的问题。
-
Patent Agency Ranking
公开(公告)号：CN113627516A
公开(公告)日：2021-11-09
申请号：CN202110903573.5
申请日：2021-08-06
Applicant: 杭州电子科技大学
Abstract: 本发明属于协同融合与智能决策技术领域，公开了一种基于点阵曲面阵列的多源数据协同融合与智能决策方法。本发明为关于同一事物的多源数据提供了一种可视化和规则化的点阵曲面阵列数据表示，并在点阵曲面阵列中从横向归属关系和纵向协同关系出发提供了一种精准的基于多源数据协同融合的智能决策方法，包括实体结点子集的协同划分与融合和基于协同融合结果的智能决策。这种智能决策方法通过精准的协同融合策略获得可靠的多源数据融合结果，并利用可靠的多源数据融合结果做出精准的决策结论。
-
公开(公告)号：CN113192157A
公开(公告)日：2021-07-30
申请号：CN202110527679.X
申请日：2021-05-14
Applicant: 杭州电子科技大学
Abstract: 本发明属于多源（医学检查）数据的规格化表示技术领域，公开了一种多源医学检查数据的统一点阵平面表示方法，包括如下步骤：步骤1：生成统一量子相角单元集合；步骤2：创建全链接网络；步骤3：构造统一点阵平面。本发明利用量子相角表示在效率方面的优势，通过统一量子相角转换、全链接网络创建、统一点阵平面构造等步骤并按特定的点阵平面模式将给定的多源医学检查数据集表示成一个基于量子相角的统一点阵平面。在统一点阵平面中，点阵结点的规格化分布为进一步的高效数据处理（“数据融合”）提供了基本操作空间。
-
公开(公告)号：CN112508800A
公开(公告)日：2021-03-16
申请号：CN202011124899.X
申请日：2020-10-20
Applicant: 杭州电子科技大学
Abstract: 本发明涉及镜面高光移除技术领域，针对工业视觉当中工业零件因为镜面高光的存在而影响其他算法效果的技术问题，公开了一种基于注意力机制的单张灰度图像的金属零件表面高光去除方法，包括：（1）预测高光掩码图像和去除输入图像中的镜面高光的生成网络；（2）判定生成网络生成图像是否清晰无高光的判别网络。本发明提出在生成网络前加入注意力模块产生高光强度掩码图像来辅助生成网络去除输入图像中的高光。训练时采用生成对抗网络的整体框架，使用结构性相似度损失作为额外的内容损失函数来训练神经网络，配合传递信息的跳跃连接生成器和小感受野的像素级别的判别器，在有效去除灰度图像镜面高光的同时，明显提升了模型生成画面的细节特征。
-
公开(公告)号：CN108460348A
公开(公告)日：2018-08-28
申请号：CN201810147619.3
申请日：2018-02-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于三维模型的道路目标检测方法，包括如下步骤：同步获取两张道路采样图像，计算两张道路采样图像的视差图像，获得视差图像的深度特征；根据视差图像的深度特征生成候选区域，并将候选区域的3维边界框的坐标点映射到二维图像；利用多尺度池化网络层的卷积神经网络提取二维图像的外形特征，利用3维模型获得道路目标。本发明具有如下有益效果：本发明的算法解决了二维检测过程中出现的遮挡和阴影等问题，提高了鲁棒性，降低了成本。
-
公开(公告)号：CN117874547A
公开(公告)日：2024-04-12
申请号：CN202310784476.8
申请日：2023-06-29
Applicant: 杭州电子科技大学
IPC: G06F18/23
Abstract: 本发明涉及针对缺失数据的聚类技术领域，特别是涉及一种基于粗糙集的三向聚类方法，可应用于糖尿病数据集。本发明提供的一种基于粗糙集的三向聚类方法，包括以下步骤：步骤1)基于粗糙熵进行属性重要性度量；步骤2)基于属性重要性度量，定义三向聚类；步骤3)设置用于三向聚类的自适应的阈值；步骤4)基于所述自适应的阈值针对缺失数据集进行三向聚类处理，得到聚类结果。与传统的双向聚类方法相比，三向聚类方法针对一个对象采用属于簇、不属于簇、无法确定其是否属于簇的三向决策，能够实现更精准的聚类。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.028 seconds)
