-
公开(公告)号：CN114092779B
公开(公告)日：2025-05-02
申请号：CN202111216830.4
申请日：2021-10-19
Applicant: 中国电子科技集团公司第二十研究所 , 杭州电子科技大学
IPC: G06V10/82 , G06V10/764 , G06V10/44 , G06V10/771 , G06N3/0464 , G06N3/045 , G06V20/70 , G06V10/25 , G06V10/26
Abstract: 本发明公开了一种基于注意力机制的神经网络正则化方法。本发明步骤：(1)批量图像输入和预处理；(2)利用CNN卷积神经网络进行特征提取；(3)利用注意力机制进行关键特征筛选；(4)交换不同目标图像的关键特征；(5)不同图像的关键特征和非关键特征共同组成重构图像的语义信息；(6)设计一种自适应置信度估计方法，判断重构图像的所属类别；(7)利用重构图像对神经网络进行训练得到更准确的训练模型。本发明通过样本拓充和充分挖掘图像的潜在特征，以提升模型的鲁棒性和整体性能。本发明的优势在于使用注意力机制指导图像特征自适应重构，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN113537312A
公开(公告)日：2021-10-22
申请号：CN202110736605.7
申请日：2021-06-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于图匹配算法的关键点匹配方法。本发明实现步骤：(1)图像输入和预处理；(2)利用CNN卷积神经网络进行关键点特征提取；(3)通过线性差值得到关键点特征；(4)采用三角刨分算法构建关键点graph；(5)构建全局结构虚拟关键点；(6)利用GNN图神经网络进行关键点之间的信息交换；(7)计算二图关键点相似度得到匹配结果。本发明通过CNN卷积神经网络能够得到关键点更丰富的语义信息，然后利用三角剖分算法输入的两个图像的待匹配关键点构成的graph，再引入全局结构虚拟关键点，并输入到GNN图神经网络中完成关键点纹理和几何信息的交换，最后计算两图关键点之间的相似度得到最终匹配结果。本发明得到的匹配精确度高、鲁棒性强。
-
公开(公告)号：CN116524568A
公开(公告)日：2023-08-01
申请号：CN202310522698.2
申请日：2023-05-10
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/766 , G06V10/774 , G06V10/762
Abstract: 本发明公开了一种基于由全局到局部序数回归网络的人脸图像年龄估计方法。本发明步骤：步骤1：对数据集进行预处理；步骤2：对预处理后的数据集中的人脸图像提取特征；步骤3：局部年龄域划分；对整个数据集提取到的特征数据进行k‑means聚类分析，根据聚类结果，将整个数据集划分为多个局部数据域；步骤4：构建全局回归网络和局部回归网络；步骤5：年龄估计。本发明解决现有的深度有序回归网络在人脸年龄估计任务上精度不足的问题。本发明在不增加网络设计复杂度的情况下，有效提高了序数回归网络针对人脸年龄估计任务的准确率。本发明的优势在于识别准确率高、鲁棒性强的特点。
-
公开(公告)号：CN114092779A
公开(公告)日：2022-02-25
申请号：CN202111216830.4
申请日：2021-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制的神经网络正则化方法。本发明步骤：(1)批量图像输入和预处理；(2)利用CNN卷积神经网络进行特征提取；(3)利用注意力机制进行关键特征筛选；(4)交换不同目标图像的关键特征；(5)不同图像的关键特征和非关键特征共同组成重构图像的语义信息；(6)设计一种自适应置信度估计方法，判断重构图像的所属类别；(7)利用重构图像对神经网络进行训练得到更准确的训练模型。本发明通过样本拓充和充分挖掘图像的潜在特征，以提升模型的鲁棒性和整体性能。本发明的优势在于使用注意力机制指导图像特征自适应重构，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN113536014A
公开(公告)日：2021-10-22
申请号：CN202110736611.2
申请日：2021-06-30
Applicant: 杭州电子科技大学
IPC: G06F16/583 , G06F16/55 , G06K9/62
Abstract: 本发明公开了一种融合容器信息的菜品信息检索方法。本发明步骤如下：(1)建立容器信息数据库；(2)建立菜品信息数据库；(3)菜品图片定位；(4)容器边缘曲率信息提取；(5)菜品图片特征提取；(6)菜品相似度数值计算；(7)菜品信息检索。本发明在对菜品识别方面，采用对比特征检索的方式，而不是直接分类方式去判别菜品类别，当要判别新的菜品类别的时候，只需要对新菜品采样，并将采样得到特征记录到数据集中。当需要判别类别的时候，使用特征在数据库中进行对比，就可得到结果。当然在判别时候使用特征相似度同时还引入菜品图像的颜色直方图相似度与容器边缘曲率相似度，进一步提高的判别的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116912907A
公开(公告)日：2023-10-20
申请号：CN202310734013.0
申请日：2023-06-20
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于对抗网络的多年龄段图像生成的方法。本发明实现步骤为：步骤1、输入批量待训练的图像，并对图像做增强处理；步骤2、将年龄分成六个年龄段，共生成五个生成对抗模型，分别记为生成对抗模型G1、G2、G3、G4、G5；每个生成对抗模型只学习相邻年龄段的年龄特征，同时判别器判断生成图像的真伪性并优化生成图像质量，年龄估计网络使得生成的人脸图像更加接近真实年龄；步骤3、计算年龄损失和生成网络损失并优化参数；步骤4、根据训练好的模型，对待测图片进行评估测试精度。本发明的优势在于针对不同表情和姿势的人脸，都能实现理想的老龄化和年轻化，生成图片质量高，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN116682164A
公开(公告)日：2023-09-01
申请号：CN202310734002.2
申请日：2023-06-20
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种增加不确定性预测的年龄估计方法。本发明包括如下步骤：1：对输入的批量人脸图像进行预处理和图像增强；2：将处理后的图像输入到特征提取网络进行特征提取，将提取到的特征值输入到年龄均值网络F和不确定性网络N进行计算；步骤3：以年龄均值网络输出和对应年龄不确定性网络输出分别为正态分布的均值和方差，从该正态分布中采样得到预测年龄；步骤4：通过MSE计算损失函数，反向传播更新参数；步骤5：针对数据集中所有数据重复50次步骤1到步骤4。本发明根据人脸年龄估计特点所设计的图像增强以及年龄不确定性的定量引入，使得模型泛化能力更强，可以更有效的预测人脸年龄。
-
公开(公告)号：CN116612239A
公开(公告)日：2023-08-18
申请号：CN202310556752.5
申请日：2023-05-17
Applicant: 杭州电子科技大学
Abstract: 本公开了一种基于Hourglass网络和MLP的3D人物模型生成方法。本发明步骤包括：步骤1、将人物的正面图像和背面图像作为输入图像，得到人物正面深度图和背面深度图和法线图信息；步骤2、基于输入的正面图像和背面图像生成一个低分辨率空间占用信息；步骤3、基于法线图信息和人物的正面图像和背面图像生成一个高分辨率空间占用信息；步骤4、融合模型；将低分辨率空间占用信息和高分辨率空间占用信息结合后训练3D表面模型，得到完整人物3D模型；步骤5、测试重建后的人物3D模型，进行评估精度。本发明使用日常使用的拍摄设备，普通人的拍摄水平，生成足够细腻的3D人物模型，适用范围广、模型精确度高、鲁棒性强。
-
公开(公告)号：CN114124726B
公开(公告)日：2024-01-30
申请号：CN202111224464.7
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: H04L41/14 , H04L43/08 , H04L43/20 , H04B17/391
Abstract: 本发明公开了一种基于离散事件系统范式的数据链脆弱性分析方法。本发明先构建支持场景规则的DEVS模型；再根据JCAS中的任务场景，构建数据链测试结点以模拟任务场景中的各个单元与能够管理与监听所有结点通信的总控单元；针对不同数据链测试结点两两之间的通信链路设置不同程度的通信干扰；在具有通信干扰条件的模型中执行测试；由总控单元获取测试完成后的各结点状态，结合消息监听数据计算数据链路脆弱性分析指标，给出当前任务当前通信干扰条件设置下各结点的脆弱性程度。本发明使用离散事件系统范式与通信干扰条件模拟建立数据链脆弱性分析系统，最终的执行结果通过各种指标计算获得不同任务场景下不同通信干扰条件下的结点脆弱性分析结果。
-
公开(公告)号：CN114124726A
公开(公告)日：2022-03-01
申请号：CN202111224464.7
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: H04L41/14 , H04L43/08 , H04L43/20 , H04B17/391
Abstract: 本发明公开了一种基于离散事件系统范式的数据链脆弱性分析方法。本发明先构建支持场景规则的DEVS模型；再根据JCAS中的任务场景，构建数据链测试结点以模拟任务场景中的各个单元与能够管理与监听所有结点通信的总控单元；针对不同数据链测试结点两两之间的通信链路设置不同程度的通信干扰；在具有通信干扰条件的模型中执行测试；由总控单元获取测试完成后的各结点状态，结合消息监听数据计算数据链路脆弱性分析指标，给出当前任务当前通信干扰条件设置下各结点的脆弱性程度。本发明使用离散事件系统范式与通信干扰条件模拟建立数据链脆弱性分析系统，最终的执行结果通过各种指标计算获得不同任务场景下不同通信干扰条件下的结点脆弱性分析结果。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
