-
公开(公告)号：CN119924774A
公开(公告)日：2025-05-06
申请号：CN202411922704.4
申请日：2024-12-25
Applicant: 杭州电子科技大学
IPC: A61B5/00 , A61B5/369 , G06F18/10 , G06F18/213 , G06F18/243 , G06N3/006 , G06F123/02
Abstract: 本发明公开了一种基于多阈值邻域极值模式统计的睡眠分期系统，包括脑电信号采集器、信号预处理器、多阈值邻域极值时域特征提取器、灰狼优化器和随机森林分类器；其中，预处理对选定的脑电信号进行初步过滤和30s分段。根据单通道脑电信号注释的持续时间，将单通道脑电信号分为两类：原始信号段和需要数据增强的信号段。其次，对指定片段进行数据增强，选出数据增强后数据片段的极值。然后计算极值的邻域差值，并根据这些差值得到的5分类阶段矩阵进行多阈值和多状态处理，从而得出多阈值邻域极值模式统计代码。多阈值处理中的阈值由灰狼优化器确定。最后，获得的特征矩阵被输入随机森林分类器。本发明基于EEG信号的增强了睡眠自动分期能力，并设计制造了一套完整的包含脑电采集到睡眠分析可视化程序的系统。
-
公开(公告)号：CN114972364B
公开(公告)日：2025-04-25
申请号：CN202210550464.4
申请日：2022-05-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的结直肠息肉图像分割方法。首先获取结直肠息肉分割数据集；进行数据预处理；再构建基于深度学习的结直肠息肉图像分割模型；通过训练集对构建好的基于深度学习的结直肠息肉图像分割模型训练，对每一级预测结果使用结构损失函数进行监督学习，并且将最后一级的预测结果作为最终的预测结果；本发明基于深度学习来构建结直肠息肉图像分割模型，对结直肠息肉分割图像的特征进行精确提取并且细节保留完整，利用显著性目标检测中效果较好的结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对结直肠息肉图像的精确分割。
-
公开(公告)号：CN119722515A
公开(公告)日：2025-03-28
申请号：CN202411781153.4
申请日：2024-12-05
Applicant: 杭州电子科技大学丽水研究院
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种基于深度学习的无监督图像去摩尔纹方法，首先准备无需配对的摩尔纹图像及清晰图像；构建图像去摩尔纹的无监督网络模型，模型基于生成对抗网络架构，并结合了对比学习方法，包括生成器、判别器和内容编码器。然后对构建的图像去摩尔纹网络模型进行无监督训练。本发明创新的提出了从非配对的数据集中也能学习到从摩尔纹图像到清晰图像的映射关系，避免了收集真实世界的配对图像的繁琐工作。实验表明，本发明能在非配对的数据集上实现很好的去摩尔纹效果。
-
公开(公告)号：CN119313696A
公开(公告)日：2025-01-14
申请号：CN202411373764.5
申请日：2024-09-29
Applicant: 杭州电子科技大学
IPC: G06T7/136 , G06T7/194 , G06N3/126 , G06V10/44 , G06N3/096 , G06T7/00 , G06V10/774 , G06V10/776 , G06N3/006
Abstract: 本发明公开了一种基于君主策略改进遗传算法的多阈值图像分割方法。本发明方法基于遗传算法的进化原理，通过模拟自然选择和遗传学中的基因交叉与变异过程，确保在图像分割的多阈值选择问题中，能够有效探索解空间并收敛到最优解。利用生物学原理，保证了算法在解决复杂图像分割任务中的高效性与准确性。本发明方法优化了多阈值选择，能够在不同灰度级图像之间实现精确分割，尤其适用于具有多个组织类型或复杂结构的图像，可以有效识别复杂边界和重叠结构，通过自动调整分割参数提高识别准确性。
-
公开(公告)号：CN119048756A
公开(公告)日：2024-11-29
申请号：CN202411176201.7
申请日：2024-08-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双流图神经网络的矢量化粗糙平面图分割方法，首先基于已知的粗糙平面图，同时考虑基于墙体结构和区域布局之间的空间关系的分割，构建两个矢量平面图即原始图和对偶图；然后以原始图和对偶图的顶点和边属性作为输入特征，计算得到双流图的顶点和边的嵌入特征，将其馈送到双流图神经网络中，以学习高级语义特征；最后利用双流图神经网络实现边界线分类和多边形区域分类。本发明提出了一个直接处理矢量图形的双流图神经网络，并将问题转化为房间边界分类和分区区域分类的双重任务。同时设计了一种新型调制GAT层，以实现两流之间的有效交互，从而使得它们的相互增强。本发明提供的方法具有卓越的性能，可用于产生更规则和完整的平面图分割。
-
Patent Agency Ranking
公开(公告)号：CN117097997A
公开(公告)日：2023-11-21
申请号：CN202311052724.6
申请日：2023-08-21
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 曾龙健 , 吴旭 , 金颖杰 , 江涛 , 孙垚棋 , 朱尊杰 , 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 , 赵思成
Abstract: 本发明公开了一种反向图像信号处理的噪声图像合成方法，首先构建噪声形成模型；然后估计噪声参数。记录两个原始图像序列即平场帧和偏置帧来估计由模拟和数字增益组成的整体系统增益K和噪声源；为了噪声形成模型能模拟多种ISO设置下的真实情况，对联合参数分布进行建模，以便以耦合的方式对噪声参数进行采样；最后完成噪声图像合成。本发明能够合成真实的噪声原始数据，更好地匹配噪声形成的潜在物理过程。本发明极大地提升了合成数据集地真实性；噪声参数校准方法可以校准多种相机的噪声参数，使合成数据集能模拟不同相机拍摄的真实图片，使通过该数据集训练的模型能具有很好的泛化性。
-
公开(公告)号：CN117058400A
公开(公告)日：2023-11-14
申请号：CN202311018632.6
申请日：2023-08-14
Applicant: 杭州电子科技大学
Inventor： 颜成钢 , 曾龙健 , 金颖杰 , 吴旭 , 江涛 , 王帅 , 张继勇 , 李宗鹏 , 丁贵广 , 付莹 , 郭雨晨 , 赵思成 , 孙垚棋 , 朱尊杰 , 高宇涵 , 王鸿奎 , 赵治栋 , 殷海兵
IPC: G06V10/40 , G06V10/82 , G06V10/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种微光RAW图像端到端训练的特征提取方法。首先构建包含具有基本像素对像素对应关系的图像对的大规模数据集；然后构建基于L2‑Net网络的深度学习框架(LowerFeat，确定损失函数；再通过构建的大规模数据集对LowerFeat进行训练；最后通过训练好的LowerFeat实现特征提取。本发明提出了LowerFeat框架，该框架以端到端的方式输出RAW格式图像的局部特征检测和描述，能可靠地提取足够的关键点，同时抑制具有不显著和噪声敏感特征的区域。
-
公开(公告)号：CN116797785A
公开(公告)日：2023-09-22
申请号：CN202310327951.9
申请日：2023-03-30
Applicant: 杭州电子科技大学丽水研究院
IPC: G06V10/26 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于特征提炼的伪装物体检测方法，首先获取伪装物体检测数据集，进行数据预处理；构建基于特征提炼的伪装物体检测模型；再通过训练集对构建好的基于特征提炼的伪装物体检测模型训练，对预测结果使用结构损失函数进行监督学习。最后对模型训练结果加以验证。本发明基于特征提炼的方式来构建伪装物体检测模型，对伪装物体图像的特征进行增强处理以及去除背景噪声，利用结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对伪装物体的精确分割，对社会具有重要意义。
-
公开(公告)号：CN116597890A
公开(公告)日：2023-08-15
申请号：CN202310662530.1
申请日：2023-06-06
Applicant: 杭州电子科技大学
IPC: G16B5/00 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于自优化激活函数的生物信息时间序列预测方法，首先构建一个包含多种激活函数候选集；然后搭建自优化激活函数模块；将新的激活函数应用于循环神经网络中，用于实现非线性变换；最后通过改进后的循环神经网络对生物信息时间序列进行预测。本发明提出了一种新颖的自优化激活函数，使循环神经网络的每个激活函数能随着任务的不同自我优化改变自生结构，实现了循环神经网络设计和优化的更加灵活。与传统方法相比，本发明不仅提高了循环神经网络性能，还有效减少了选择激活函数所需的时间和成本。
-
公开(公告)号：CN116245968A
公开(公告)日：2023-06-09
申请号：CN202310210835.9
申请日：2023-03-07
Applicant: 杭州电子科技大学丽水研究院
Abstract: 本发明公开了基于Transformer的LDR图像生成HDR图像的方法，首先构建基于Transformer的HDR图像生成模型，包括浅层特征对齐模块、金字塔融合模块和图像重建模块；通过浅层特征对齐模块进行特征对齐，通过金字塔融合模块对对齐后的特征进行处理，获得不同尺度的特征，将金字塔融合模块处理后的不同尺度的特征融合成一个尺度；再将融合后的特征送入图像重建模块进行图像重建；最后将图像重建模块输出的结果使用卷积操作得到3层的HDR最终图片。本发明可以更好地学习非局部特征并自适应地减少虚拟阴影。本发明提出了一种新的金字塔融合模块，使图像可以与较低计算成本和根据全局信息。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.03 seconds)
