公开(公告)号：CN118154935A

公开(公告)日：2024-06-07

申请号：CN202410117384.9

申请日：2024-01-29

Applicant: 浙江大学滨江研究院 ,  杭州榕数科技有限公司

Inventor： 潘晓华 ,  陈晋音 ,  苏蒙蒙 ,  沈诗婧 ,  熊海洋 ,  郑海斌

IPC: G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于对比元学习的成像模式推理方法，基于对比元学习的成像模式推理方法，首先获取到RGB、红外和点云三种成像模式下的数据集。其次，基于数据增强的方法对三种模式的图像进行数据扩充，对增强后的不同成像模式数据集进行划分，得到训练集和测试集。然后，将训练集输入图像特征加强模块和对比元学习模块推理训练模型，再用测试集测试训练出的模型性能。最后，输入RBG、红外和点云三种成像模式中的一种模式图像到训练好的模型中进行成像模式推理，输出为三类成像模式的置信度得分，其中置信度得分最高的一类则是输入图像的成像模式，实现对成像模式的推理判断，根据成像模式的推理判断选择最优的目标检测技术。

公开(公告)号：CN118691791A

公开(公告)日：2024-09-24

申请号：CN202410697849.2

申请日：2024-05-31

Applicant: 杭州榕数科技有限公司

Inventor： 沈诗婧 ,  苏蒙蒙 ,  陈晋音 ,  严云杰 ,  熊海洋 ,  郑海斌 ,  李晓豪

IPC: G06V10/25 ,  G06V10/82 ,  G06V10/80 ,  G06N7/01

Abstract: 本发明公开了一种基于贝叶斯理论的多模态目标检测模型融合鲁棒增强方法和装置，对单模态目标检测模型分别进行红外模态训练和可见光模态训练，得到红外目标检测模型和可见光目标检测模型；对一个场景在红外模态下采集到的图片和在可见光模态下采集到的图片进行预测，得到融合结果。本发明无需设计复杂的多模态融合神经网络或者多模态特征提取方法，使用了贝叶斯理论作为融合策略，可以同时处理在多个模态下对齐的图像数据和非对齐的图像数据，提升检测框置信度，确保各个模态下对于弱小目标的预测可以保留，融合鲁棒性增强，可以进行模态的拓展，不仅限于对单红外模态检测结果和单可见光模态检测结果的融合。

公开(公告)号：CN120012846A

公开(公告)日：2025-05-16

申请号：CN202510495588.0

申请日：2025-04-21

Applicant: 杭州榕数科技有限公司

Inventor： 苏蒙蒙 ,  曹志骐 ,  熊海洋 ,  陈少芳 ,  郑海斌 ,  沈诗婧

IPC: G06N3/0495 ,  G06N3/0985 ,  G06Q40/03

Abstract: 本发明公开了一种基于神经元角色贡献的模型量化公平性提升方法，包括如下步骤：步骤一，获取需要量化的模型和构建样本对；步骤二，对步骤一中获取的模型中的每一层神经元进行偏见分析，进行神经元角色识别；步骤三，基于差异化量化策略对模型进行优化；步骤四，构建公平性提升的轻量化模型，利用步骤三生成的多通道优化向量表示，搭建轻量化模型。本发明的基于神经元角色贡献的模型量化公平性提升方法，便可通过分别处理偏向神经元与正常神经元，优化量化策略，实现公平性与性能的平衡。

公开(公告)号：CN117975274A

公开(公告)日：2024-05-03

申请号：CN202410161905.0

申请日：2024-02-05

Applicant: 浙大启真未来城市科技(杭州)有限公司 ,  杭州榕数科技有限公司

Inventor： 章俊屾 ,  苏蒙蒙 ,  洪俊成 ,  张志伟 ,  马学斌 ,  沈诗婧 ,  熊海洋

IPC: G06V20/10 ,  G06V20/17 ,  G06V10/40 ,  G06V10/764 ,  G06V10/74 ,  G06T5/80 ,  G06T3/4038 ,  G06T7/10

Abstract: 本发明涉及图像目标识别技术领域，具体涉及一种基于目标检测和图像相似性算法结合的违章建筑检测方法，包括：获取各张建筑拍摄图像，对所述建筑拍摄图像进行图像拼接，得到拼接图像；对所述拼接图像进行图像裁剪，得到各张裁剪图像；对所述各张裁剪图像进行去阴影处理，得到去除阴影后的各张裁剪图像；对所述去除阴影后的各张裁剪图像进行环境亮度调整，得到亮度调整后的各张裁剪图像；根据所述亮度调整后的各张裁剪图像，结合目标检测算法和图像相似度算法，进行违章建筑识别，得到违章建筑识别结果。本发明有效提高了违章建筑的检测精确度。

公开(公告)号：CN117351255A

公开(公告)日：2024-01-05

申请号：CN202310942891.1

申请日：2023-11-23

Applicant: 浙江大学滨江研究院 ,  浙江大学医学院附属儿童医院

Inventor： 徐玮泽 ,  潘晓华 ,  舒强 ,  叶菁菁 ,  俞劲 ,  张志伟 ,  苏蒙蒙

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/098

Abstract: 本发明公开了一种基于目标检测和图像分类的医学图像疾病分类方法，包括如下步骤：步骤一，通过目标检测模型提取病灶所在区域；步骤二，将步骤一提取到的区域输入到特征抽取网络，获取区域特征，之后将获取的区域特征相互融合后输入疾病分类模型，得到图像分类结果；步骤三，对完整的医学图进行特征提取，然后输入疾病分类模型，得到图像分类结果；步骤四，将步骤二和步骤三获取的图像分类结果进行整合，完成分类。本发明的分类方法，提出了一种基于目标检测和图像分类的二分支两阶段疾病分类模型，缓解了数据不平衡问题，加强了模型对具体病灶区域的关注程度。

公开(公告)号：CN118154435A

公开(公告)日：2024-06-07

申请号：CN202410117397.6

申请日：2024-01-29

Applicant: 中共浙江省委党校(浙江行政学院) ,  浙江大学滨江研究院

Inventor： 戴建华 ,  潘晓华 ,  陈晋音 ,  沈诗婧 ,  苏蒙蒙

IPC: G06T5/50 ,  G06T5/60 ,  G06T5/70 ,  G06V10/10 ,  G06V10/80 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/0464

Abstract: 本发明公开了一种基于扩散模型的多波段图像融合方法，其特征在于：包括：步骤一，对数据进行处理，确定范例样本；步骤二，训练基于扩散模型的多波段图像融合模型；步骤三，对步骤二训练获得图像融合模型的进行测试，记录测试结果，分析融合效果；步骤四，将步骤三生成的融合图像输入到多模态目标检测器中，训练得到一个高性能的多模态目标检测器，随后，与传统的基于单一场景训练的目标检测器的性能进行对比，观察其性能提升效果，并在观察到性能提升较好后利用训练得到的多模态目标检测器进行图像融合。本发明的基于扩散模型的多波段图像融合方法，以解决红外和可见光图像融合中的噪声和质量问题。

公开(公告)号：CN115373738A

公开(公告)日：2022-11-22

申请号：CN202210871381.5

申请日：2022-07-22

Applicant: 浙江大学滨江研究院

Inventor： 潘晓华 ,  王楦烨 ,  苏蒙蒙 ,  沈诗婧 ,  尹建伟

IPC: G06F8/75 ,  G06F16/33 ,  G06F16/338

Abstract: 本发明公开了一种基于特征融合的算法血缘管理方法，包括：步骤1、获取算法信息与对应的源码数据，对所述源码数据进行解析，获得控制流图与控制流图中节点信息对应的抽象语法树；步骤2、获取源码数据在控制流图中对应的节点信息，计算获得节点嵌入向量；步骤3、获取源码数据在抽象语法树中对应的序列标识符，计算获得词嵌入向量；步骤4、对节点嵌入向量和词嵌入向量进行融合，获得对应的融合特征向量；步骤5、根据算法信息和融合特征向量，对融合特征向量进行可视化分析，获得算法血缘图谱。本发明还提供了一种算法血缘管理装置。本发明提供的方法通过融合算法的多维特征，从而解决算法来源难以追溯，难以管理的问题。

公开(公告)号：CN118192241A

公开(公告)日：2024-06-14

申请号：CN202410384099.3

申请日：2024-04-01

Applicant: 杭州榕数科技有限公司

Inventor： 沈诗婧 ,  陈晋音 ,  苏蒙蒙 ,  金海波 ,  李晓豪 ,  郑海斌 ,  熊海洋

IPC: G05B13/04

Abstract: 本发明公开了一种基于自我策略恢复的自动驾驶决策模型安全性增强方法和装置，利用模拟学习自动驾驶决策模型Mo的目标策略πo，得到优化后的模型学习模型MI′L；利用模型对抗攻击技术对优化后的模型学习模型MI′L进行攻击，生成对抗状态集；对对抗状态集进行游离程度计算，得到对抗性训练样本集；随后利用对抗性训练样本集实现对自动驾驶决策模型Mo的对抗性训练，得到重训练模型MR，实现对自动驾驶决策模型Mo的安全性增强。实现黑盒模型下，模拟学习自动驾驶决策模型Mo的鲁棒性提升。

公开(公告)号：CN116305063A

公开(公告)日：2023-06-23

申请号：CN202211097276.7

申请日：2022-09-08

Applicant: 杭州榕数科技有限公司

Inventor： 潘晓华 ,  陈晋音 ,  沈诗婧 ,  苏蒙蒙 ,  叶林辉

IPC: G06F21/44 ,  G06F18/214 ,  G06Q40/03

Abstract: 本发明公开了一种基于独立认证的联邦学习产权认证方法和系统，包括聚合器和客户端用于进行关于贷款预测模型的多轮联邦学习；聚合器还用于将不同于各客户端本地数据的独立数据集输入至当前贷款预测模型后将得到的输出结果拼接成向量作为正样本，同时收集多个已训练好的其他贷款预测模型，将独立数据集输入至其他贷款预测模型后将得到的输出结果拼接成向量作为负样本，将正样本和负样本输入至认证模型进行训练，训练目标为当前贷款预测模型是否为联邦学习得到的全局模型；模型所有者还用于利用训练好的认证模型对待认证的贷款预测模型进行认证预测，输出认证预测结果。该方法和系统能够实现对模型产权的准确认证。

公开(公告)号：CN119444910A

公开(公告)日：2025-02-14

申请号：CN202510036099.9

申请日：2025-01-09

Applicant: 杭州榕数科技有限公司

Inventor： 苏蒙蒙 ,  沈诗婧 ,  熊海洋 ,  范金涛 ,  赵晓明

IPC: G06T11/00 ,  G06T17/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/045 ,  G06N3/094

Abstract: 本发明公开了一种基于CAM‑GAN的迷彩伪装图案生成方法和装置，属于图像生成领域。本发明构建由生成器、第一判别器和第二判别器组成的迷彩伪装图案生成模型；获取真实图像集合，生成真实图像集合对应的传统迷彩图像集合和智能迷彩图像集合；根据真实图像集合、传统迷彩图像集合和智能迷彩图像集合对迷彩伪装图案生成模型进行优化训练；最后使用优化后的彩伪装图案生成模型中的生成器对待测图像生成对应的迷彩图像。发明设计了基于CAM‑GAN的迷彩生成，通过两个不同的判别器与生成器进行三方博弈，在生成针对目标检测系统的迷彩伪装图像的同时，兼顾对人眼的伪装性能。