-
公开(公告)号：CN114637295B
公开(公告)日：2025-05-16
申请号：CN202210259535.5
申请日：2022-03-16
Applicant: 浙江工业大学
Abstract: 一种基于人工势场法与实例分割算法融合的智能避障方法，包括：通过采集现实场景障碍物图片数据，使用Python脚本制作实例分割数据集；将数据集导入至Yolact算法进行训练，并制作ROS包；利用ZED2相机提取障碍物的深度信息，将实例分割的结果融合深度信息便可得到障碍物的世界坐标、类别CLASS以及MASK(遮罩)，将上述三个结果融合至改进的人工势场法中，定义目标点世界坐标，便可以实现在抢险救灾场景中有选择性的避障。本发明解决在抢险救灾场景中遇到障碍物耽误最佳抢险时间的问题，使之最快到达救援点。
-
公开(公告)号：CN119537534A
公开(公告)日：2025-02-28
申请号：CN202411556482.9
申请日：2024-11-04
Applicant: 浙江工业大学
IPC: G06F16/3329 , G06F16/334 , G06F16/34 , G06F16/36 , G16H80/00 , G06F40/35 , G06N5/022 , G06N3/0455
Abstract: 一种基于知识图谱和生成式对话的医疗问诊方法和装置，其方法包括以下步骤：对数据进行预处理，预处理医疗数据，形成知识图谱数据集和医疗对话数据集；构建知识图谱，构建和更新包含医疗实体及其关系的知识图谱；提取历史对话摘要，从多轮对话的历史记录中提取摘要信息，以增强对话生成的上下文理解；匹配知识图谱三元组，匹配对话中的实体与知识图谱中的实体，并生成知识三元组数据；编码数据，编码匹配后的知识三元组数据，对当前用户问题和历史对话摘要进行编码，形成用于生成对话回复的输入向量；生成答案，基于编码后的输入数据生成医疗对话的回复。本发明能够有效捕捉和保留对话上下文中的关键信息，确保生成的回复与前文紧密关联。
-
公开(公告)号：CN118816850A
公开(公告)日：2024-10-22
申请号：CN202410786193.1
申请日：2024-06-18
Applicant: 浙江工业大学 , 衢州市浙工大生态工业创新研究院
Abstract: 本发明公开了一种基于视觉及超宽带的无人机协同定位方法，首先采集惯性导航信息和视觉信息，获得本机在世界坐标系下的视觉位置信息，然后在时间滑动窗口内通过小时间段线性拟合得到视觉位置对应的斜率参数；再构建漂移误差模型以及对应的非线性优化模型，根据本机超宽带测距信息、光流信息和视觉位置信息，以及获取到的其他无人机的宽带测距信息、光流信息和视觉位置信息，以及视觉位置对应的斜率参数，对非线性优化模型进行求解，得到漂移误差模型的参数；最后将本机视觉位置信息带入漂移误差模型，计算得到无人机的真实位置。本发明基于UWB和视觉的融合方案，实现了多无人机协同的精准定位。
-
公开(公告)号：CN117370977A
公开(公告)日：2024-01-09
申请号：CN202311221275.3
申请日：2023-09-21
Applicant: 浙江工业大学
IPC: G06F21/56
Abstract: 一种新Android系统恶意软件反编译方法和系统，其方法包括：1)数据采集：通过网络爬虫，从目标杀毒软件中抓取安卓APK文件，作为良性APK数据的来源，同时获取恶意APK文件；2)数据预处理：检测并处理异常或不合法的APK文件；根据需要筛选数据，以删除或保留特定类型或属性的APK文件；最后，验证恶意APK数据；3)APK反编译：在传统工具Androguard的基础上，引入了对具有反抗静态分析策略的恶意应用程序进行解析的能力，对解析zip文件和xml文件的相关代码模块进行重新编写；4)APK特征提取：对APK文件进行解析，计算并获取各种统计特征；5)APK特征结果比较：针对恶意APK样本和良性APK样本，对API特征和权限特征调用数量差异较大的特征进行综合分析。
-
公开(公告)号：CN115658850A
公开(公告)日：2023-01-31
申请号：CN202211438366.8
申请日：2022-11-17
Applicant: 浙江工业大学
IPC: G06F16/33 , G06F16/36 , G06F16/532 , G06F40/211 , G06F40/253
Abstract: 一种基于NLP复合句分割的图像检索的方法，包括：1)分割复合句；2)对多个简单句子排序；3)对检索图像的句子进行抽象；4)查询剪枝；5)检索图像；6)评估结果：使用准确率(Accuracy)、精准率(Precision)、召回率(Recall)和F1_score来评估方法的性能。本发明将NLP与图像检索结合起来，充分利用NLP的优势，对用户所提出的复合句进行详细的成分句法分析与依存句法分析，将分析处理过的句子作为查询语句，输入到数据库中对图像进行检索，不仅大大提高了图像检索的效果，也扩大了NLP的应用范围。
-
Patent Agency Ranking
公开(公告)号：CN115391548A
公开(公告)日：2022-11-25
申请号：CN202210805128.X
申请日：2022-07-08
Applicant: 浙江工业大学
Abstract: 基于场景图和概念网相结合的检索知识图谱库生成方法，包括：1)模型预训练：在神经网络上对输入数据进行预训练，检测图片中出现的物体种类和其位置；2)场景图的训练：对模型预训练的结果进行无偏训练，并应用神经网络模型最终输出与场景图相关信息的文件，预测出图片中不同种类之间的关系；3)知识图谱的自动扩充；4)对于训练完成的场景图模型进行测试；5)将场景图和概念网相关的文件信息进行提取并处理，然后导入到检索数据库中，最终组成本检索数据库；将场景图中相似度高的节点和关系进行合并，并将场景图和概念网对应的知识图谱库进行融合，最后将场景图和概念网合并成一个包含所有信息的知识图谱库；6)数据库定时更新。
-
公开(公告)号：CN119995664A
公开(公告)日：2025-05-13
申请号：CN202510100230.3
申请日：2025-01-22
Applicant: 浙江工业大学
IPC: H04B7/08
Abstract: 一种基于旋转双天线的WiFi信号波达角的估计方法和装置，其方法包括：1)数据采集及预处理；2)构建虚拟天线阵列；3)引入旋转关系简化关联模型：结合旋转装置旋转天线的空间特性，进一步简化关联模型，并最终转化为线性方程求解波达角；4)去除受多径影响的到达角结果；5)装置应用：将装置部署在实际室内定位场景中进行应用。本发明提出的方法过旋转双天线模拟虚拟圆形天线阵列，使得双物理天线具备三维测角能力，并将双天线的旋转特征引入关联模型，成功将波达角解算转变为线性方程组进行快速求解，并且相较于传统的波达角估计方法，以相近的测角精度取得了更高的波达角解算速度，且通过实验表明所述方法的解算速度提升10‑20倍，解决了现有双天线测角装置不能自动估计三维波达角以及时间消耗较大的问题。
-
公开(公告)号：CN119963449A
公开(公告)日：2025-05-09
申请号：CN202510050585.6
申请日：2025-01-13
Applicant: 浙江工业大学
Abstract: 本发明属于图像处理领域，公开了一种基于几何增强交叉注意力机制的盲人脸修复方法，包括：获取训练数据集；提取高质量图像样本中的高质量特征以及几何先验信息，同时提取低质量图像样本中的退化特征，并对低质量图像样本进行上采样后提取退化特征；构建几何增强交叉注意力机制作为修复模型，几何增强交叉注意力机制基于多头交叉注意力机制，并将退化特征作为查询，将高质量特征作为键和值，同时将几何先验信息作为键和值；基于原始的低质量图像样本中的退化特征输出低分辨率融合特征；基于上采样后的低质量图像样本中的退化特征输出高分辨率融合特征；并生成修复后的高质量图像。本发明实现对细节缺失、模糊及形变严重的人脸图像的精确修复。
-
公开(公告)号：CN119395646A
公开(公告)日：2025-02-07
申请号：CN202411316870.X
申请日：2024-09-20
Applicant: 浙江工业大学
IPC: G01S7/40
Abstract: 本发明给出了一种基于图神经网络的组网雷达异常检测方法和系统，属于物联网安全技术领域，该方法包括：根据雷达对目标检测的航迹进行记录，完善雷达检测的目标航迹路线，确定组网雷达中每个雷达观测的航迹结果；对每个雷达节点观测到的航迹进行注意力值的计算，自适应的确定节点之间的邻接矩阵，以将邻接矩阵作为组网雷达的特征之一；将组网雷达内的各个节点的观测结果与雷达节点之间的邻接矩阵通过图神经网络对下一个时刻的节点情况进行预测；对所述每个雷达节点在下一时刻预测到的节点航迹信息和在下一时刻雷达观测的航迹结果进行比较，以判断所述组网雷达中处于异常状态的雷达节点。本发明能够实时快速地检测到物联网中处于异常状态的传感器，鲁棒性较强，且准确性较高。
-
公开(公告)号：CN118535987A
公开(公告)日：2024-08-23
申请号：CN202410375315.8
申请日：2024-03-29
Applicant: 浙江工业大学
IPC: G06F18/2413 , G06F18/22 , G06F40/284 , G06F40/289
Abstract: 一种基于诈骗阶段和要素的的诈骗类型判断方法和装置，其方法包括：1)用户根据系统提示，对自己当前可能存在的被诈骗经历进行准确描述，然后按照系统提示补全细节信息，系统根所给信息进行诈骗分析，并回复用户；2)对用户所提供的信息进行要素分析，按照诈骗的进展分为三个阶段，分别为：诈骗接近、诈骗准备、诈骗实施。按照诈骗要素将三阶段拆分为六个要素，分别为：身份、理由、增加信誉、获取资金、加大资金、支付方式；3)对诈骗诊断系统的算法部分进行训练，收集到大量打诈骗话术，对话术进行诈骗六要素分析，得到训练算法所需要的各项要素，使用机器学习得到诈骗诊断的算法模型，最后进行多次测试和迭代。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.018 seconds)
