-
公开(公告)号：CN113159048A
公开(公告)日：2021-07-23
申请号：CN202110441665.6
申请日：2021-04-23
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弱监督语义分割方法；首先利用已有的数据集在预训练的Resnet50上进行微调，然后利用训练好的Resnet50得到相应的类激活图，利用设定的阈值得到分割的伪标签，并采用全连接的条件随机场Dense conditional random fields，Dense CRF)对标签进行优化。最后，利用优化后的伪标签训练分割网络。本发明所述的方法只需使用图像级别的标签就可以完成目标的分类以及语义分割任务，极大了减少了人工标注所耗费的大量的人力物力。相比于现有的弱监督方法，本方法效率更高，定位结果更加准确。
-
公开(公告)号：CN113538458A
公开(公告)日：2021-10-22
申请号：CN202110726063.5
申请日：2021-06-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于FTL损失函数和注意力的U‑Net图像分割方法。本发明对U‑Net模型进行重新设计，在U‑Net模型基础上结合FocalTverskyLoss和Attention注意力机制。本发明具体步骤：步骤1、图像预处理；步骤2、构建损失函数：用FTL损失函数来评价分割结果；步骤3、构建注意力机制：在模型的上采样过程中加入Attention注意力模块，使得模型在输出高水平特征图时不会丢失空间细节信息；步骤4、训练网络模型：将划分好的数据集输入到搭建好的网络模型中，通过训练集和验证集完成训练后，将测试集输入到网络模型中，得到分割结果。本发明改进了准确率和召回率的不平衡问题，并且对于多尺度输入的图像有更好的输出特征表示。
-
公开(公告)号：CN112069419A
公开(公告)日：2020-12-11
申请号：CN202010932739.1
申请日：2020-09-08
Applicant: 杭州电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种融合用户弱痕迹行为偏好的互相关协同过滤方法。本发明通过采集点击、物品被浏览时间等弱痕迹行为，构建用户的评分矩阵和弱痕迹行为矩阵，并将用户的算术评分均值赋值表示用户的弱痕迹行为偏好，得到融合用户弱痕迹行为偏好的评分增强矩阵，更准确地描述用户行为偏好和物品之间的相关性；进而提出一种改进的互相关系数计算方法，融合热门惩罚系数构建“用户‑用户”偏好相似度矩阵，预测用户对物品的偏好相似度，优化相似偏好物品的推荐排序。本发明改善了传统协同过滤方法中的数据稀疏问题，降低了用户评分尺度不一、热门因素造成非偏好行为等因素对用户偏好相似度计算的影响，从而有效提高相似偏好推荐结果及排序的准确性。
-
公开(公告)号：CN113159186A
公开(公告)日：2021-07-23
申请号：CN202110441605.4
申请日：2021-04-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于半监督学习的医学图像自动标注方法。首先将训练集输入到一级分类网络中得到一级通用深度卷积特征，然后根据输出结果对数据进行预分类，并得到预分类的混淆矩阵。接着通过谱聚类得到类别训练子集，输入到将其输入到二级分类网络中，得到二级特殊深度卷积特征；将两者融合得到图像的深度卷积特征。将患者的附加信息通过word2vec编码成多源异构特征，与深度卷积特征进行融合并通过SVM分类器得到最后的输出结果。本发明所述的方法只需使用少量有标注的医学数据即可完成对大量医学数据的自动标注。极大了减少了人工标注所耗费的大量的人力物力。相比于现有的自动标注方法，本方法效率更高，标注结果更加准确。
-
公开(公告)号：CN113129267A
公开(公告)日：2021-07-16
申请号：CN202110301302.2
申请日：2021-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于视网膜分层数据的OCT图像检测方法及系统。首先使用卷积神经网络即OCT图像特征提取网络先对OCT图像进行分割，提取特征参数并使用参数来构建超图，最后使用动态超图卷积网络对患者进行眼底疾病的诊断。本发明利用超图将图像数据和生理数据特征结合到一起，有利于发掘多模态数据之间的关系；有利于发掘到某一模态数据的特征和标签之间的深层次关系。利用动态方法构建超图矩阵，可实现网络参数的自动优化。
-
Patent Agency Ranking
公开(公告)号：CN111595292A
公开(公告)日：2020-08-28
申请号：CN202010355530.3
申请日：2020-04-29
Applicant: 杭州电子科技大学
IPC: G01C3/00
Abstract: 本发明公开了一种基于不等焦距的双目视觉测距方法。本发明应用于基于两个不同焦距相机的双目测距，相对于传统的双目测距，该测距可以根据测量目标的距离的改变，来改变相机的焦距，使得测量目标在相机图像中处于一个清晰的状态，所测出深度信息也较为精确。相对于其他不等焦距的双目测距方法，该方法获取深度信息的视野范围更广。本发明不同于传统的利用两个固定焦距相机的双目测距，它可以在两个相机焦距不一致的情况下进行双目视觉测距，并且该方法能适用于全部双相机共同视野，适用范围较大。
-
公开(公告)号：CN109084688A
公开(公告)日：2018-12-25
申请号：CN201811101400.6
申请日：2018-09-20
Applicant: 杭州电子科技大学
IPC: G01B11/02
CPC classification number: G01B11/02
Abstract: 本发明公开了一种基于可变焦相机的双目视觉测距方法。本发明步骤包括：步骤1：选取两个相同规格的可变焦相机，将相机并列摆放，两个相机镜头之间的距离D，并且两个相机的相机平面处于同一平面和同一水平高度上，步骤2：根据被测目标，调整两个相机的焦距，当测量目标处于清晰状态后，计算当前状态下两个相机的焦距；步骤3：将双目测距试验台对准被测目标，使得被测目标的水平坐标要夹在两个相机中心线之间，然后获取被测目标的图像信息，计算物距信息。本发明使用了两个可变焦相机来进行双目视觉测距，在根据被测目标的距离来调整两个相机的焦距后，两个相机焦距难以保持一致的情况下，以较高的精度获取目标的物距信息。
-
公开(公告)号：CN113159048B
公开(公告)日：2024-12-13
申请号：CN202110441665.6
申请日：2021-04-23
Applicant: 杭州电子科技大学
IPC: G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的弱监督语义分割方法；首先利用已有的数据集在预训练的Resnet50上进行微调，然后利用训练好的Resnet50得到相应的类激活图，利用设定的阈值得到分割的伪标签，并采用全连接的条件随机场Dense conditional random fields，Dense CRF)对标签进行优化。最后，利用优化后的伪标签训练分割网络。本发明所述的方法只需使用图像级别的标签就可以完成目标的分类以及语义分割任务，极大了减少了人工标注所耗费的大量的人力物力。相比于现有的弱监督方法，本方法效率更高，定位结果更加准确。
-
公开(公告)号：CN113139971A
公开(公告)日：2021-07-20
申请号：CN202110301301.8
申请日：2021-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于人工智能的舌象识别方法及系统。首先对获取的原始图像进行处理，得到标注图像；然后通过对标注图像进行舌体分割，得到舌体分割图像；对标注图像进行齿痕分割，得到齿痕分割图像；对舌体分割图像以及齿痕分割图像进行二值化处理，得到舌体二值化图像和齿痕二值化图像；再构建舌象识别网络，使用得到的舌体分割图像，齿痕分割图像，舌体二值化图像和齿痕二值化图像训练舌象识别网络，最后通过训练好的舌象识别网络进行舌象识别。本发明充分利用了深度卷积神经网络优越的图像表现能力；解决了中医舌诊对齿痕舌程度难以区分的问题，克服现有技术在中医舌诊运用领域齿痕特征无法有效识别的问题。
-
公开(公告)号：CN112069419B
公开(公告)日：2021-03-30
申请号：CN202010932739.1
申请日：2020-09-08
Applicant: 杭州电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开了一种融合用户弱痕迹行为偏好的互相关协同过滤方法。本发明通过采集点击、物品被浏览时间等弱痕迹行为，构建用户的评分矩阵和弱痕迹行为矩阵，并将用户的算术评分均值赋值表示用户的弱痕迹行为偏好，得到融合用户弱痕迹行为偏好的评分增强矩阵，更准确地描述用户行为偏好和物品之间的相关性；进而提出一种改进的互相关系数计算方法，融合热门惩罚系数构建“用户‑用户”偏好相似度矩阵，预测用户对物品的偏好相似度，优化相似偏好物品的推荐排序。本发明改善了传统协同过滤方法中的数据稀疏问题，降低了用户评分尺度不一、热门因素造成非偏好行为等因素对用户偏好相似度计算的影响，从而有效提高相似偏好推荐结果及排序的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
