-
公开(公告)号：CN113974627B
公开(公告)日：2023-04-07
申请号：CN202111248689.6
申请日：2021-10-26
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06F18/24 , G06F18/214 , G06N3/047 , G06N3/048 , G06N3/088 , G06V40/70
Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
-
Patent Agency Ranking
公开(公告)号：CN113974627A
公开(公告)日：2022-01-28
申请号：CN202111248689.6
申请日：2021-10-26
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06V40/70 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82
Abstract: 本发明公开一种基于脑机生成对抗的情绪识别方法。针对情绪识别任务，人脑处理信息后得到的是具有情感的认知表征，而机器学习到的仅仅是图像的形式表征，如果能够建立两者之间的生成关系，通过“人脑”引导“机器”学习，将人脑的情感认知能力赋予机器。为了将人脑感知的信息赋予机器，需要建立图像视觉特征到脑电情感特征的生成模型，从而实现形式表征到认知表征之间的生成。本发明将探索脑电情感特征与图像视觉特征之间的关系，建立形式表征与认知表征之间的联系，实现脑机协同智能。为了减少认知表征与形式表征间的差异，使得形式表征无限逼近认知表征，本发明设计一种“基于脑机生成对抗的情绪识别方法”。
-
公开(公告)号：CN113139573A
公开(公告)日：2021-07-20
申请号：CN202110257704.7
申请日：2021-03-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于条件双分支注意力机制的鲁棒声纳图像生成方法。本发明采用深度学习技术对复杂水下环境进行声纳图像仿真成像。本发明打破了传统的声纳仿真技术注重底层的物理建模，在多类别、多背景的情况下存在着图像可调性差、逼真度低的局限。该方法能够利用条件信息有效地控制特定条件声纳图像的生成，通过一种双分支注意特征融合机制，依次完成信道级和像素级的注意操作，增强相应元素之间的相关性，从而生成更加清晰、逼真的声纳图像。通过实验发现，该方法在声纳图像仿真上取得很好的表现，且在噪声干扰环境下具有鲁棒的成像效果，说明深度学习方法在声呐图像仿真上的可行性，为复杂水声环境数据中的图像仿真提供了新的研究手段。
-
公开(公告)号：CN119963895A
公开(公告)日：2025-05-09
申请号：CN202510022060.1
申请日：2025-01-07
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/77 , G06F18/21 , G06F18/24 , G06F18/25 , G06F16/35 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种自动驾驶风险检测与描述方法及系统，通过使用视觉主干网络获取低分辨率视频特征和高分辨率多尺度特征图；使用高低分辨率时空融合模块获取不同分辨率下多尺度时空融合特征；以及使用双分支抽象模块，将融合后的特征分别在视觉任务域和文本任务域中进行跨模态学习，并分别得到目标向量和抽象文本特征；进一步使用多任务解码模块将目标向量解码为风险物体包围框，将抽象文本特征解码为对应的场景、风险提示的文本描述；本发明有效地解耦了风险定位和描述任务，同时保持了对象级的相关性，降低了计算复杂性，并增强了对细粒度对象和时间信息的处理能力，从而提高了模型在复杂场景下的理解能力和泛化能力。
-
公开(公告)号：CN113139573B
公开(公告)日：2024-08-09
申请号：CN202110257704.7
申请日：2021-03-09
Applicant: 杭州电子科技大学
IPC: G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于条件双分支注意力机制的鲁棒声纳图像生成方法。本发明采用深度学习技术对复杂水下环境进行声纳图像仿真成像。本发明打破了传统的声纳仿真技术注重底层的物理建模，在多类别、多背景的情况下存在着图像可调性差、逼真度低的局限。该方法能够利用条件信息有效地控制特定条件声纳图像的生成，通过一种双分支注意特征融合机制，依次完成信道级和像素级的注意操作，增强相应元素之间的相关性，从而生成更加清晰、逼真的声纳图像。通过实验发现，该方法在声纳图像仿真上取得很好的表现，且在噪声干扰环境下具有鲁棒的成像效果，说明深度学习方法在声呐图像仿真上的可行性，为复杂水声环境数据中的图像仿真提供了新的研究手段。
-
公开(公告)号：CN116597034A
公开(公告)日：2023-08-15
申请号：CN202310556749.3
申请日：2023-05-17
Applicant: 杭州电子科技大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045
Abstract: 本发明公开了一种基于区域结构一致性的汉字书法字体图像生成方法。该方法如下1.获取基础字体图像和目标字体真实图像。基础字体图像包含需要生成目标字体的汉字。2.以编码器‑解码器为基础结构，构建用于输入基础字体图像生成目标字体仿真图像的生成器。3.构建用于判别目标字体仿真图像与目标字体真实图像的判别器。判别器对输入的图像数据的每一个独立的区域进行评价打分。4.构建用于字体骨架结构约束的区域结构一致性网络。5.网络训练。6.生成所需汉字的目标字体。本发明在书法字体图像生成网络中设置区域结构一致性模块，在生成过程中对汉字骨架结构进行有效约束，使生成的目标字体仿真图像字体结构清晰，能有效还原笔划细节。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
