-
公开(公告)号：CN115035298A
公开(公告)日：2022-09-09
申请号：CN202210692153.1
申请日：2022-06-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多维注意力机制的城市街景语义分割增强方法，获取城市街景图像，提取低层特征图和高层特征图，将提取的高层特征图分别输入到空洞空间卷积池化金字塔模块和多维注意力融合模块，将所述空洞空间卷积池化金字塔模块和多维注意力融合模块的输出进行元素相加，得到第一特征图；将低层特征图与所述第一特征连接后，再次输入到多维注意力融合模块，得到第二特征；将低层特征图与所述第一特征连接后的特征输入到解码模块的第一个卷积层，与所述第二特征进行元素相加，在经过解码模块第二个卷积层，输出语义分割增强后的图像。本发明所构建的多维注意力融合模块，模型简单，其运用可以对远程上下文依赖性较大的物体产生更好的预测结果。
-
公开(公告)号：CN114998121A
公开(公告)日：2022-09-02
申请号：CN202210537648.7
申请日：2022-05-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进型unet++网络的图像去高光方法及系统，方法按如下步骤：步骤(1)，构建去高光网络模型，将高光图输入到去高光网络模型，以获取预测的高光掩码、高光层图以及无高光图；步骤(2)，训练去高光网络模型，获得网络模型参数。本发明将高光图减去镜面分量获得最终的去高光图像，达到去除高光与恢复图像纹理细节的目的，并对色彩、纹理复杂的图像具有较大的适应性和较强的鲁棒性。
-
公开(公告)号：CN114898158A
公开(公告)日：2022-08-12
申请号：CN202210569646.6
申请日：2022-05-24
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V20/54 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多尺度注意力耦合机制的小样本交通异常图像采集方法及系统，本发明方法包括步骤：S1.将早先布置的摄像头中收集的交通异常情形图像打上标签作为有标签数据集，并进一步划分训练集和测试集；S2.对样本数据进行数据处理并构造情景任务，从训练集中随机采样少量样本作为支持集样本和一定量同类样本作为查询样本图像；S3.利用骨干网络对每个情景任务中的图像进行特征提取，并获取多尺度输入特征；S4.将两个不同层次注意力结合，形成特征多域层次结构；S5.将不同尺度度量结果加权聚合，根据最终的支持集和查询集样本间的度量分数实现影像分类；S6.利用损失函数进行端到端训练；S7.进行测试保留最优训练权重；S8.模型部署和图像采集。
-
公开(公告)号：CN111178427B
公开(公告)日：2022-07-26
申请号：CN201911375406.7
申请日：2019-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Sliced‑Wasserstein距离的深度自编码进行图像降维并嵌入聚类的方法，包括步骤：S11.构建基于Sliced‑Wasserstein距离的自编码网络模块；S12.构建聚类模块；S13.将所述构建的自编码网络模块和聚类模块进行联合，构建基于Sliced‑Wasserstein距离的自编码嵌入式聚类网络；S14.初始化构建后的自编码嵌入式聚类网络的聚类中心，将无标签的数据集输入到网络进行迭代训练，并对自编码嵌入式聚类网络进行处理，当所述处理后的自编码嵌入式聚类网络达到预设阈值时，完成最终的聚类。本发明在网络的迭代训练过程中，同时优化了自编码网络模块以及聚类模块，从而达到聚类完成的效果。
-
公开(公告)号：CN114694262A
公开(公告)日：2022-07-01
申请号：CN202210397625.0
申请日：2022-04-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于两个正交视角方向的特征分开提取的多视角步态识别方法及系统，方法具体步骤：S1.采集得到多视角、多协变量情况的步态数据集，并对数据集进行预处理；S2.将预处理后的输入送入训练好的特征提取网络，提取出90°和0°两个视角方向成分的特征向量；同时，根据输入的样本识别出样本的协变量，并得到协变量向量；S3.根据得到的协变量向量，对步骤S2的特征向量做加权处理，得到最终的步态特征向量；S4.设置注册集，注册集中只含有90°和0°两个视角方向的样本；S5.通过对比网络输出的步态特征与注册集的步态特征，分类得到输入的身份信息。本发明实现了多视角、多携带物状态的步态识别的目的，有效降低了协变量对步态识别的影响。
-
Patent Agency Ranking
公开(公告)号：CN114694239A
公开(公告)日：2022-07-01
申请号：CN202210424376.X
申请日：2022-04-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于多方向中心对称局部二值模式的虹膜纹理表征方法，针对现有设计的手工描述子难以实现对虹膜纹理点和面均衡表征的缺陷，本发明将局部邻域整体和中心以及邻域的对称表达相结合，设计了MDCS‑LBP算子表征虹膜纹理特征。首先对局部邻域整体计算加权灰度值，然后重新定义编码规则实现加权灰度值之间的编码获得该局部的虹膜特征，最后通过二值化对虹膜特征进行降维以提高后期识别速度。经实验验证，该方法能够快速有效的表征虹膜纹理特征，提高了虹膜识别性能，且对不同设备采集的虹膜数据库能够获得稳定的识别效果。
-
公开(公告)号：CN109962915B
公开(公告)日：2021-09-28
申请号：CN201910188286.3
申请日：2019-03-13
Applicant: 杭州电子科技大学
IPC: H04L29/06
Abstract: 本发明属于深度学习技术领域，具体涉及一种基于BQP网络的异常检测方法，包括以下步骤：S1，预设异常检测图像训练数据集；S2，搭建BQP网络，设定参数；S3，对于每一批次送入BQP网络的训练批次，利用BQP网络中的特征抽取网络抽取图像中的特征，其输出为批次特征向量X，大小为B×n；S4，在BQP网络中的QP输出层中构建特征超球，QP输出层输出最优对偶变量；S5，通过分类损失函数和一致性损失函数，分别对特征抽取网络输出的特征向量X和QP输出层的最优对偶变量计算损失函数，并通过反向传播算法对BQP网络进行参数优化；S6，检测时，使用特征抽取网络输出的特征向量模长与设定的阈值进行比较，实现异常检测。
-
公开(公告)号：CN110378844B
公开(公告)日：2021-04-09
申请号：CN201910515590.4
申请日：2019-06-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于循环多尺度生成对抗网络的图像盲去运动模糊方法。本发明方法以循环多尺度编码器和解码器作为生成器，并构建了相应的判决器。以生成图像和清晰图像的对抗性损失、多尺度均方误差和多尺度梯度误差作为生成对抗网络的损失函数，以梯度下降法优化损失函数。本发明运用生成对抗网络学习运动模糊图像与其对应清晰图像之间的关系，省去了复杂的模糊核估计过程。本发明方法可以提取图像的边缘特征，具有更简单的网络结构、更少的参数，并且该网络模型更容易训练，且复原效果较好。
-
公开(公告)号：CN112487187A
公开(公告)日：2021-03-12
申请号：CN202011386651.0
申请日：2020-12-02
Applicant: 杭州电子科技大学
IPC: G06F16/35 , G06F40/194 , G06N3/04 , G06K9/62
Abstract: 本发明公开了一种基于图网络池化的新闻文本分类方法，包括步骤：S1.在注意力机制中将结构信息与特征信息相结合，并计算图神经网络中一阶邻域内节点之间的相似性得分，得到具有相似性节点的注意力机制；S2.采用稀疏概率激活函数sparsemax算法将得到的注意力机制进行稀疏化，得到节点相对应的集群；S3.采用局部聚合卷积计算每个集群的分数，并通过得分高低来判断集群所含有的信息量；S4.采用topk选出得分最高的前个集群，并将选择出的集群进行重新连边得到最终池化后的神经网络。
-
公开(公告)号：CN111931588A
公开(公告)日：2020-11-13
申请号：CN202010680012.9
申请日：2020-07-15
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了自适应延展交叉型局部二值模式的人脸特征提取方法。现有方法由于阈值固定或关键点采样单一、不均衡，其特征提取结果不够稳定，鲁棒性不强。本发明方法首先输入的人脸图像经过预处理得到标准单个人脸灰度图像；然后确定局部邻域和中心像素，选取四个内层像素和四个外层像素，根据归一化线性加权的方式计算自适应阈值，以八个像素中任一内层像素作为起始，依次间隔从内层像素到外层像素全部取到，与自适应阈值比较，根据比较结果进行编码，转换为十进制的编码值；遍历所有像素，得到该人脸的局部二值模式编码特征图。本发明方法在光照、姿态、表情和遮挡等各种干扰下，所提取的特征表现出很好的鲁棒性，对于人脸识别有实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.03 seconds)
