-
公开(公告)号：CN113627467A
公开(公告)日：2021-11-09
申请号：CN202110743646.9
申请日：2021-07-01
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于非凸近似的低秩子空间的图像聚类方法，现有技术中利用稀疏表示或低秩表示进行子空间聚类的研究受到广泛关注，并提出了一系列与之相关的新的子空间聚类算法，如稀疏子空间聚类、低秩表示及其变体低秩稀疏子空间聚类算法；秩函数的核范数近似只能产生与最佳结果相距甚远的结果。本发明以及非凸函数ε‑LogDet‑SC对初始化相对不敏感，它在子空间聚类问题中的应用具有更好的鲁棒性。在人脸聚类和运动分割上的大量实验证明了该方法的有效性和鲁棒性，与现有的子空间聚类方法相比，该方法表现出了优越的性能。
-
公开(公告)号：CN108734725B
公开(公告)日：2020-09-29
申请号：CN201810320130.1
申请日：2018-04-11
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于高斯过程的概率数据关联滤波扩展目标跟踪方法。该方法首先提出了基于高斯过程的联合跟踪门，以选择各个时刻测量中的有效测量，总结各个有效测量来源的情况，获得关于测量来源的相关事件。第二，以相关事件，当前时刻的有效测量和近似足够统计为条件，基于卡尔曼滤波，获得相关事件对应的目标状态估计。第三，基于贝叶斯概率理论，以所有时刻的有效测量为条件，求得相关事件的权重。最后，结合总体概率公式，将所有相关事件的条件估计与相对应的权重加以总结，获得融合的状态估计和协方差估计。
-
公开(公告)号：CN108764296A
公开(公告)日：2018-11-06
申请号：CN201810402844.7
申请日：2018-04-28
Applicant: 杭州电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6223 , G06K9/6256 , G06K9/6267
Abstract: 本发明公开了一种基于K‑means与多任务关联学习结合的多分类方法；本发明将K‑means方法与多任务关联学习方法组合在一起进行多分类。使用K‑means下采样解决了多分类中训练样本不均衡的问题，并减小了训练集的数据量，有利于加快计算速度并减少计算机系统资源的占用。多任务关联学习算法有较强的分类能力，引入该算法作为分类器保证了组合算法的分类准确率，并使组合算法更具通用性。
-
公开(公告)号：CN115878983A
公开(公告)日：2023-03-31
申请号：CN202211597492.8
申请日：2022-12-12
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/25 , G06F17/16 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于多层次交互融合的多模态数据场景识别方法。使用自动驾驶场景下车载传感器收集的视频数据和车载数据，分别提取三种单模态特征，包括基于双阶段注意力机制的多示例学习获取视频中2D级别的特征；通过多层时空注意力网络提取出场景视频中的3D时空特征，同时加入了车载信息特征向量一起训练，进行交互；以及对车载信息特征向量进行训练。完成三个模态的特征提取后，进行相似度损失的计算，在训练过程中最大化三个模态的相似部分，并基于多层自注意力网络对三个模态的特征进行交互，最后进行分类操作。该方法能利用已有的视频和车载信息交互，补充信息，提高识别场景识别速度和精度。
-
公开(公告)号：CN114937225A
公开(公告)日：2022-08-23
申请号：CN202210614670.7
申请日：2022-05-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于通道‑时间特征的行为识别方法，该方法构建了一个多模块block用于替换ResNet‑50网络第2～第5层中的block。所述多模块block包括通道注意力模块、长期时序模块、短期时序模块。其中，通道注意力模块与SE block结构相似，通过对特征通道间的相关性进行建模，强化重要的特征，使得网络就可以学习通过全局信息来有选择性的加强包含有用信息的特征并抑制无用特征；长期时序模块参考了STM模块，通过沿时间维度移动特征图来执行有效的时间建模，实现跨时域的信息交互；短期时序模块通过计算特征级的帧差信息，实现对局部运动信息的表征，增强对运动信息敏感特征。
-
Patent Agency Ranking
公开(公告)号：CN114612729A
公开(公告)日：2022-06-10
申请号：CN202210340575.2
申请日：2022-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外‑可见光特征”，来辅助训练基于SAR图像的图像分类模型，其中，红外、可见光图像仅在训练过程中作为辅助模态，而实际应用中网络的输入为SAR单模态图像。本发明使用多任务学习的方法，提高了基于SAR图像的图像分类的精度，提供了一种解决单模态SAR图像在实际应用中局限性的方法。
-
公开(公告)号：CN110940332B
公开(公告)日：2021-06-01
申请号：CN201911136938.5
申请日：2019-11-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了考虑航天器轨道动态效应的脉冲星信号相位延迟估计方法，该方法首先利用轨道动力学模型传播轨道，得到航天器在任意光子到达时刻的预估位置和速度，通过大尺度时间转换和SSB处的相位模型得到任意光子到达时刻的预估相位值，估计出由其初始速度误差所引入的多普勒频移；在修正多普勒频移后通过周期折叠获得观测脉冲轮廓，估计出由初始位置误差所引入的相位延迟，由初始位置误差引入的相位延迟加上由多普勒频率引入的累积相位延迟得到航天器在观测量更新时刻的相位延迟。本发明不用假定航天器初始速度已知情况修正其在轨运动特性对X射线脉冲星信号的影响，避免了联合搜索多普勒频率和相位延迟的巨大运算量，可操作性强，易于实现。
-
公开(公告)号：CN110348495A
公开(公告)日：2019-10-18
申请号：CN201910567121.7
申请日：2019-06-27
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种改进K-means聚类的航迹关联方法，本发明首先从局部航迹集合中随机选取一条局部航迹作为初始聚类中心。第二，计算每条局部航迹与当前已有聚类中心之间的最短距离。第三，计算每条局部航迹被选为下一个聚类中心的概率并选择下一个聚类中心；第四，迭代第二步和第三步直到选择出聚类中心。第五，计算每条局部航迹与聚类中心间的距离。第六，将局部航迹分配到距离最小的聚类中心所对应的类中。第七，重新计算聚类中心和均方差之和。第八，迭代第五步到第七步直到均方差之和收敛并得到航迹关联结果。本发明的有益效果：本发明能够在目标真实数目未知的情况下的进行航迹关联，它可以改善航迹关联结果的误差并降低计算时间。
-
公开(公告)号：CN109917331A
公开(公告)日：2019-06-21
申请号：CN201910026927.5
申请日：2019-01-11
Applicant: 杭州电子科技大学
IPC: G01S5/02
Abstract: 本发明提出一种基于稀疏度阶数优化的未知杂波无源协同定位方法。该方法将稀疏度阶数优化的杂波密度估计器嵌入至高斯混合概率假设密度滤波器估计多目标状态和个数。首先通过门限技术和目标状态反馈剔除目标测量，从而获取杂波测量，其次从杂波测量中选取样本，通过GA-SVR来拟合样本，最后通过梯度法求拟合曲线的极值点，极值点的横坐标向下取整即为最优化稀疏度阶数n。本发明能有效地提升杂波未知下的无源协同定位多目标跟踪性能，解决多目标跟踪的难题。
-
公开(公告)号：CN118196508A
公开(公告)日：2024-06-14
申请号：CN202410330689.8
申请日：2024-03-22
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/40
Abstract: 本发明公开了一种基于多维特征交互的四相期CT图像分类方法，该方法首先收集四相期CT图像，进行预处理并标注，构建训练集。其次构建特征提取网络，分别对四相期CT图像进行特征提取，获得各相期的一维特征表示。然后构建时空预测模块，基于各相期的一维特征表示，获取预测结果P1；将各相期的一维特征，经过平均池化层和分类器得到单相期的分类结果，将四个单相期的分类结果相加进行平均，得到平均预测结果P2。最后将P1和P2进行加权平均输出分类结果，并进行训练。本发明提高了CT图像识别准确性，能够更好的适应不同的数据和场景。为医学影像技术的发展注入新的思路和方法。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
