-
公开(公告)号：CN109376578A
公开(公告)日：2019-02-22
申请号：CN201810980846.4
申请日：2018-08-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于深度迁移度量学习的小样本目标识别方法。该方法首先直接提取典型深度网络的前几个卷积层，构建特征子网络。输入为目标域图像对与源域图像对，输出为上述通用特征。提取源域与目标域图像的特征，采用典型特征提取方法以保证样本描述在特征空间上具有紧致性。适配源域与目标域之间的分布差异，确保源域的信息能够合理迁移到目标域。适配好的子网络作为分类器，输入一对待识别的目标图像，输出它们是否同类的分类信息，完成目标识别。本发明由于有机结合了迁移学习与度量学习这两种机器学习方法，突破现有小样本学习方法的局限，方法简单易于实现，对使用传统方法的工程无需重新构造，详细兼容，能够节省大量人力。
-
公开(公告)号：CN109086710A
公开(公告)日：2018-12-25
申请号：CN201810844730.8
申请日：2018-07-27
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00885 , G06K9/6256 , G06N3/0454
Abstract: 本发明公开一种基于混合属性学习的小样本目标识别方法。本发明首先定义语义属性并获取辅助样本；将目标训练样本输入用于获得隐属性的特征子网络，输出目标训练样本的隐属性特征。将辅助样本输入用于获得语义属性的特征子网络，用于获得辅助样本的语义属性特征。将提取到的特征进行字典学习，获得对特征的编码。将编码后包含语义属性和隐属性的数据输入多分类器进行分类训练，得到分类网络，用于后续对目标进行分类。该方法克服了其它方法只存在较好的解释性而鉴别能力较差，或者只存在较好的鉴别能力而解释性较差的缺点，综合了语义属性与隐属性的优势，兼顾可解释性与鉴别能力。
-
公开(公告)号：CN104318303A
公开(公告)日：2015-01-28
申请号：CN201410489516.7
申请日：2014-09-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种遗传算法优化的RBF神经网络的焦化炉温度预测方法。对于焦炭炉温度的动态特性，RBF神经网络模型具有良好的逼近速度，同时可以提高温度预测模型的精度，又可以简化模型结构，但是参数初值选取没有规律可循，不适当的选取会使网络收敛慢，甚至造成网络发散。本发明首先通过系统的输入输出数据建立径向基函数神经网络模型，然后利用RNA遗传算法来优化网络模型的参数，从而得到焦化炉的温度预测方法。本发明可以有效减小预测误差和模型结构的复杂度，达到很好的预测效果。
-
公开(公告)号：CN102628936B
公开(公告)日：2013-06-26
申请号：CN201210105679.1
申请日：2012-04-12
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于信息互反馈的机动弱目标检测跟踪一体化方法。现有的方法对检测信噪比、信杂比要求较低，实现起来复杂。本发明首先得到一个波束驻留时间内雷达回波信号的脉冲压缩输出信号，将上一个波束驻留时间内进行的检测跟踪一体化得到的目标多普勒估计反馈到信号积累端，与脉冲重复频率、波束驻留时间和带宽一起确定目标不发生跨单元走动条件下的最大允许相参积累时间。比较最大允许相参积累时间和检测跟踪一体化方法单帧处理时间的大小。根据比较结果对脉冲压缩输出信号分别采用全相参或分段相参积累。最后对积累结果进行一级低门限恒虚警处理。本发明增强了方法的自适应性，避免使用穷举法带来的大量计算和存储问题，提高了实用性。
-
公开(公告)号：CN102819745A
公开(公告)日：2012-12-12
申请号：CN201210231579.3
申请日：2012-07-04
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于AdaBoost的高光谱遥感影像分类方法。传统的模式识别方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类，神经网络、支持向量机虽然能够对遥感数据进行有效的分类，但是参数没有理想的选择方法。本发明首先对高光谱数据进行预处理，去掉大气吸收等因素影响下的异常波段。之后利用MNF变换进行波段优选，达到优化数据、去除噪声和数据降维的目的。然后划分训练样本以及测试样本，选择决策树桩作为弱分类器，对弱分类器训练利用AdaBoost算法得到强分类器，选择合适的迭代次数，最后用一对一的方法构建多分类器，本发明增强了分类器收敛速度，提高了高光谱图像的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN100545640C
公开(公告)日：2009-09-30
申请号：CN200710071075.9
申请日：2007-09-04
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种视频显微图像细胞自动跟踪的方法。现有的细胞跟踪方法自动化程度较低，不能适应细胞运动形式的复杂多变性和多细胞运动跟踪。本发明的步骤包括：将获取的细胞运动视频显微图像逐帧进行增强处理；从增强处理后的细胞运动图像中提取目标细胞；建立细胞运动动力学模型；跟踪运动的目标细胞。本发明在分析细胞运动特性和图像中噪声与干扰特征的基础上，采用动态系统建模和随机建模方法，通过递推Bayesian滤波和数据关联技术，对细胞的运动轨迹进行跟踪，自动化程度高、处理能力强。
-
公开(公告)号：CN118587549A
公开(公告)日：2024-09-03
申请号：CN202411069633.8
申请日：2024-08-06
Applicant: 杭州电子科技大学
IPC: G06V10/80 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06V20/60 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/09 , G06N3/0985
Abstract: 本发明公开了基于HRRP与SAR数据可信决策融合的舰船分类方法，该方法首先获取舰船HRRP与SAR图像数据，分别进行预处理。其次构建两个分类模型，分别对SAR图像数据和HRRP数据使用训练集做有监督训练，分别得到可信度值A1和A2，以及对应的后验概率和分类预测结果。然后对得到的两个后验概率做再分配，构建出两组新的初始置信函数，融合两组初始置信函数得到对目标样本的分类结果、融合后的可信度值A3与A4。最后将A3、A4与A1、A2，做AA融合计算，输出分类结果对应的可信度。本发明提高了在目标类别较多时的分类准确率、初始置信函数的可靠性、鲁棒性以及舰船分类的准确率。
-
公开(公告)号：CN118247414A
公开(公告)日：2024-06-25
申请号：CN202410351096.X
申请日：2024-03-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于结合扩散纹理约束神经辐射场的小样本图像重建方法。该方法具体是：首先利用目标的3D仿真图像进行表面几何重建；再使用与二维3D仿真图像同一目标的小样本二维RGB图像，并通过扩散模型对重建结果进行优化。在优化过程中，为了提升基于扩散模型“生成”的样本质量，本发明添加了纹理相似度约束和结构相似度约束。本发明利用各个视角下的仿真图像，而非少量视角受限的参考图像，作为辅助知识进行高质量的表面几何重建，解决了小样本重建初期易过拟合的问题。在扩散模型的语义约束的基础上，本发明基于实测图像设计引入了纹理相似度约束和结构相似度约束，提升了重建质量。
-
公开(公告)号：CN111833377B
公开(公告)日：2023-09-29
申请号：CN202010489544.4
申请日：2020-06-02
Applicant: 杭州电子科技大学
IPC: G06T7/246 , G06T7/254 , G06V10/762 , G06V10/764
Abstract: 本发明公开了一种基于TBD复杂环境下运动小目标检测方法，本发明根据检测前跟踪(Tracking Before Detection,TBD)技术的基本思路，将背景建模、形态学处理等图像视频的处理算法与点/扩展点目标检测跟踪算法进行深度融合，提出了双阶段快速TBD算法。本发明考虑到背景噪声环境，利用运动目标的运动特性，用ViBe算法对运动区域初检测；然后用短时积累的方式，进行点迹检测；再利用长时积累的方式，生成运动目标航迹，提升了检测算法的性能，降低虚警率，提高了检测速度。
-
公开(公告)号：CN114494359A
公开(公告)日：2022-05-13
申请号：CN202210096206.3
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于异常光流的小样本运动目标检测方法，本发明的关键在于跳脱出对运动目标的直接检测。因为视频的动态特性，利用光流估计网络强大的光流估计能力，计算出帧间的运动信息，提取出运动异常信息，即光流异常区域，实现对运动目标的检测。在运动背景下，依然可以较好的实现对运动目标的检测。经实验验证，利用含单个类别的光流图数据集训练后的检测网络，对其他类别的光流异常区域依然可以实现检测，即突破了因目标类别不同而限制对运动目标的检测。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.033 seconds)
