-
公开(公告)号：CN117877529A
公开(公告)日：2024-04-12
申请号：CN202410075787.1
申请日：2024-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双特征的语音情感识别方法及系统，方法如下：S1、获取采样频率和时长相同的语音信号；S2、提取语音信号的小波散射特征和MFCC相关特征；S3、将小波散射特征按尺度维度扩展为尺度特征，并计算尺度特征的排列熵作为权重；S4、使用排列熵对尺度特征预测的情感类别的后验概率进行加权，并按情感类别求和，得到排列熵加权后验概率；S5、使用梅尔频率倒谱系数相关特征预测情感类别的后验概率；S6、使用偏差调整规则融合基于小波散射特征和梅尔频率倒谱系数特征的后验概率，得到情感分类结果。本发明利用小波散射尺度扩展特征和MFCC相关特征的互补性，通过排列熵加权和偏差调整的方式，提高语音情感识别的准确性和鲁棒性。
-
公开(公告)号：CN112487867B
公开(公告)日：2024-04-12
申请号：CN202011209604.9
申请日：2020-11-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于增强三角剖分的视觉约束指纹识别方法，首先对输入指纹图片进行预处理，然后进行特征提取和三角剖分获得三角形集合，对三角剖分所确定的领域细节点进行遍历组成三角形；剔除重复的三角形后，获得最终的三角形集合；计算三角形的特征向量；根据特征向量，进行判断得到粗匹配点集；使用双重验证的方法，使得匹配点一一对应；构造相邻局部特征向量进一步验证准确性，获得二次匹配点集；结合视觉特征，再次进行匹配点剔除，获得最终对应点集；计算匹配分数，判断输入指纹图像和模板指纹图像是否匹配成功。本发明方法考虑到了细节点的丢失，移动等复杂情况，并且与剔除误匹配点方法相结合，有效提高了指纹识别的性能。
-
公开(公告)号：CN115294606B
公开(公告)日：2023-03-21
申请号：CN202210938996.5
申请日：2022-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种毫米波图像暗目标增强方法，首先计算人体毫米波图像中人体中轴位置、头顶位置与肩部位置，限制处理区域，再计算人体平均灰度值，创建补集图像，在补集图像中存储原图中灰度值低于平均灰度值的像素点的补集；提取补集图像中为暗目标的区域，排除由身体结构导致的错误增强部分，仅保留暗目标的增强区域。最后将补集图像与原图加权融合，保留暗目标纹理特征并增强暗目标的灰度特征，获取暗目标增强后的毫米波图像。本发明方法结合暗目标的灰度特征及暗目标与人体区域的位置关系，在有效增强暗目标灰度特征的同时有效保留了暗目标的纹理特征。
-
公开(公告)号：CN114693565A
公开(公告)日：2022-07-01
申请号：CN202210439935.4
申请日：2022-04-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于跳跃连接多尺度融合的GAN图像修复方法，根据跳跃连接未考虑编解码器中各层特征之间的相关性的特点，利用编码器中相对高层的特征图与相对低层的特征图融合，再传递至各层解码器并输出生成图像。然后细化了损失的类型，重新定义损失函数为对抗损失、像素重构损失和金字塔损失来进一步指导网络的训练向正确的方向进行。本发明方法针对现有图像修复方法高层特征不能指导低层特征的生成导致修复的结果可能存在语义不连贯的问题进行改善，提升了破损图像修复的效果，在满足人类视觉感知需求的同时也能在一定程度上与原图相似。且经实验验证，该方法在人脸图像、自然场景图像和建筑图像上都达到了不错的修复效果。
-
公开(公告)号：CN114221664A
公开(公告)日：2022-03-22
申请号：CN202111546123.1
申请日：2021-12-16
Applicant: 杭州电子科技大学
IPC: H03M13/13
Abstract: 本发明公开了一种低复杂度的极化码简化软消除列表译码器及译码方法。本发明包括：用于在译码开始前为后续模块提供所需要的信息的参数配置模块；用于为后续模块提供所需要的置换排列集合的置换排列选择模块；用于将信道接收信息按置换排列集合进行相应置换的预处理模块；具有相同因子图形式的多个简化软消除译码模块并行译码，每个简化软消除译码模块包括初始化子模块，迭代译码子模块，译码比特判决子模块；用于选择最小路径度量值对应的译码序列，并从中取出初始信息序列的判决器模块。本发明解决了现有技术中软消除列表译码器计算复杂度偏高的技术问题，降低了软消除列表译码器的计算复杂度。
-
Patent Agency Ranking
公开(公告)号：CN112697657A
公开(公告)日：2021-04-23
申请号：CN202110313821.0
申请日：2021-03-24
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于气溶胶颗粒物图像的智能测风系统，包括气溶胶颗粒物图像拍摄设备和图像处理设备；气溶胶颗粒物图像拍摄设备用于获取空气中的气溶胶颗粒物图像；图像处理设备内设有预处理模块、卷积神经网络模块，预处理模块用于对气溶胶颗粒物图像进行预处理；卷积神经网络模块内含训练完成的卷积神经网络，训练完成的卷积神经网络用于根据输入的预处理后的气溶胶颗粒物图像，以输出风速。本发明的系统拍摄空气中气溶胶颗粒物的图像并通过图像计算得出风速，无外露的探测元件，适用于各种环境的风速遥测，且可以通过调整拍摄设备的拍摄区域以快速调整风速遥测目标区域。
-
公开(公告)号：CN111259940A
公开(公告)日：2020-06-09
申请号：CN202010024750.8
申请日：2020-01-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于空间注意力地图的目标检测方法，包括：将测试图像输入预先训练好的Faster RCNN网络，自下向上逐层进行特征提取、自上向下逐层进行高层语义信息传播，得到目标的空间特征信息和特征梯度信息；对目标的空间特征信息和特征梯度信息进行加权得到目标高层语义信息引导的注意力地图；对目标空间特征信息进行数据预处理，得到目标感兴趣区域图；叠加目标感兴趣区域图和注意力地图，得到目标注意力地图；将目标注意力地图与通道特征权重进行计算得到多通道空间注意力地图；将多通道空间注意力地图与目标空间特征信息结合得到新的目标空间特征信息；将新的目标空间特征信息联合RPN网络的目标候选框提取出进行目标分类和边界框回归的特征。
-
公开(公告)号：CN111242906A
公开(公告)日：2020-06-05
申请号：CN202010011696.3
申请日：2020-01-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种支持向量数据描述的胸部影像异常检测方法。本发明方法包括训练阶段和测试阶段。在训练阶段，构建并训练深度稀疏变分自编码器，获得训练数据集的隐藏层特征的均值，然后在稀疏变分自编码器基础上构建并训练深度支持向量数据描述网络，将均值作为超球体中心；在测试阶段，将测试数据集输入到训练好的深度支持向量数据描述网络中，计算得到异常分数和对应的ROC曲线并以此得到最佳阈值，当异常分数小于等于阈值则判为正常，否则判为异常。本发明方法采用了变分稀疏自编码器来进行特征学习，通过深度支持向量数据描述网络分离特征数据，具有较高的特征提取能力和较高的检测准确性。
-
公开(公告)号：CN108009628B
公开(公告)日：2020-06-05
申请号：CN201711032917.X
申请日：2017-10-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的异常检测方法，包括步骤：S1：处理语义分割图像数据集，得到满足原始图像的数据集和Mask图像的数据集；S2：建立包括生成网络和鉴别网络的异常检测生成对抗网络结构；S3：训练所述满足原始图像的数据集和Mask图像的数据集，得到异常检测的生产对抗网络模型；S4：输入原始图像，得到特定异常类型的图像。本发明与现有技术相比有如下优点：1.本发明以异常部分图像作为模型训练目标，不同于传统异常检测方法，以异常部分具体定位信息作为训练目标，使得图像异常部分更加直观性。2.本发明建立生成对抗网络模型，不同于传统异常检测方法单一一体的网络结构。弥补了无法输出异常部分的图像的缺点。
-
公开(公告)号：CN110047506A
公开(公告)日：2019-07-23
申请号：CN201910319987.6
申请日：2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于卷积神经网络和多核学习SVM的关键音频检测方法，包括步骤：S1：处理音频数据集，得到音频原始波形序列数据集和音频声谱图数据集；S2：建立提取音频原始波形序列特征的一维卷积神经网络和提取音频声谱图特征的二维卷积神经网络；S3：使用音频的原始波形序列数据集和声谱图数据集分别训练一维和二维卷积神经网络，得到对应的两个特征提取的网络模型；S4：输入音频的原始波形序列和声谱图分别至对应的两个网络模型，提取对应的特征；S5：输入两类特征至多核支持向量机，构建基于特征融合模型的核函数，进行音频分类。本发明所述检测方法将卷积神经网络从音频语谱图和音频原始波形中提取的特征进行融合，提高了检测识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.028 seconds)
