公开(公告)号：CN109191471A

公开(公告)日：2019-01-11

申请号：CN201810983823.9

申请日：2018-08-28

Applicant: 杭州电子科技大学

Inventor： 潘勉 ,  贝琛圆 ,  于海滨 ,  吕帅帅 ,  和文杰 ,  于彦贞 ,  刘爱林 ,  李子璇

IPC: G06T7/11

Abstract: 本发明公开了基于改进U-Net网络的胰腺细胞图像分割方法，包括以下步骤：将Warwick-Qu图像数据集进行数据增强，采用非扭曲变换增强；在U-Net网络中，用空洞卷积代替传统卷积，合并入残差单元，并将空洞空间金字塔池引入网络；对U-Net网络根据设定的训练策略进行训练；建立包括F1评分，对象级Dice系数和Hausdorff距离的评估指标，通过评估指标优化网络，得到最优模型；将需分割的细胞图像输入最优模型，经过特征提取和特征上采样得到分割蒙版。本发明通过改进一个基础分割网络，创建一个新的细胞图像分割方法，解决了胰腺图像自动分割过程中精度较低的问题，提高了分割的正确率和效率。

公开(公告)号：CN111753677B

公开(公告)日：2023-10-31

申请号：CN202010521967.X

申请日：2020-06-10

Applicant: 杭州电子科技大学

Inventor： 李训根 ,  李子璇 ,  潘勉 ,  吕帅帅 ,  马琪 ,  张战 ,  门飞飞 ,  刘爱林

IPC: G06V20/13 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征金字塔结构的多角度遥感船舶图像目标检测方法，包括以下步骤：S1，收集遥感卫星船舶图像数据集，并进行样本标注，得到标注目标；S2，对经过S1所提取的数据集中的样本进行数据预处理，形成完整的训练数据集；S3，用经过改进的特征金字塔网络对预处理后的样本进行特征提取，得到多层特征融合的特征金字塔；S4，经过RPN网络生成候选区域；S5，添加不同池化大小的ROI Pooling层；S6，搭建Fast R‑CNN网络；S7，对由S1采集到的测试数据进行训练阶段的步骤S2预处理操作；S8，将经过S7处理的样本送入S3、S4、S5和S6构建的模型中进行测试求得结果，即最后经过Fast R‑CNN输出分类与回归的结果。

公开(公告)号：CN111596276B

公开(公告)日：2023-07-04

申请号：CN202010256705.5

申请日：2020-04-02

Applicant: 杭州电子科技大学

Inventor： 刘爱林 ,  潘勉 ,  吕帅帅 ,  李子璇 ,  于海滨 ,  张杰

IPC: G01S7/41 ,  G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明公开了一种基于谱图变换和注意力机制循环神经网络的雷达HRRP目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后建立动态调整层，对谱图进行调整；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。

公开(公告)号：CN110033043B

公开(公告)日：2020-11-10

申请号：CN201910306521.2

申请日：2019-04-16

Applicant: 杭州电子科技大学

Inventor： 潘勉 ,  刘爱林 ,  吕帅 ,  于彦贞 ,  李子璇 ,  张战

IPC: G06K9/62 ,  G01S7/41

Abstract: 本发明公开了一种基于条件生成式对抗网络的雷达一维距离像拒判方法，包括如下步骤：S1：对原始HRRP样本集进行预处理；S2：搭建模型：在TensorFlow平台上搭建条件生成式对抗网络，根据网络特点设计优化目标函数；S3：调参训练：每一帧都按相同步骤训练出一个判别器，使用所述优化目标函数进行参数更新；S4：用训练好的模型在测试样本集上进行测试：从每一帧训练集所训练出的条件生成式判别网络中分别提取出判别器进行测试，对判别器设置相应阈值，若测试样本经过所有判别器的输出都小于阈值，则对该测试样本进行拒判。

公开(公告)号：CN111596292A

公开(公告)日：2020-08-28

申请号：CN202010256702.1

申请日：2020-04-02

Applicant: 杭州电子科技大学

Inventor： 李子璇 ,  潘勉 ,  刘爱林 ,  吕帅帅 ,  于海滨 ,  李训根

IPC: G01S13/89 ,  G01S7/41

Abstract: 本发明公开了一种基于重要性网络和双向堆叠RNN的雷达目标识别算法框架，该方法首先进行预处理降低HRRP样本中的敏感性并对样本进行谱图变换；然后通过重要性网络调整谱图中各时间点序列的重要程度，再通过双向堆叠RNN对时序相关性建模，提取出其高层次特征，最后采用多层次的注意力机制调整网络隐层状态的重要程度并通过softmax进行目标分类。

公开(公告)号：CN109239670B

公开(公告)日：2020-08-04

申请号：CN201810998871.5

申请日：2018-08-29

Applicant: 杭州电子科技大学

Inventor： 李训根 ,  于彦贞 ,  潘勉 ,  吕帅帅 ,  李子璇 ,  刘爱林 ,  张战

IPC: G01S7/02 ,  G06K9/62

Abstract: 本发明公开了一种基于结构嵌入和深度神经网络的雷达HRRP识别方法，首先提取数据的时域特征并对提取出的时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用局部结构和其周围数个局部结构的关系得到其编码之间的共现矩阵，进而通过该共现矩阵得到数据的结构嵌入特征，然后再将提取出的嵌入特征送入由全连接层和基于LSTM的双向循环神经网络构成的深度神经网络进行训练，最后利用softmax层对HRRP进行识别并得到识别结果。

公开(公告)号：CN109212501A

公开(公告)日：2019-01-15

申请号：CN201810998943.6

申请日：2018-08-29

Applicant: 杭州电子科技大学

Inventor： 潘勉 ,  于彦贞 ,  吕帅帅 ,  李训根 ,  于海滨 ,  刘爱林 ,  李子璇

IPC: G01S7/41

Abstract: 本发明公开了一种基于局部嵌入的雷达高分辨距离像目标识别方法，首先对时域特征进行切分和非均匀量化编码得到其局部结构的编码，然后利用共现矩阵得到局部结构编码和其周围数个局部结构编码之间的关系，再利用SVD分解进行降维提取出局部结构编码所对应的嵌入特征，最后通过全局平均嵌入特征和欧式距离法对HRRP进行识别并得到识别结果。