-
公开(公告)号：CN112686213B
公开(公告)日：2024-05-31
申请号：CN202110104586.6
申请日：2021-01-26
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于循环神经网络及毫米波的OSAHS诊断系统，利用毫米波模块采集被测患者整晚胸腔运动信号，并通过滤波算法进行背景杂波滤除处理，还原呼吸信号利用特征提取模块对时域信号进行处理，通过基于GRU神经网络的胸腔信号分类模型，实现对正常状态、阻塞暂停状态、中枢暂停状态、混合暂停状态的四分类；根据对各类胸腔运动状态的统计，结合AHI指数识别患者的呼吸暂停综合征情况。
-
-
公开(公告)号：CN114782626A
公开(公告)日：2022-07-22
申请号：CN202210393283.5
申请日：2022-04-14
Applicant: 国网河南省电力公司电力科学研究院 , 杭州电子科技大学 , 国家电网有限公司
Abstract: 本发明公开了一种基于激光与视觉融合的变电站场景建图及定位优化方法，首先获取单线激光雷达、惯性传感器IMU、里程计和双目图像数据，进行预处理；然后进行局部定位与建图，构建子地图；在进行激光线程定位与建图的同时，同步进行对双目图像的处理即视觉线程，实现特征点跟踪，判断关键帧；再对获得的关键帧进行目标检测；最后生成语义地标，并投影至子地图；优化子地图，并进行全局优化。本发明方法结合了基于图优化的定位算法和深度学习的优势，可以得到完整的、可供稳定定位的导航地图，大大缩短了特征匹配时间，极大增加了变电站复杂运维场景下的定位的稳定性，并且使得在变电站场景下的导航更加快速和可靠。
-
公开(公告)号：CN113386775A
公开(公告)日：2021-09-14
申请号：CN202110665334.0
申请日：2021-06-16
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种考虑人‑车‑路特性的驾驶员意图识别方法，其特征在于：包括：步骤1.获取从驾驶模拟器中记录的本车及其与周围车辆相关数据、驾驶员行为动作和驾驶室外场景信息；步骤2.对驾驶模拟器中获取的本车及周围环境数据进行预处理，并输入到训练好的GrowNet网络中，得到五种类别的概率值Pi(P1,P2,…,P5)；步骤3.分别保存两个摄像头采集的视频数据并进行处理，最后得到五种类别的概率值P'i(P'1,P'2,…,P'5)；步骤4.对从步骤2和步骤3得到Pi和P'i加权求和，取五种类别求和之后的最大值对应的类别为最终识别的驾驶意图。本发明充分利用驾驶模拟器，可以不依赖于车载传感器收集数据，实验更为便捷。另外，除了可以进行离线训练外，还可以进行在线测试，提高适用性。
-
公开(公告)号：CN112712122A
公开(公告)日：2021-04-27
申请号：CN202011638346.6
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于神经网络模型的角膜溃疡的分类检测方法及系统，涉及角膜溃疡的分类检测和疾病判别领域。主要方法包括：利用多个摄像头多角度采集被测者荧光染色后的角膜图像；制作并对角膜图像添加掩膜，提取有效部分；进一步处理提取的有效角膜图像，将其作为网络输入；使用经过大量有效数据训练后的Inception‑ResNet‑V2神经网络模型完成对点样型角膜溃疡、点片状混合型角膜溃疡和片状型角膜溃疡的初步分类；利用训练后的支持向量机处理不同角度的角膜图像检测结果，做出最终的分类判断；本发明提供的系统可实现较高准确率的角膜溃疡类型检测，且数据可上传至云端服务器供进一步分析。
-
Patent Agency Ranking
公开(公告)号：CN109600222A
公开(公告)日：2019-04-09
申请号：CN201910080352.5
申请日：2019-01-28
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于信道特征的密钥生成方法，解决现有密钥生成方法无法适用于静态无线环境以及不抗主动攻击的缺陷。本发明方法首先进行随机信号传输，合法通信双方终端A和B各自产生随机信号，并发送给对方；终端A和B收到来自对方随机信号后，生成用于产生共享密钥的初始随机密钥源；终端A和B对生成的初始密钥序列和进行一致性协商，去除或纠正初始密钥序列中的不一致比特，获得一致的密钥序列；最后终端A和B利用保密增强协议，对得到的一致密钥序列进行处理，得到高度保密的最终密钥。本发明在不需要双方信道估计的条件下，提高了密钥的生成速率和密钥的安全性，既适用于静态网络环境，也适用于动态网络环境。
-
公开(公告)号：CN112634291B
公开(公告)日：2024-10-15
申请号：CN202011644754.2
申请日：2020-12-31
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于神经网络的烧伤创面区域自动分割方法：S1使用相机采集获取烧伤图像；S2对采集到的烧伤图像进行预处理，包括有效图像筛选、图像有效区域剪切、图像标记和图像数值归一化，并且通过图像随机旋转、随机翻转、随机平移和随机缩放操作进行图像数据增强；S3将预处理和数据增强的烧伤图像输入神经网络模型进行训练，进一步的，神经网络模型由编码器和解码器两个模型组成，编码器模型负责提取图像特征图，解码器模型负责将特征图转换为烧伤创面区域预测图；S4将训练好的模型用于分割烧伤图像中的烧伤创面区域。本发明烧伤图像烧伤创面区域自动分割方法能够提供像素级的烧伤图像分割结果，能够精确分割出患者烧伤图像的烧伤创面区域。
-
公开(公告)号：CN116127360A
公开(公告)日：2023-05-16
申请号：CN202310137459.5
申请日：2023-02-20
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/23213 , G06V10/764 , G06N3/0895 , G06N3/096
Abstract: 本发明涉及一种基于图像识别与TOPSIS综合评价的驾驶风格分类方法，包括以下步骤：步骤1，进行驾驶员驾驶数据的收集，将驾驶数据分割为操作事件和常规驾驶，并进一步将每个操作事件分为多个分事件；步骤2，根据操作事件持续时间设定驾驶风格，并使用Kmeans一维聚类算法进一步对操作事件持续时间进行分类；步骤3，通过模型获取操作事件中除操作事件持续时间各分事件和常规驾驶中各限速等级的驾驶风格；步骤4，基于分事件下驾驶风格确认对应的操作事件的驾驶风格。本发明创新的将整个驾驶数据分为不同的事件进行讨论，并且针对不同的事件使用了不同驾驶风格识别方法，并且最终通过TOPSIS综合评分的办法进行权重融合完成分类。
-
公开(公告)号：CN114299473A
公开(公告)日：2022-04-08
申请号：CN202111608335.8
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种基于多源信息融合的驾驶员行为识别方法，其特征在于：包括：步骤1.获取从驾驶模拟器中记录的有关驾驶员行为的图像或视频以及车辆运动状态数据；步骤2.将处理后驾驶员行为数据输入到微调的Vision Transformer第一子模型中，输出四种驾驶行为类别的概率矩阵P1；步骤3.对同步记录的车辆运动状态数据进行预处理后，输入到训练好的Bi‑LSTM第二子模型中，输出四种驾驶行为类别的概率矩阵P2；步骤4.对从步骤2和步骤3得到的概率输出矩阵P1和P2分别进行计算得到第一、第二子模型的信息熵H1、H2，最后对不同子模型的Softmax函数输出概率值进行加权决策融合实现四种驾驶行为的最终分类。本发明不仅集成了多种驾驶行为识别任务，而且具有较强的抗干扰性。
-
公开(公告)号：CN112634291A
公开(公告)日：2021-04-09
申请号：CN202011644754.2
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于神经网络的烧伤创面区域自动分割方法：S1使用相机采集获取烧伤图像；S2对采集到的烧伤图像进行预处理，包括有效图像筛选、图像有效区域剪切、图像标记和图像数值归一化，并且通过图像随机旋转、随机翻转、随机平移和随机缩放操作进行图像数据增强；S3将预处理和数据增强的烧伤图像输入神经网络模型进行训练，进一步的，神经网络模型由编码器和解码器两个模型组成，编码器模型负责提取图像特征图，解码器模型负责将特征图转换为烧伤创面区域预测图；S4将训练好的模型用于分割烧伤图像中的烧伤创面区域。本发明烧伤图像烧伤创面区域自动分割方法能够提供像素级的烧伤图像分割结果，能够精确分割出患者烧伤图像的烧伤创面区域。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
