公开(公告)号：CN118229572A

公开(公告)日：2024-06-21

申请号：CN202410416198.5

申请日：2024-04-08

Applicant: 杭州电子科技大学

Inventor： 秦飞巍 ,  沈正炜 ,  王昌淼 ,  张凯 ,  葛瑞泉 ,  彭勇

IPC: G06T5/70 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06V10/80 ,  G06V10/10 ,  G06V10/77

Abstract: 本发明公开了一种基于卷积转置自注意力的红外图像去噪方法。首先通过成对的干净图像和带噪图像构建数据集；构建基于卷积转置自注意力的网络模型，网络模型采用对称的编码器‑解码器结构；基于构建好的红外图像训练数据集，对基于卷积转置自注意力的网络模型进行训练；最后采用测试数据集数据对训练好的网络模型进行测试。本发明引入了在红外图像去噪领域中尚未深入研究的自注意力机制对红外图像全局依赖关系进行建模，并在其基础上进行改进设计了卷积转置自注意力，在减少计算量的同时依然可以充分提取红外图像的空间特征信息，有效提高红外图像的去噪质量，填补了红外图像去噪的研究空缺。

公开(公告)号：CN113743188B

公开(公告)日：2024-02-09

申请号：CN202110720384.4

申请日：2021-06-28

Applicant: 杭州电子科技大学

Inventor： 徐然 ,  林欣楠 ,  袁程鹏 ,  秦飞巍

IPC: G06V20/40 ,  G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于特征融合的互联网视频低俗行为检测方法。本发明步骤：1：构建一个用于低俗不良动作检测的五分类视频数据集；同时对数据集中各个类别的样本视频数据进行统计；2：对五分类视频数据集进行数据预处理和人工序列化类型标注；3：构建对动作长度敏感的感受野自适应U型时序卷积网络AU‑TCN，包括时序卷积神经网络、时序注意力卷积模块和多尺度时域特征融合结构；4：将构建好的网络模型运用于数据集进行训练测试，以验证网络模型的准确率指标；5：使用训练后的模型对各类数据集进行实验结果可视化，以图片的形式展现出视频分割结果。本发明联合学习视频的局部关键特征，智能的对海量移动互联网视频进行识别并对低俗内容进行过滤。

公开(公告)号：CN114219998A

公开(公告)日：2022-03-22

申请号：CN202111664998.1

申请日：2021-12-31

Applicant: 杭州电子科技大学

Inventor： 杨金晶 ,  秦飞巍 ,  谭成灏 ,  於勤翔

IPC: G06V20/05 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/762 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T5/00

Abstract: 本发明公开了一种基于目标检测神经网络的声纳图像实时检测方法。本发明步骤：步骤(1)、构建声呐图像数据集，并划分为训练集和测试集；步骤(2)、数据预处理：对构建的训练集和测试集进行降噪、数据归一化、全分辨率数据增广处理；步骤(3)、构建水下声呐图像实时检测网络；步骤(4)、基于训练集对声呐图像实时检测网络进行训练；步骤(5)、基于测试集验证声呐图像实时检测网络的准确性和实时性。本发明借鉴了YOLO系列、SSD与RetinaNet等网络的框架，设计并使用骨干网络，并最大限度增加输入信息量，通过数据扩充增加样本量，降噪预处理和设计损失函数等方法进行改进，以满足检测网络准确性的要求。最终设计了在保持速度优势的前提下并且提升了预测精度的SonarDet系统。

公开(公告)号：CN112395442A

公开(公告)日：2021-02-23

申请号：CN202011084050.4

申请日：2020-10-12

Applicant: 杭州电子科技大学

Inventor： 秦飞巍 ,  涂岱键 ,  姚金良 ,  樊谨 ,  沈梦欣 ,  黄瓯涵

IPC: G06F16/535 ,  G06F16/54 ,  G06F16/55 ,  G06F16/583 ,  G06F16/9535 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种移动互联网上的低俗图片自动识别与内容过滤方法。本发明步骤：1.基于两大开源数据集建立用于训练和测试四分类低俗图像数据集；2.进行数据预处理；3.构建多阶段注意力机制的神经网络架构；4.基于四分类低俗图像数据集，对多阶段注意力机制的神经网络架构进行训练，获得注意力机制模型；5.将训练过后的注意力机制模型用数据的测试集进行测试，以验证模型的准确率指标；6.将最优的注意力机制模型用于数据的可视化，以热力图的形式展现出图像的高权重重点区域。本发明通过部署注意力机制，对图像的特征图的关键特征所在的区域进行加权操作。通过热力图的形式对特征图进行了数据可视化，通过可视化实验更好地解释模型的决策过程。

公开(公告)号：CN112308822A

公开(公告)日：2021-02-02

申请号：CN202011076847.X

申请日：2020-10-10

Applicant: 杭州电子科技大学

Inventor： 傅凯强 ,  秦飞巍 ,  蒋超

IPC: G06T7/00 ,  G06T5/00 ,  G06T3/60 ,  G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度卷积神经网络的椎间盘CT图像检测方法。本发明包括如下步骤：步骤1、椎间盘突出图像预处理：步骤2、基于多骨干网络的特征提取器构建方法：步骤3、区域建议网络中锚框的参数调优：步骤4、基于卷积神经网络的图像检测模型训练。本发明从数据预处理，深度卷积神经网络结构到参数优化都经过精心设计，建立了一套完整的椎间盘突出定位和分类系统。相较于传统的图像检测算法，该方法基于深度学习技术，通过简单的端到端学习方式避免了去噪、白平衡、特征提取、特征选择等容易出错的过程，减少了人工干预，将对椎间盘突出是否合并钙化这一判断任务自动化智能化，并在检测的准确率上有较大提升。

公开(公告)号：CN111767406A

公开(公告)日：2020-10-13

申请号：CN201910257222.4

申请日：2019-04-01

Applicant: 杭州电子科技大学

Inventor： 邬惠峰 ,  秦飞巍 ,  安雅萌 ,  陈佰平

IPC: G06F16/36

Abstract: 本发明实施例提供一种PLC工程的知识表示方法及装置，该方法包括：获取待处理的可编程逻辑控制器PLC程序的工程文件和模式文件，并根据预先确定的提取规则，获取所述工程文件对应的节点和节点信息以及所述模式文件对应的节点和节点信息，分别将所述工程文件和所述模式文件对应的节点和节点信息，映射到本体知识库，实现了对不同平台PLC程序进行统一的知识表示，为PLC程序在不同硬件平台间的转移和重复使用的便利性提供了可能。

公开(公告)号：CN109976747A

公开(公告)日：2019-07-05

申请号：CN201910104818.0

申请日：2019-02-01

Applicant: 杭州电子科技大学

Inventor： 高翔宇 ,  祝一帆 ,  秦飞巍

IPC: G06F8/34 ,  G06F8/36

Abstract: 本发明公开了一种模块级代码结构的可视化开发实现系统。本发明系统包括：文本代码层、可视化层和所采用编程语言的编译器。其中，文本代码层包括数据集结构、代码模块接口、代码模块适配器或缓存器、模块拼接域；可视化层包括文本代码层中数据集结构、代码模块接口、代码模块适配器或缓存器和模块拼接域四大结构的可视化元素，可视化元素为二维图形或三维模型。本发明使得程序编写和软件开发的代码结构清晰，提高代码复用率，实现模块级的软件或程序的可视化开发，让非计算机专业人士能够使用已开发好的代码模块通过简单的操作完成开发，降低软件开发门槛。

公开(公告)号：CN109255791A

公开(公告)日：2019-01-22

申请号：CN201810797764.6

申请日：2018-07-19

Applicant: 杭州电子科技大学

Inventor： 吴子朝 ,  秦飞巍 ,  王毅刚

IPC: G06T7/11 ,  G06T19/20

Abstract: 本发明公开了一种基于图卷积网络的形状协同分割方法，本发明所述方法包括：将给定的一组形状过分割成子片，并构建子片间的关系图模型；对其中的部分子片进行标签指定；构建图卷积网络，将已标注的子片标签信息传播至其它未标注子片上。本发明将图卷积网络应用于形状协同分割领域，相比目前其它方法，本发明能得到准确率更高的结果。

公开(公告)号：CN109241321A

公开(公告)日：2019-01-18

申请号：CN201810797133.4

申请日：2018-07-19

Applicant: 杭州电子科技大学

Inventor： 吴子朝 ,  秦飞巍 ,  张运辉 ,  王毅刚

IPC: G06F16/532 ,  G06K9/46

Abstract: 本发明公开了一种基于深度领域适应的图像和模型联合分析方法，该方法具体包括数据预处理，通过深度领域适应算法进行特征抽取和进行特征表示融合；本发明能支持不同形式的跨模态数据检索，即以图像来检索三维模型，和以三维模型来检索图像。另外，在支持基于语义的数据检索，例如基于语义的图像检索，基于语义的三维模型检索。在公开数据集上的实验证明该方法具有很高的准确性。

公开(公告)号：CN120015296A

公开(公告)日：2025-05-16

申请号：CN202510503307.1

申请日：2025-04-22

Applicant: 杭州电子科技大学

Inventor： 陈黄未 ,  朱珠 ,  詹羽琪 ,  张栋皓 ,  吴悦怡 ,  颜振宇 ,  丁铭阳 ,  李晨磊 ,  陈一飞 ,  李雅雯 ,  秦飞巍

IPC: G16H50/20 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/096 ,  G06N3/092 ,  G06N5/04 ,  G06N3/0442

Abstract: 本发明公开了一种基于多模态时序数据建模的儿童MPP辅助诊断系统，以提升肺炎支原体肺炎的辅助诊断、临床分型和重症预测能力，减少医生的工作负担。本发明创新性地提出基于多模态时序建模的MPP动态表征方法，通过融合影像、电子病历及检验指标等多模态数据，并采用时序特征嵌入技术，能够有效捕捉病程演变趋势。更进一步地，利用渐进式跨模态语义对齐策略与模态注意力门控机制，实现不同模态数据的深度融合，解决了传统方法因数据模态不兼容导致的诊断准确性不足问题。