-
公开(公告)号：CN117541794A
公开(公告)日：2024-02-09
申请号：CN202311687525.2
申请日：2023-12-08
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/04
Abstract: 一种基于做尺度注意力的轻量化声呐图像语义分割方法和装置，其方法包括：S1、利用前视声呐设备获取水下声呐图像数据；S2、对前视声呐图像进行像素级标注；S3、将标注好的声呐图像语义分割数据集；S4、构建基于多尺度注意力的轻量化声呐图像语义分割模型；S5、用训练集训练基于多尺度注意力的轻量化声呐图像语义分割模型，并保存测试集上最优的模型权重参数和模型结构；S6、将声呐图像语义分割模型进行等价转换，转换为推理阶段的模型；S7、将模型权重和模型部署到昇腾Atlas200I AI计算平台上；S8、将新采集到的前视声呐图像数据进行预处理，输入声呐图像语义分割模型，并对模型输出进行后处理，得到的渔船、水下阶梯、桥墩的语义分割结果。
-
公开(公告)号：CN116721212A
公开(公告)日：2023-09-08
申请号：CN202310687724.7
申请日：2023-06-12
Applicant: 浙江工业大学
IPC: G06T17/00 , G06T7/80 , G06T3/40 , G06V40/13 , G06V40/12 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094
Abstract: 一种基于无监督超分辨率的三维指纹方法，包括如下步骤：1)设计无监督超分辨率网络模型；2)使用系统采集的条纹投影指纹图像，通过无监督超分辨率神经网络模型来提高条纹投影指纹图像的分辨率，利用超分辨率后的图像进行三维重建，得到指纹的三维结构。本发明设计了一个无监督神经网络能够解决单一低分辨率条纹投影指纹的超分辨率，同时也改善结构光采集到的条纹投影指纹边缘模糊现象，从而使三维重建后的指纹图像更加清晰，精度更高。
-
公开(公告)号：CN115273158A
公开(公告)日：2022-11-01
申请号：CN202210691578.0
申请日：2022-06-17
Applicant: 浙江工业大学
Abstract: 一种基于OCT体数据的手指伪造攻击检测方法，包括：检测内外部指纹的细节点数量和皮下汗腺的数量；设置细节点数量阈值num1，num2，汗腺数量阈值num3，内外指纹匹配得分阈值t，皮下汗腺位置和内指纹脊线重合率n；若内指纹细节点数量多于num1且外指纹细节点数量多于num2，则计算内外指纹匹配得分；若内指纹细节点数量少于num1，则直接判断为手指伪造攻击；若汗腺数量少于num3，则直接判断为手指伪造攻击；若汗腺数量多于num3，如果内外指纹匹配得高于t则系统直接通过检测；若汗腺数量少于num3的同时，内指纹的细节点数量少于num1，则进入下个步骤；计算皮下汗腺位置和内指纹的脊线重合率；若重合率高于设定值n，则通过检测，否则判断为手指伪造攻击。
-
公开(公告)号：CN113126069B
公开(公告)日：2022-07-26
申请号：CN202110306807.8
申请日：2021-03-23
Applicant: 浙江工业大学
IPC: G01S7/539
Abstract: 一种基于ZYNQ的前视声呐信号处理硬件系统，涉及海洋声学装备技术领域，包括ZYNQ模块、Spartan‑6模块、高速AD模块、模拟前端模块、电源模块、DDR3模块、千兆网模块、PWM模块、DA模块、SD卡模块以及串口通信模块。本发明抗干扰能力较好、功耗较低、实时性良好。本发明提供了一种能对多路模拟通道同步采集、大量数据高速处理、成像速度快的基于ZYNQ的前视声呐信号处理硬件系统。
-
公开(公告)号：CN108764317B
公开(公告)日：2021-11-23
申请号：CN201810485738.X
申请日：2018-05-21
Applicant: 浙江工业大学
Abstract: 一种基于多路特征加权的残差卷积神经网络图像分类方法，包括以下步骤：1)模型的输入图像为经过预处理的原始图像，经过预处理的图像裁剪为一个固定尺寸；2)对图像进行较大尺寸的卷积操作和池化操作；3)将步骤2)中输出的特征送入第一个多路特征加权残差模块；4)将步骤3)中多路特征加权残差模块的输出继续送入下一个多路特征加权残差模块，在经过多个多路特征加权残差模块后，输出的特征图像尺寸会逐渐缩小直至变为较小尺寸，最后经过一个平均池化层缩小为特征点；所得特征点直接送入分类层进行分类或经过全连接层后再进行分类。本发明应用于复杂的图像分类任务，丰富了特征表达，避免了因神经网络深度增加导致的梯度消失问题。
-
Patent Agency Ranking
公开(公告)号：CN110334566B
公开(公告)日：2021-08-03
申请号：CN201910219860.7
申请日：2019-03-22
Applicant: 浙江工业大学
Abstract: 一种基于三维全卷积神经网络的OCT内外指纹提取方法，包括如下步骤：1)对每幅指纹OCT图像中的角质层区域位置和乳头层区域位置进行手工标注，得到与OCT图像对应的标注图片，进行ROI提取和数据增强，构成标注数据集；2)构建三维全卷积神经网络模型，设定训练参数和损失函数，使用标注好的数据集训练模型；3)通过训练好的全卷积神经网络模型预测未标注的OCT图像的角质层、乳头层；4)根据所有OCT图像的角质层和乳头层，按照相对深度以及OCT图像空间顺序，经过拼接，分别得到OCT指纹的外指纹和内指纹。本发明通过三维全卷积神经网络来学习提取OCT图像的角质层和乳头层特征，从而生成准确的内外指纹。
-
公开(公告)号：CN113052072A
公开(公告)日：2021-06-29
申请号：CN202110318506.7
申请日：2021-03-25
Applicant: 浙江工业大学
Abstract: 一种基于昇腾处理器的指节纹和指静脉身份识别装置，包括昇腾处理器图像处理子系统以及指节纹和指静脉图像采集子系统，系统以搭载昇腾310处理器的Atlas200模块为核心设计嵌入式平台，构建了昇腾处理器图像处理子系统；以650nm和850nm光波长的LED阵列和摄像头为核心搭建指节纹和指静脉图像采集子系统，光强可调；同时，在图像采集过程中通过预处理和图像评估获得最佳质量图像，并使用Triplet Loss函数神经网络进行高效的特征匹配，实现身份识别。本发明有效地解决不同环境下指节纹和指静脉图像差异明显、手指图像识别算法难以实时实现以及低功耗和小型化条件下系统开发的难题。
-
公开(公告)号：CN111723848A
公开(公告)日：2020-09-29
申请号：CN202010452771.X
申请日：2020-05-26
Applicant: 浙江工业大学
Abstract: 一种基于卷积神经网络和数字全息的海洋浮游生物自动分类方法，包括以下步骤：1)使用数字全息系统拍摄海洋浮游生物的全息图像；2)构建卷积神经网络模型，设定卷积层数，卷积核尺寸，训练参数和损失函数，将1)中得到的图片输入至神经网络中，运行神经网络，获得最终分类结果。本发明针对目前数字全息系统对海洋浮游生物的广泛应用，为满足高效率、低成本和快速性的要求，利用数字全息技术结合深度学习技术，公开了一种基于数字全息图像的海洋浮游生物快速分类方法。
-
公开(公告)号：CN111666813A
公开(公告)日：2020-09-15
申请号：CN202010356352.6
申请日：2020-04-29
Applicant: 浙江工业大学
Abstract: 一种基于非局部信息的三维卷积神经网络的皮下汗腺提取方法，包括如下步骤：1)利用归一化算法图像增强后，通过截取局部数据和数据旋转进行数据增广；2)通过添加Non_local模块构建基于非局部信息的三维卷积神经网络模型，损失函数采用Dice损失函数；3)将步骤一获取的训练集输入神经网络进行训练；4)利用汗腺体的大小的一定规律和汗腺体上下端的位置偏差不会太大的特性从初步的三维汗腺体图像中筛选并去除伪汗腺体。本发明充分利用指纹切片之间的像素相关性，利用非局部的信息来增加信息量，增强汗腺体信息，提高了指汗腺体检测的准确率。
-
公开(公告)号：CN111489328A
公开(公告)日：2020-08-04
申请号：CN202010149988.3
申请日：2020-03-06
Applicant: 浙江工业大学
Abstract: 一种基于血管分割和背景分离的眼底图像质量评价方法，包括以下步骤：1)首先，通过在DRIVE公开眼底图像数据集上预训练的U-Net模型对输入图像进行血管分割；2)将步骤1)得到的血管特征图与原始图像进行逐元素相乘，得到只含血管和背景信息的图像；3)使用提取后的特征图像分别输入卷积神经网络分支中进行训练，得到模型参数；4)将训练好的卷积神经网络模型对测试图片进行质量评价。本发明实现更高的评价准确率，并降低医生复检率，避免重复检查可能带来的治疗时机延误。本发明提出的模型具有通用性，可以嵌入到各种先进的卷积神经网络结构中并提升网络性能，同时，提供一种融合血管先验知识和神经网络端到端特征提取的方法。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.03 seconds)
