-
公开(公告)号：CN119229675A
公开(公告)日：2024-12-31
申请号：CN202411218461.6
申请日：2024-09-02
Applicant: 浙江工业大学
IPC: G08G1/0967 , G08G1/07 , G08G1/01
Abstract: 一种基于博弈论的高速入口匝道强制合并决策模型的建立方法和装置，该方法包括以下步骤：首先进行数据处理，利用合成少数类过采样技术进行数据增强，以解决数据不平衡导致的模型不准确问题。随后，基于博弈论建立双层决策模型，当上层决策模型输出的主道车辆策略为礼貌避让时，启动下层博弈模型，以进一步决策是减速直行避让还是换道避让。接下来，对模型进行校准，确定最佳模型参数，以最小化数据集中的实际合并决策与模型预测合并决策之间的差异。最后，采用混淆矩阵对模型准确性进行验证，评估模型性能。
-
公开(公告)号：CN118365950A
公开(公告)日：2024-07-19
申请号：CN202410562360.4
申请日：2024-05-08
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464
Abstract: 一种基于梯度粒度的卷积神经网络领域泛化分类方法，包括以下步骤：步骤1：使用卷积神经网络分别构建模型的特征提取器以及判别分类器；步骤2：设定网络的输入，将不同源域的图片输入至特征提取器中，将经过特征提取器出来的特征进一步输入至判别分类器中；步骤3：分层并切片不同特征在判别分类器中产生的梯度，并对这些分层切片后的梯度进一步进行自适应的主导梯度衰减的平滑操作；步骤4：通过梯度手术对梯度进行修改以去除梯度的冲突方向分量，使用修改完的梯度对模型进行参数更新；步骤5：最小化图片经过分类器产生的伪标签和真实标签之间的误差，对网络进行训练。本发明能够学习到通用的表征，能够应对各种复杂的情景。
-
公开(公告)号：CN117994216A
公开(公告)日：2024-05-07
申请号：CN202410119190.2
申请日：2024-01-29
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/776 , G06V10/25 , G06V10/42 , G06N3/045 , G06N3/0464 , G06N5/04 , G06N3/084
Abstract: 一种面向医学影像肿瘤生境分析的多尺度特征融合病变检测方法，提出了一种基于层内上下文增强模块和跨层特征加权模块的多尺度特征融合网络，从两个角度丰富了特征表示，对现有检测器进行了优化；上下文增强模块利用空洞注意力来捕获病变区域与背景的依赖性，跨层特征加权模块交互不同的特征层，以增强详细的特征表示，这样可以保留低级信息，而不混淆高级语义信息。本发明有利于提高病变检测性能，从而能更轻松的实现生境分析，为医生提供更为准确的预后评估工具。
-
公开(公告)号：CN111814847B
公开(公告)日：2024-03-26
申请号：CN202010564925.4
申请日：2020-06-19
Applicant: 浙江工业大学
IPC: G06V10/762 , G06V10/74 , G06V20/64 , G06V10/44
Abstract: 一种基于车辆三维轮廓的聚类方法，通过拍摄实际车辆或者三维模型投影法生成车辆的二值三视图；计算差异矩阵M，即N辆车两两之间的差异性，通过比较三张图中的差异性，得到最大差异值，可以是不同像素点的总数；将M进行归一化，可以以最大差异值为基准；M中元素越大即为不同的像素点个数越多，相互间的差异性越强，为了能够表达相似性以便于聚类，可以将M取反，如M＝1‑M；进行聚类算法，得到K个不同的类。本发明能够可简单快速的实现轮廓聚类，且能够突出车辆姿态估计中所需关键特征上的差异。
-
公开(公告)号：CN117557527A
公开(公告)日：2024-02-13
申请号：CN202311536481.3
申请日：2023-11-17
Applicant: 浙江工业大学
IPC: G06T7/00 , G06V10/764 , G06V10/774
Abstract: 一种基于扩散模型的小样本医学影像数据集增广方法，包括以下步骤：步骤S1:截取患者的医学影像中的病灶部位作为病灶医学影像；步骤S2:对病灶医学影像数据构建文本级标签；步骤S3:创建其对应的超网络；步骤S4:利用图文对训练超网络；步骤S5:对不同批次的超网络进行初筛；步骤S6:对不同批次的超网络进行精筛；步骤S7:根据不同的下游任务对医学影像数据进行增广操作。本发明有利于提高医学下游任务的性能，有效提升病灶的早筛任务，间接提高医生的工作效率。
-
Patent Agency Ranking
公开(公告)号：CN117079273A
公开(公告)日：2023-11-17
申请号：CN202310868164.5
申请日：2023-07-17
Applicant: 浙江工业大学
IPC: G06V20/69 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于深度学习的浮游藻类微生物检测方法，包括以下步骤：步骤1：对原始训练数据的预处理，将数据集整理为无标注样本和有标注样本，在有标注样本中选择硅藻、绿藻和蓝藻作为目标类别，格式符合COCO格式要求；步骤2：图像分类快速推理的混合神经网络结构的建立，结合注意力偏置和可变形卷积，使用该骨干网络来进行实现特征的提取，结合对小目标、密集性效果更好的Deformable DETR检测模型；步骤3：将有标注数据集作为网络的输入；步骤4：网络的训练：先利用大量无标注样本进行了预训练；使用有标注的来自硅藻门、绿藻门和蓝藻门的数据集来完成藻类目标检测的下游任务。本发明实现快速且高精度的浮游藻类目标检测。
-
公开(公告)号：CN116872195A
公开(公告)日：2023-10-13
申请号：CN202310596248.8
申请日：2023-05-24
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习及超声微阵列的机械臂标定方法，所述方法包括：步骤S1，设定方波信号，通过音频功放模块发射方波信号，并通过麦克风阵列接收；步骤S2，对麦克风阵列接收的超声信号进行AD采样，得到数字信号；步骤S3，构建机械臂方位角与俯仰角获取模型，将数字信号输入至机械臂方位角与俯仰角获取模型中，得到声源的方位角与俯仰角；步骤S4，基于步骤S3得到的声源的方位角与俯仰角，对麦克风阵列建立坐标系获取得到声源在三维空间中的位置，根据机械臂目标位置与声源的空间坐标之差调整机械臂至目标位置。
-
公开(公告)号：CN116628555A
公开(公告)日：2023-08-22
申请号：CN202310648049.7
申请日：2023-06-02
Applicant: 浙江工业大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明公开了一种基于文本正则化的领域泛化方法，包括：建立DG分类模型，包括文本编码器、特征提取器和分类器，特征提取器包括依次连接的图像编码器和投影头，投影头用于维度对齐且与分类器连接，文本编码器采用CLIP模型的文本编码器，并定义总损失函数和目标函数；采用第一训练集训练DG分类模型的特征提取器，并基于不平衡学习策略将特征提取器的学习率与分类器的学习率的比值调整为预设比例，将第一训练集的类别单词经文本编码器生成的文本向量作为训练过程中额外的监督信号，获得训练好的DG分类模型；将待识别图片输入训练好的DG分类模型，获得对应分类结果。该方法可增强DG分类模型的泛化性并抑制协变量偏移问题。
-
公开(公告)号：CN116578872A
公开(公告)日：2023-08-11
申请号：CN202310615665.2
申请日：2023-05-29
Applicant: 浙江工业大学
IPC: G06F18/214 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种面向领域泛化任务的跨域数据增强方法，包括从K个领域的原始数据集中采样若干个样本，并将各样本依次输入到网络模型中进行训练。本面向领域泛化任务的跨域数据增强方法通过不重复随机选择其中一个领域的历史统计量对另一个领域的特征图进行跨域数据增强操作得到新特征图，其余领域的特征图也采用同样方式进行跨域数据增强操作，最终得到所有领域的新特征图，然后继续前向传播，完成一批样本数据的训练，并且通过指数移动平均算法，可以不断收集新批次样本的统计量，最终所得统计量近似表示每个领域原始数据集的完整风格信息，实现了提取领域整体风格信息的目的，且真实全面。
-
公开(公告)号：CN111488906B
公开(公告)日：2023-07-25
申请号：CN202010147013.7
申请日：2020-03-05
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于通道相关式PCANet的低分辨率图像识别方法，特征提取过程中，对待识别的低分辨图像进行双三次插值，使得插值之后的图像与训练集图像有相同的分辨率；采用通道相关式卷积对插值后的图像进行深度卷积滤波，得到输入图像的高维特征图；沿着特征图的通道方向，以一定的步长，对特征图进行压缩编码，得到输入图像的模式图；从模式图中提取局部柱状图特征，将由各模式图生成的局部柱状图特征连接起来，形成最终的高维柱状图特征；分类过程中，在高维柱状图特征空间中，基于卡方距离获取待识别图像到各训练图像的距离度量；获取具有最小距离度量的训练样本所对应的类标，作为待识别图像的类标。本发明能够有效识别低分辨率输入图像。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.054 seconds)
