-
公开(公告)号：CN105791876A
公开(公告)日：2016-07-20
申请号：CN201610144343.4
申请日：2016-03-14
Applicant: 杭州电子科技大学
IPC: H04N19/80 , H04N19/523 , H04N19/53 , H04N19/117
CPC classification number: H04N19/80 , H04N19/117 , H04N19/523 , H04N19/53
Abstract: 本发明公开了一种基于低复杂度分层插值的HEVC分像素运动估计方法。该方法包括：在整像素精度上对感兴趣区域初始化；线性变换将像素原始值转换成对应整型的中间值；1/2分像素采用8抽头滤波器进行插值计算；线性逆变换获得原始值1/2分像素插值滤波结果；运动矢量精炼至1/2分像素精度；对垂直方向上的1/2分像素中间值采用6抽头滤波器进行插值计算；根据不同抽头滤波获得的1/2分像素中间值，利用其均值求解1/4分像素中间值；对1/4分像素中间值进行逆变换获得最终1/4分像素插值结果；运动矢量精炼至1/4分像素精度。本发明能够加快HEVC分像素运动估计过程以提高编码速度，进而提升编码器对实时编码需求的满足。
-
公开(公告)号：CN105635736A
公开(公告)日：2016-06-01
申请号：CN201610144191.8
申请日：2016-03-14
Applicant: 杭州电子科技大学
IPC: H04N19/147 , H04N19/52 , H04N19/136 , H04N19/124 , H04N19/51
CPC classification number: H04N19/147 , H04N19/124 , H04N19/136 , H04N19/51 , H04N19/52
Abstract: 本发明公开了一种简单快速的合并方法；本发明包括：获取当前编码单元的深度和量化参数信息；根据所述深度和量化参数信息，计算当前编码单元的最优率失真阈值；从候选列表中依次获取候选块并进入率失真优化过程；设定运动补偿参数；进行运动补偿过程；编码残差并计算率失真；保存最优块的相关信息；如果当所选候选块使得率失真小于预先计算的最优率失真阈值时，则结束；如果当所选候块使得率失真大于或等于预先计算的最优率失真阈值时，并且仍有候选块未被考察，则选取后一候选块并重复上述率失真优化过程，否则终止率失真优化过程。本发明的方法能够较快的选择合适的合并单元块以加快Merge模式的速度，进而提升整体编码效率。
-
公开(公告)号：CN105163562A
公开(公告)日：2015-12-16
申请号：CN201510531715.4
申请日：2015-08-26
Applicant: 杭州电子科技大学
IPC: H05K7/20
Abstract: 一种遥控式贴壁散热装置，包括贴壁散热块，需散热的电路板，用于将需散热电路板与贴壁散热块固定的导热柱，铁片，安装架，电磁铁，用于控制电磁铁开关的继电器和控制继电器动作的红外线遥控开关，所述铁片两侧分别连接有支柱和圆柱，所述支柱另一端固定连接贴壁散热块，所述圆柱另一端和安装架活动连接，所述电磁铁固定安装在安装架的底部。本发明的遥控式贴壁散热装置安装方便、可以适应不同尺寸的腔体、可以安装在腔体的任意深度、不影响腔体各模块的安装和拆卸、并且可以十分有效的贴壁进行散热。
-
公开(公告)号：CN114092793B
公开(公告)日：2024-05-17
申请号：CN202111342981.4
申请日：2021-11-12
Applicant: 杭州电子科技大学
IPC: G06V20/05 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明公开一种适用于复杂水下环境的端到端生物目标检测方法。包括以下步骤：S1，使用的水下数据集由水下机器人抓取，划分为训练集和测试集，先将水下图像通过上采样或下采样统一尺寸，然后进行归一化；S2，从已有水下数据集中挑选出成像质量较差的水下图像，通过直方图均衡的方法增强图像，形成增强网络的数据集；S3，将较差的水下图像作为增强网络的输入，增强后的图像作为真实值，训练水下图像增强网络；S4，使用全卷积网络提取经过网络增强后的水下训练集图像的特征，然后使用一阶段检测网络对水下图像的特征图进行目标识别和分类，得到已训练完的模型；S5，将处理后的水下测试集送入已经训练完的模型中测试。
-
公开(公告)号：CN111738111B
公开(公告)日：2023-08-29
申请号：CN202010521528.9
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多分支级联空洞空间金字塔的高分辨率遥感图像的道路提取方法，包括如下步骤:S1，数据预处理，对Massachusetts数据集里面的数据进行数据扩增；S2，搭建模型，使用卷积神经网络提取遥感道路图像的特征图，结合多分支级联空洞空间金字塔来提取道路图像上的特征信息，多分支级联空洞空间金字塔对所给定的输入以不同空洞比率的级联空洞卷积进行并行采样，相当于以多种方式捕捉图像的上下文信息；S3，设计损失函数来优化网络参数，并且建立评估指标F1和评估指标MIOU；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
Patent Agency Ranking
公开(公告)号：CN111596292B
公开(公告)日：2023-08-25
申请号：CN202010256702.1
申请日：2020-04-02
Applicant: 杭州电子科技大学
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：CN111738112B
公开(公告)日：2023-07-07
申请号：CN202010521534.4
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络和自注意力机制的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；S2，对经过S1所提取的数据集中的样本进行数据预处理；S3，用经过特征金字塔网络对预处理后的样本进行特征提取；S4，给水平锚点添加角度参数，设置为旋转锚点，再送入RPN网络；S5，搭建RNN网络融合Self‑Attention，对候选区域的置信度进行重计分；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：CN113238197B
公开(公告)日：2023-07-04
申请号：CN202011600963.7
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert和BiLSTM的雷达目标识别及据判方法，包括以下步骤：S1，收集样本并划分训练集和测试集，进行数据预处理，包括强调归一化和重心对齐；S2，使用带注意力机制的幂次变换；S3，用Bert处理幂次变换的输出，提取更加深层的特征；S4，通过双向LSTM，加强特征提取；S5，使用softmax分类器分类；S6，将经过S1处理后的HRRP测试集送入S2、S3、S4，S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112764024B
公开(公告)日：2023-06-16
申请号：CN202011600978.3
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S13/88
Abstract: 本发明公开了一种基于卷积神经网络和Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，对数据进行强度归一化和重心对齐处理；S2，将上述处理的HRRP样本输入到CNN模块，用CNN对处理后的样本进行提取特征；S3，用Bert处理CNN提取的有效特征，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert的输出，再次使用注意力机制，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN113922020B
公开(公告)日：2023-06-13
申请号：CN202111106522.6
申请日：2021-09-22
Applicant: 杭州电子科技大学
IPC: H01P1/203
Abstract: 本发明公开一种由C型谐振器构成的宽带高抑制双通带滤波器。当信号由输入馈线传输到第一个C型谐振器，当产生谐振时，信号通过电耦合传输到第二个C型谐振器，再通过磁耦合传输到第三个C型谐振器，再通过电耦合传输到第四个C型谐振器，由于通过多次耦合，可以过滤掉无用信号，使得带外抑制度大大增强，同时由于加载了微扰枝节，使得谐振器的简并模产生分裂，可以使得谐振器在不同的频率下被激发产生谐振，因此可以在通带内产生了多个传输极点，从而优化了通带内的回波损耗参数，使得通带的矩形系数更加良好。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.031 seconds)
