-
公开(公告)号：CN101355692A
公开(公告)日：2009-01-28
申请号：CN200810120167.6
申请日：2008-07-30
Applicant: 浙江大学
Abstract: 本发明公开了一种实时跟踪运动目标区域的智能监控装置，包括一视频输入设备、一视觉分析系统和一网络输入输出设备。为了高实时高精度地进行运动目标的跟踪，该系统采用了基于模型动态切换的目标跟踪算法，通过对遮挡状态的有效判定，对未遮挡的单运动目标采用基于区域跟踪的简单快速模型，对相互遮挡的复合运动目标采用基于SIFT特征的窄基线图像匹配模型，系统结构简单、高实时高精度、可扩展性强，具有有线以太网和无线GPRS多重网络接入功能，有效的实现了运动目标区域实时跟踪功能。
-
公开(公告)号：CN101336824A
公开(公告)日：2009-01-07
申请号：CN200810063435.5
申请日：2008-08-08
Applicant: 浙江大学
IPC: A61B3/10
Abstract: 本发明公开了一种针对图像纹理复杂度的视觉感知响应强度检测装置及方法，视频图像经视频采集器采集并存放在图像缓存器中，再依次经过边缘检测器、方向复杂度检测器、初始视觉感知响应强度生成器和视觉感知响应强度抑制器处理得到纹理复杂度感知图。本发明的视觉感知响应强度检测装置及检测方法，利用图像区域的边缘方向信息来模拟人类视觉系统对图像纹理复杂度的感知工作机制，采用的操作步骤简洁，处理效率高效，在视觉和视频信号的许多处理领域都具有应用价值，例如客观视觉质量评价系统和基于区域的视频编码系统。
-
公开(公告)号：CN100449522C
公开(公告)日：2009-01-07
申请号：CN200710069953.3
申请日：2007-07-12
Applicant: 浙江大学
IPC: G06F15/173 , H04L12/00
Abstract: 本发明公开了一种基于多FPGA的矩阵乘法并行计算系统，该系统使用FPGA作为处理单元来完成矩阵乘法计算。在FPGA内部使用乘法器或DSP48(E)单元实现大小为p×q的乘加器PE阵列，并在PE阵列前配置有数据预处理单元，使FPGA在完成稠密矩阵乘法计算的同时，对稀疏矩阵乘法计算性能有所提升。系统采用以太网或RapidIO互连技术，以星形连接拓扑结构组成主从分布式多FPGA并行计算系统。利用以太网和RapidIO的组播发送方式，对所有需要相同数据的处理单元进行数据组播发送，降低了系统的通信开销。系统采用基于按行一维划分输出矩阵的并行算法进行矩阵乘法并行计算，使得在进行多次矩阵连乘法计算时，中间结果无需在处理单元与主处理器之间、处理单元与处理单元之间进行数据交互，进一步降低了系统的通信开销。
-
公开(公告)号：CN116449349B
公开(公告)日：2025-05-02
申请号：CN202310281692.0
申请日：2023-03-16
Applicant: 浙江大学
IPC: G06F18/2321 , G01S7/539 , G01S15/89
Abstract: 本发明公开了一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法，以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值；将迭代初值做复数梯度下降，并采用快速傅里叶变换加速梯度下降中矩阵乘计算，以得到梯度下降中间结果；建立概率映射模型，添加波束聚类先验，采用多任务贝叶斯压缩感知快速求解波束结果和对应高斯分布参数；根据波束结果做动量更新，以得到下次迭代的迭代初值，加速迭代收敛。将反卷积波束形成扩展到复数域，充分利用了波束相位信息，更贴合实际应用，有效降低了主瓣宽度和旁瓣强度，且具有较高的抗噪能力，提高了阵列成像质量。
-
公开(公告)号：CN117809077A
公开(公告)日：2024-04-02
申请号：CN202311600151.6
申请日：2023-11-28
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/40 , G06V20/40 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于浅层时序特征提取和树形融合的可形变物体分类方法和装置，包括获取可形变物体在变形过程的彩色图像序列；采用参数共享的多个浅层时序提取模块通过融合多尺度光流以及历史浅层特征来提取每帧彩色图像的特征；采用树形结构的特征融合模块将所有彩色图像的特征按照树形结构进行特征数量的递归融合，得到一个融合特征作为视频特征；采用全连接层对视频特征分类，其中置信度最大的类别作为可形变物体的最终分类结果。该方法和装置仅需单视角采集的彩色图像序列即可实现高精度的可形变物体分类，同时不需要提供额外视角或类型的传感器数据或人工辅助信息。
-
Patent Agency Ranking
公开(公告)号：CN116578929A
公开(公告)日：2023-08-11
申请号：CN202310333346.2
申请日：2023-03-30
Applicant: 浙江大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种基于自适应采样的异常样本检测方法，包括：准备每个批次的样本集，样本集包括正常样本和异常样本；将每个批次的样本集输入至分类模型中计算正常样本的分类概率和异常样本的异常概率，依据异常概率自适应从训练集的异常样本中采样决策边界周围的异常样本作为训练异常样本；基于训练异常样本的异常概率和正常样本的分类概率计算损失来更新分类模型的参数；参数优化的分类模型作为异常检测模型，依据对待检测样本经过异常检测模型预测的异常概率来判断是否为异常样本。该方法能够实现对未知的异常类进行更准确地检测。
-
公开(公告)号：CN116449349A
公开(公告)日：2023-07-18
申请号：CN202310281692.0
申请日：2023-03-16
Applicant: 浙江大学
IPC: G01S7/539 , G01S15/89 , G06F18/2321
Abstract: 本发明公开了一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法，以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值；将迭代初值做复数梯度下降，并采用快速傅里叶变换加速梯度下降中矩阵乘计算，以得到梯度下降中间结果；建立概率映射模型，添加波束聚类先验，采用多任务贝叶斯压缩感知快速求解波束结果和对应高斯分布参数；根据波束结果做动量更新，以得到下次迭代的迭代初值，加速迭代收敛。将反卷积波束形成扩展到复数域，充分利用了波束相位信息，更贴合实际应用，有效降低了主瓣宽度和旁瓣强度，且具有较高的抗噪能力，提高了阵列成像质量。
-
公开(公告)号：CN111767939B
公开(公告)日：2023-03-10
申请号：CN202010394202.4
申请日：2020-05-11
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/56
Abstract: 本发明公开了一种水下声呐系统目标提取方法，包括：(1)将采集的原始声纳点云数据根据回波强度大小转化为彩色图片；(2)依次对彩色图片进行灰度化、二值化、膨胀处理，获得处理后图片；(3)提取处理后图片的连通区域，并筛选排除连通区域面积过小以及连通区域内强度值像素未达到要求的连通区域，剩余区域即为可能目标区域；(4)放大可能目标区域后提取可能目标区域的特征向量；(5)利用目标识别模型对可能区域的特征向量进行目标识别，获得目标分类识别结果；(6)依据目标分类识别结果返回彩色图片刻画出目标具体信息。该方法原理简单，实用性强，针对水声信号有较强的适应性。
-
公开(公告)号：CN115731423A
公开(公告)日：2023-03-03
申请号：CN202211532573.X
申请日：2022-12-01
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V20/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于光流变化量和连续感知设定的可形变物体分类方法和装置，包括以下步骤：获取可形变物体在变形过程的深度图像序列和视频帧序列；采用深度卷积网络计算每帧深度图像中可形变物体的分类结果；依据视频帧序列计算相邻视频帧之间的光流变化量；依据相邻两帧深度图像的分类结果确定相邻视频帧之间的光流变化量的有效性；依据光流变化量的有效性计算每种物体类别的光流变化量累积值；筛选光流变化量累积值最大的物体类别作为变形过程中确定的最终分类结果。该方法和装置以实现提高物体分类鲁棒性和准确性的同时不需要提供额外的传感器数据或人工辅助信息。
-
公开(公告)号：CN113034380A
公开(公告)日：2021-06-25
申请号：CN202110178143.1
申请日：2021-02-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于改进可变形卷积校正的视频时空超分辨率方法和装置，包括：构建包含特征提取模块、帧间校正模块以及图像重建模块的视频时空超分辨率网络；对视频时空超分辨率进行网络参数优化后备用；应用时，利用特征提取模块从输入低分率的相邻视频帧提取特征图，利用帧间校正模块依据相邻视频帧对应的特征图在进行校正处理合成中间帧特征图，利用及图像重建模块对输入的中间帧特征图和相邻视频帧对应的特征图进行帧间与帧内特征的提取，重建输出高分辨率高帧率的图像序列。通过改进可变形卷积的模式、引入显式光流估计、注意力网络等技巧，使得帧间校正网络更好地胜任视频时空超分辨率任务，大大提升了复原效果。
-
-
-
-
-
-
-
-
-
Search Results
314
records
(took 0.043 seconds)
