-
公开(公告)号：CN110189292A
公开(公告)日：2019-08-30
申请号：CN201910298058.1
申请日：2019-04-15
Applicant: 浙江工业大学
Abstract: 一种基于Faster R-CNN和密度估计的癌细胞检测方法，包括以下步骤：步骤1，制作数据集；步骤2，优化的网络结构，2.1、基于回归的密度估计方法生成密度图；2.2、使用网络预测得到的密度图与真实值之间的欧式距离来衡量基于回归的密度估计损失函数；步骤3，得到检测分类结果。本发明提供了一种有效提高遮挡与高密度情况下的检测准确性的基于Faster R-CNN和密度估计的癌细胞检测方法。
-
公开(公告)号：CN108898213A
公开(公告)日：2018-11-27
申请号：CN201810631395.3
申请日：2018-06-19
Applicant: 浙江工业大学
IPC: G06N3/04
Abstract: 一种面向深度神经网络的自适应激活函数参数调节方法，所述方法包括以下步骤：步骤1，首先对自适应激活函数参数调节方法进行数学定义；步骤2，基于MNIST数据集进行自适应激活函数及其他经典激活函数进行实验结果对比与分析，使用的网络为有三个隐藏层，每个隐藏层有50个神经元，使用随时梯度下降算法迭代了100周期，学习率设为0.01，最小批次数量为100；步骤3，在步骤2得到最优激活函数版本之后，应用于具体膀胱癌细胞的检测。本发明在网络不断训练的过程中，通过不断的调整自身形状来寻找适合该网络的最优激活函数，提高网络的性能，降低网络中自适应激活函数可学习参数的总体数量，加快网络学习速率，改善网络的泛化。
-
公开(公告)号：CN105908686B
公开(公告)日：2018-01-12
申请号：CN201610241403.4
申请日：2016-04-19
Applicant: 浙江工业大学
IPC: E02B15/10
Abstract: 一种漂浮物自动清理装置，包括机架，在机架上安装有浮力轮，浮力轮与驱动电机连接，漂浮物收集器通过支架与机架连接，漂浮物收集器为一斗形结构，漂浮物收集器两侧与支架活动连接；漂浮物收集器上设有横杆，横杆与舵机连杆活动连接，舵机连杆与舵机转盘铰接，舵机转盘与舵机的输出轴连接；舵机安装在支架上。本装置利用浮力轮在水面推动行进，漂浮物收集器没于水面，打捞完成后，通过浮力轮驱动登陆上岸；再通过舵机的转动，使漂浮物收集器倾斜而倒出打捞的废物。
-
公开(公告)号：CN118138326B
公开(公告)日：2025-04-08
申请号：CN202410306885.1
申请日：2024-03-18
Applicant: 浙江工业大学
Abstract: 一种针对电动汽车动力系统负载信号异常的脆弱性分析方法和装置，其方法包括：采用永磁同步电机的矢量控制策略与MTPA控制策略，对电动汽车单轮动力系统进行simulink建模，以方波的基本形式建立负载攻击模型，利用滑动窗口对攻击时间内的转矩值进行运算分析，求出能够反映当前负载信号攻击下电动汽车动力系统脆弱性的指标，采用遗传算法迭代生成最优负载信号参数，将方波负载信号通过负载输入系统，对电动汽车动力系统的脆弱性进行定量分析，运用并行运算策略，同时在不同内核以及不同计算机集群上运行simulink模型，达到加速的目的，有重要的应用价值。
-
公开(公告)号：CN118552722A
公开(公告)日：2024-08-27
申请号：CN202410562364.2
申请日：2024-05-08
Applicant: 浙江工业大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 一种基于层级注意力增强激活的弱监督语义分割方法，包括以下步骤：步骤1.使用Vision Transformer网络构建生成激活图模型的基线网络；步骤2.为步骤1构建的网络逐层添加层级令牌，拼接每层的层级令牌和初始输入令牌送入网络块中进行层级注意力增强操作；步骤3.构建块令牌和层级令牌分类损失函数，对网络进行监督训练；步骤4.使用网络最后一层输出的块令牌生成种子区域，利用步骤3中的得到的层级注意力优化种子区域生成类激活图；步骤5.根据类激活图生成像素级伪标签，然后使用像素级伪标签训练全监督语义分割网络。本发明关注类激活图激活不完整的问题，促进语义多样性，使用层级注意力增强CAM的激活。
-
Patent Agency Ranking
公开(公告)号：CN118136264A
公开(公告)日：2024-06-04
申请号：CN202410169407.0
申请日：2024-02-06
Applicant: 浙江工业大学
Abstract: 一种基于大模型与对比学习的中医推拿多模态知识图谱构建方法，根据领域专业人员和专业著作指导，对中医推拿知识图谱概念设计；将采集的多模态中医推拿文献、病历数据进行划分后进行不同处理；文本内容通过检索增强的方式导入大模型进行知识抽取，构建中医推拿知识图谱的本体结构；所述本体结构包含实体、关系及属性；基于BERT语言模型的编码器和视觉编码器对图像文本进行对比学习，使实体和多模态数据的特征进行融合，构建中医推拿多模态知识图谱。本发明通过语言大模型的检索增强，有效地克服了多模态中医推拿文献、电子病历中知识抽取困难的问题，并且融合了文本、肌电信号、推拿手法图像、视频多模态数据，丰富了知识图谱的内容。
-
公开(公告)号：CN112489150B
公开(公告)日：2024-05-10
申请号：CN202011115327.5
申请日：2020-10-19
Applicant: 浙江工业大学
IPC: G06T11/00 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种面向快速MRI的深度神经网络的多尺度序贯训练方法，该训练方法构建多尺度的MR训练图像来训练深度神经网络，首先学习从低倍欠采样的MR图像到全采样MR图像的映射关系，得到深度神经网络模型的初始参数；再逐步增大输入的MR图像的欠采样倍数，在每种欠采样尺度下，依次训练深度神经网络学习从欠采样的MR图像到全采样的MR图像的映射关系，并且每次在更低尺度下的深度神经网络模型的训练都是以前一个尺度下训练所得的网络模型为基础，从而为最终重构高倍欠采样的MR图像累积足够丰富的先验知识，有效地提升MR图像的重建精度。本发明所提供的方法能够有效地重建高倍欠采样的磁共振图像，具有很强的实用性。
-
公开(公告)号：CN117314885A
公开(公告)日：2023-12-29
申请号：CN202311437062.4
申请日：2023-10-31
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/593 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度像素反重组网络的快速MRI重建方法，包括如下步骤：步骤1输入的欠采样的MRI图像xu；步骤2由多尺度像素反重组网络得到重构后的MRI图像图1给出了多尺度像素反重组网络fMS‑PU(·；Θ)的结构图。本发明充分利用欠采样MRI图像中的信息冗余性，基于像素反重组对欠采样的MRI图像进行不同尺度的压缩，能够有效降低输入的欠采样图像中的大量伪影对重构效果的影响，能够有效地提升MRI图像的重建速度和精度。
-
公开(公告)号：CN117011317A
公开(公告)日：2023-11-07
申请号：CN202310856822.9
申请日：2023-07-13
Applicant: 浙江工业大学
Abstract: 一种基于链码法的钕铁硼磁性稀土材料晶体分割方法，包括以下步骤：步骤1：输入钕铁硼磁性稀土材料晶体结构图像，并对其进行直方图均衡化，增强对比度；步骤2，训练deeplabv3+图像分割模型；步骤3，训练结束后，使用分割模型对钕铁硼磁性稀土材料晶体结构图像进行分割预测，获得分割结果图；步骤4，对分割结果图进行开运算形态学图像处理；步骤5，使用链码法进行优化，处理粘连晶体结构；步骤6，输出优化后的最终分割结果图，并统计图像中的晶体数量及其特征信息。本发明利用链码法来解决晶体结构粘连的问题，提高对晶体计数以及晶体结构特征统计工作的准确性。
-
公开(公告)号：CN116612128A
公开(公告)日：2023-08-18
申请号：CN202310606515.5
申请日：2023-05-26
Applicant: 浙江工业大学
IPC: G06T7/10 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了一种基于动态空洞卷积的图像分割方法，包括：S1、构建图像分割网络模型，图像分割网络模型的骨干网络为卷积神经网络，卷积神经网络中的空洞卷积被替换为动态空洞卷积；S2、采用训练集训练图像分割网络模型；S3、将待分割图像输入训练好的图像分割网络模型，获得图像分割结果。该方法相比于采用传统空洞卷积，动态空洞卷积在提取特征信息时，可以根据目标大小自适应的确定空洞率，空洞率设置更加合理，通过让网络自行学习空洞率设置的方式，增强了对不同大小目标的特征提取能力，从而在增加少量参数量的前提下大幅提升图像分割上的性能，解决了传统空洞卷积提取特征过于稀疏以及空洞率固定单一的问题。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.044 seconds)
