-
公开(公告)号：CN105891878B
公开(公告)日：2019-08-27
申请号：CN201610243859.4
申请日：2016-04-19
Applicant: 中国科学院上海微系统与信息技术研究所 , 浙江工业大学
IPC: G01V1/18
Abstract: 本发明涉及一种震动传感器，其特征在于所述的震动传感器是一种震声耦合式震动传感器，将震动波转为声波，再由传声器将声波转变为电信号输出；所述的传感器包括一个密闭空腔，空腔上面连接弹性膜片，该弹性膜片中心位置上连接有配重质量体，配重质量体通过膜支架间接连接到弹性膜片上，以达到控制接触面积的目的，密闭空腔底面则由传声器及印刷电路板密封，传声器指向密闭空腔内部，密闭空腔配以外壳。本发明解决了以往低频震动传感器体积大，重量重，以及MEMS加速度计对低频信号接收能力差等技术难题，较好的解决了传感器体积、重量与低频信号接收能力之间的矛盾。
-
公开(公告)号：CN105891878A
公开(公告)日：2016-08-24
申请号：CN201610243859.4
申请日：2016-04-19
Applicant: 中国科学院上海微系统与信息技术研究所 , 浙江工业大学
IPC: G01V1/18
Abstract: 本发明涉及一种震动传感器，其特征在于所述的震动传感器是一种震声耦合式震动传感器，将震动波转为声波，再由传声器将声波转变为电信号输出；所述的传感器包括一个密闭空腔，空腔上面连接弹性膜片，该弹性膜片中心位置上连接有配重质量体，配重质量体通过膜支架间接连接到弹性膜片上，以达到控制接触面积的目的，密闭空腔底面则由传声器及印刷电路板密封，传声器指向密闭空腔内部，密闭空腔配以外壳。本发明解决了以往低频震动传感器体积大，重量重，以及MEMS加速度计对低频信号接收能力差等技术难题，较好的解决了传感器体积、重量与低频信号接收能力之间的矛盾。
-
公开(公告)号：CN119229675B
公开(公告)日：2025-05-09
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：CN114723698B
公开(公告)日：2025-01-17
申请号：CN202210331209.0
申请日：2022-03-30
Applicant: 浙江工业大学
IPC: G06T7/00 , G06T7/12 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/82
Abstract: 一种基于多尺度注意力网络的脑血管医学图像分割方法，首先将原始的脑血管MRA图像进行预处理，随后训练一个多尺度注意力UNet网络；网络模型上编码部分通过多尺度注意力模块提取脑血管图像的特征，提升有效特征的学习能力；解码部分通过跳级连接融合多尺度特征，提高模型分割的精准度；最后将待分割的测试数据输入训练好的模型得到分割结果并进行三维重建。本发明考虑脑血管在脑部影像中的复杂特点，针对性地提出网络模型进行脑血管影像的分割与三维重建，解决了脑部血管高度复杂、位置形态不一等带来的分割难题，提高MRI脑血管影像的分割精度。
-
公开(公告)号：CN117079273B
公开(公告)日：2024-12-24
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。
-
Patent Agency Ranking
公开(公告)号：CN118587470A
公开(公告)日：2024-09-03
申请号：CN202410548215.0
申请日：2024-05-06
Applicant: 浙江工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/09 , G06T7/11
Abstract: 一种双分支证据动态融合伪标签的简笔监督医学图像分割方法，双分支特征器训练单元通过上下分支特征提取网络，获得输入医学图像各像素点的有差异的两个特征结果，上下分支共享解码器参数，不需要额外训练两个不同的特征提取网络；证据获取单元将上下分支提取到的像素点特征结果进行重新建模，获取上下分支的Dirichlet分布；联合训练单元同时利用上下分支Dirichlet分布，使用证据融合，通过一致性损失以监督没有标签的证据，使用部分证据优化损失优化有标签的证据。以及提供一种简笔监督医学图像分割系统。本发明在保证分割性能的同时提高了模型的泛化能力和鲁棒性。
-
公开(公告)号：CN118115552A
公开(公告)日：2024-05-31
申请号：CN202410119189.X
申请日：2024-01-29
Applicant: 浙江工业大学
IPC: G06T7/33 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度交叉注意力机制的三维脑部图像可形变配准方法，包括以下步骤：步骤1：获取三维脑部图像数据集并进行预处理；步骤2：从三维脑部图像数据集中挑选成对训练图像，输入到配准模型中；步骤3：训练配准模型；步骤4：计算配准模型损失函数，将配准模型最优化；步骤5：用评价指标对配准模型进行评估；步骤6：保存配准模型。本发明提供了一种提升配准精度和训练时间的基于深度交叉注意力机制的三维脑部图像可形变配准方法。
-
公开(公告)号：CN112731282B
公开(公告)日：2023-12-26
申请号：CN202011430717.1
申请日：2020-12-09
Applicant: 浙江工业大学
IPC: G01S3/802
Abstract: 一种基于虚拟子阵交织的声阵列空间滤波方法，所述方法包括波束成形方法和波达方向估计方法。一种基于虚拟子阵交织的声阵列空间滤波系统，所述系统包括：超密集微声虚拟阵列，用于设置阵列框架，模拟声波的多径现象；声阵列空间滤波模块，用于将输入声源进行白噪声削弱进行波束成形和波达方向计算。本发明利用超密集微声阵列的冗余特性，构建出多种不同的虚拟子阵，利用子阵间不同的阵列流行对同一目标形成多种不同的测量结果，以加权平均的方式滤除结果中的随机噪声及干扰，可以提高阵列波束成形的指向性及波达方向估计的精度。
-
公开(公告)号：CN116869470A
公开(公告)日：2023-10-13
申请号：CN202310864384.0
申请日：2023-07-13
Applicant: 浙江工业大学
Abstract: 一种基于眼动异常自动识别的脑卒中初筛分析方法，包括以下步骤：步骤1：录制眼部区域视频；步骤2，部署基于深度学习的瞳孔跟踪模型，使用该模型预测视频中每一帧图像的瞳孔中心位置并记录，同时保存每个预测结果的置信度；步骤3，使用python脚本处理每一帧图像的瞳孔中心坐标数据，绘制相关的曲线图；步骤4，基于上一步骤绘制的曲线图，辅助医生进行HINTS眼动异常检查，其中的检查包括眼震试验和扭转偏斜试验；步骤5，生成脑卒中初期的诊断结果及分析报告，并保存诊断视频以便后续检查。本发明提供一种基于眼动异常自动识别的脑卒中初筛分析方法，自动分析眼动体征来辅助临床医生进行脑卒中初期筛查工作。
-
公开(公告)号：CN111488905B
公开(公告)日：2023-07-14
申请号：CN202010147000.X
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: 一种基于高维PCANet的鲁棒图像识别方法，包括鲁棒特征提取和基于卡方距离的最近邻分类，鲁棒特征提取过程将特征图的平坦式卷积和立体式卷积结合起来，立体式卷积充分考虑通道之间的相关性，平坦式卷积能够对输入图像的每一个通道进行充分的主方向分解，所得到的模式图相较于原始PCANet具有更为丰富的特征，能够有效提升PCANet的鲁棒性；分类过程包括：步骤1，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；步骤2，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。本发明能够有效的处理待识别图像中的遮挡、光照变化、分辨率差异等变化，有效地提升了有偏移图像的识别率。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.051 seconds)
