-
公开(公告)号：CN118865496A
公开(公告)日：2024-10-29
申请号：CN202410875403.4
申请日：2024-07-02
Applicant: 宁波大学 , 浙江瑞晟智能科技股份有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/62 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/096
Abstract: 本发明涉及一种人体动作识别方法及计算机可读存储介质，人体动作识别方法包括：获取视频帧序列和光流序列；将视频帧序列组成第一训练集和测试集；将光流序列组成第二训练集；构建知识蒸馏模型，具体为：构建两个教师网络和一个学生网络，分别使用第一训练集和第二训练集对构建的教师网络进行训练，得到第一教师网络和第二教师网络；第一教师网络、第二教师网络和构建的学生网络即组成知识蒸馏模型；对构建的知识蒸馏模型进行多次训练，得到训练完成后的学生网络；在测试集中任意选择一个测试样本，并输入到训练完成后的学生网络中，即得到动作识别结果。该方法的动作识别准确率更好，并且具有较高的识别速率。
-
公开(公告)号：CN104574154A
公开(公告)日：2015-04-29
申请号：CN201510027465.0
申请日：2015-01-20
Applicant: 宁波大学
Abstract: 本发明涉及一种交互式广告投放系统及其广告投放方法，交互式广告投放系统包括用于存放广告视频信息的存储器；用于播放广告视频信息的播放器，与存储器连接；命令输入设备，用于输入用户的控制命令，该控制命令包括跳过、暂停、继续播放和跳转到另一个视频广告信息；播放控制器，与命令输入设备及播放器连接，用于接收命令输入设备输送的控制命令，并根据该控制命令对播放器播放的广告视频信息进行跳过操作或暂停操作或继续播放操作或跳转到另一个视频广告信息。与现有技术相比，本发明的优点在于：通过设置命令输入设备和播放控制器，使得用户可以直接跳过无聊或重复播放的广告视频信息，享受流畅的视频播放，增强了用户的参与性，提高消费者的主观能动性。
-
公开(公告)号：CN118820880A
公开(公告)日：2024-10-22
申请号：CN202410785722.6
申请日：2024-06-18
Applicant: 宁波大学 , 浙江瑞晟智能科技股份有限公司
IPC: G06F18/241 , G06F18/25 , G06F18/21
Abstract: 本发明涉及基于诊断混淆的故障再诊断方法及计算机可读存储介质，故障再诊断方法包括：构建训练集和测试集；对故障再诊断模型进行训练，得到训练完成后的故障再诊断模型；故障再诊断模型包括基础故障诊断模块、故障再诊断模块和特征融合模块，且各个模块均包括依次连接的特征提取层和特征分类层，通过基础故障诊断模块对全部样本进行训练，将高混淆故障信号进行空间域变换变换后的高混淆故障图像，并通过高混淆故障图像对故障再诊断模块进行训练；将测试样本输入到训练完成后的故障再诊断模型中，即得到最后的故障诊断结果。优点在于：该故障再诊断方法能对故障进行准确诊断，有效避免了故障混淆，提高了故障诊断的准确率。
-
公开(公告)号：CN117743928A
公开(公告)日：2024-03-22
申请号：CN202311760297.7
申请日：2023-12-20
Applicant: 宁波大学
IPC: G06F18/241 , G06F18/21 , G06F18/214 , G06N3/0455 , G06F3/01
Abstract: 本发明公开了一种基于掩码自监督及强监督模型运动想象脑电信号分类方法，其将来自一个受试者的数条手指运动想象脑电信号构成的数据集按批次大小分成多个子集，对每个子集先进行预处理后进行随机掩码，得到每个子集对应的掩码子集和掩码矩阵；设计包含掩码自监督网络和强监督深度学习分类网络的神经网络，使用子集对应的掩码子集和掩码矩阵对神经网络进行训练，训练完成后得到神经网络模型；测试时将测试子集及对应的掩码子集输入到神经网络模型中，输出测试子集的分类概率；优点是掩码自监督网络可学习出手指运动想象脑电信号的深层次特征，以达到提升分类效果的目的；通过强监督深度学习分类网络，使用深度学习方法，具有较好的泛化性、鲁棒性。
-
公开(公告)号：CN117560294A
公开(公告)日：2024-02-13
申请号：CN202311760576.3
申请日：2023-12-20
Applicant: 宁波大学
IPC: H04L41/149 , H04L41/069 , H04L41/14 , H04L41/16 , H04L41/142
Abstract: 本发明公开了一种日志信息驱动的邻域网故障预测方法，其在训练阶段获得邻域网状态数据集，对邻域网状态数据集进行预处理得到多个数据对，数据对包括所有主机节点在多个连续时刻产生的日志信息对应的状态类别和后一个时刻产生的日志信息对应的状态类别，使用数据对对深度学习网络进行训练得到权重系数集合；在测试阶段获得测试邻域网状态数据集，对测试邻域网状态数据集进行预处理得到所有主机节点在多个连续时刻产生的日志信息对应的状态类别作为测试样本，使深度学习网络装载权重系数集合得到深度学习网络模型，将测试样本输入深度学习网络模型中进行故障预测；优点是对邻域网中具体设备的未来状态进行预测，预测结果好，能达到及时预警的作用。
-
Patent Agency Ranking
公开(公告)号：CN106993186A
公开(公告)日：2017-07-28
申请号：CN201710238369.X
申请日：2017-04-13
Applicant: 宁波大学
CPC classification number: H04N17/00 , H04N2013/0074
Abstract: 本发明涉及一种立体显著性检测方法，输入待检测立体图像的左图及待检测立体图像的深度图，将左图进行CIELab颜色空间变换，提取颜色空间变换后的左图的L亮度通道、a颜色通道和b颜色通道；将颜色变换后的左图和输入的待检测立体图像的深度图进行SLIC超像素分割，计算区域间对比度，归一化，去噪后得到待检测立体图像的空域显著图；分别对每个R通道子块、G通道子块和B通道子块进行DCT变换，计算区域间对比度，归一化、去噪后得到待检测立体图像的变化域显著图；融合空域显著图和变化域显著图，得到待检测立体图像的最终显著图。与现有技术相比，本发明的优点在于：能准确的检测出复杂背景图像图像显著性区域，鲁棒性与适应性更强。
-
公开(公告)号：CN119645629A
公开(公告)日：2025-03-18
申请号：CN202411672208.8
申请日：2024-11-21
Applicant: 宁波大学 , 浙江瑞晟智能科技股份有限公司
IPC: G06F9/50 , G06F18/10 , G06F18/20 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明涉及一种负载功耗预测方法及计算机可读存储介质，包括：将负载的运行状态划分为多个类型，并模拟负载的各个类型运行状态，获取负载在各个类型运行状态下的功耗性能数据以及功耗数据；对获取的所有功耗性能数据进行预处理，按照波动从强到弱的顺序对各个预处理后的时间特征序列进行排序，并对前N个预处理后的时间特征序列进行VMD分解和重构，最后将重构的时间特征序列与其他时间特征序列组合形成数据集；构建负载功耗预测模型，将训练集分批次输入到构建的负载功耗预测模型中，将测试集中选出的测试样本输入到训练完成后的负载功耗预测模型中，即预测得到测试样本所对应的功耗数据。该方法提高了负载功耗预测的准确性。
-
公开(公告)号：CN116110124A
公开(公告)日：2023-05-12
申请号：CN202211677196.9
申请日：2022-12-26
Applicant: 宁波大学
IPC: G06V40/20 , G06V20/40 , G06V10/774 , G06V10/778 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种人体动作识别方法，包括如下步骤：步骤1、获取包含人体动作的多个视频，并对每个视频进行稀疏采样，得到多个稀疏采样后的视频帧序列；步骤2、将多个视频帧序列组成数据集，并将数据集构建成训练集和测试集；其中训练集中的每个训练样本分别包括一个视频帧序列和该视频帧序列对应的人体动作标签；步骤3、构建动作识别模型，并使用训练集对构建的动作识别模型进行训练，得到训练完成后的动作识别模型；步骤4、任意选择测试集中的其中一个样本，将其输入到步骤3训练完成后的动作识别模型中，即得到人体动作识别结果。优点在于：该方法不仅可以有效地提取重要信息，弱化不感兴趣的区域，还可以减少参数量，提升模型的运行速率。
-
公开(公告)号：CN106993186B
公开(公告)日：2019-04-30
申请号：CN201710238369.X
申请日：2017-04-13
Applicant: 宁波大学
Abstract: 本发明涉及一种立体显著性检测方法，输入待检测立体图像的左图及待检测立体图像的深度图，将左图进行CIELab颜色空间变换，提取颜色空间变换后的左图的L亮度通道、a颜色通道和b颜色通道；将颜色变换后的左图和输入的待检测立体图像的深度图进行SLIC超像素分割，计算区域间对比度，归一化，去噪后得到待检测立体图像的空域显著图；分别对每个R通道子块、G通道子块和B通道子块进行DCT变换，计算区域间对比度，归一化、去噪后得到待检测立体图像的变化域显著图；融合空域显著图和变化域显著图，得到待检测立体图像的最终显著图。与现有技术相比，本发明的优点在于：能准确的检测出复杂背景图像图像显著性区域，鲁棒性与适应性更强。
-
公开(公告)号：CN105049871B
公开(公告)日：2018-03-09
申请号：CN201510409325.X
申请日：2015-07-13
Applicant: 宁波大学
IPC: H04N19/96 , H04N19/122 , H04N19/46 , H04N19/109 , H04N19/19 , H04N19/147 , H04N19/176
Abstract: 本发明涉及一种基于HEVC的音频信息嵌入方法及提取和重构方法，在音频信息嵌入部分通过分HEVC编解码结构，在帧内预测编码过程中，选取纹理复杂度较高的4×4的预测单元，利用拉格朗日率失真模型选取最优预测模式，并根据相邻预测模式相关性，在最优预测模式确定的前提下，将具有相近预测效果的4个预测模式分为1组，建立预测模式组与变长码组之间的动态双映射关系，根据待嵌入的音频信息长度变化，改变标志位，对应调制预测模式，完成音频2比特或3比特信息的嵌入，大大提升了嵌入音频信息的容量。在提取和重构过程中，只需根据双映射关系对码流中的预测模式解码即可，实现了音频信息完整无误的嵌入和提取，很好的保证了音、视频的主客观质量。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
