-
Patent Agency Ranking
公开(公告)号：CN109583481B
公开(公告)日：2021-08-10
申请号：CN201811343657.2
申请日：2018-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于卷积神经网络的细粒度服装的属性识别方法。本发明首先通过Faster‑RCNN和YOLO神经网络，对图像中的特征区域定位，针对袖子、裤子长度和领口类型分类采取相应的扩大特征区域方法，再对特征区域进行图像处理；处理后输进ResNet网络模型和InceptionV4网络模型，进行神经网络的训练；并将输出结果进行加权融合。训练好的神经网络模型可用于服装属性识别。本发明提取的特征区域实现较高的分割准确性，提高了卷积神经网络进行深度学习图像特征的效率和准确性，并将两个网络模型的输出结果进行加权融合，减少了过拟合现象。
-
公开(公告)号：CN109583481A
公开(公告)日：2019-04-05
申请号：CN201811343657.2
申请日：2018-11-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于卷积神经网络的细粒度服装的属性识别方法。本发明首先通过Faster-RCNN和YOLO神经网络，对图像中的特征区域定位，针对袖子、裤子长度和领口类型分类采取相应的扩大特征区域方法，再对特征区域进行图像处理；处理后输进ResNet网络模型和InceptionV4网络模型，进行神经网络的训练；并将输出结果进行加权融合。训练好的神经网络模型可用于服装属性识别。本发明提取的特征区域实现较高的分割准确性，提高了卷积神经网络进行深度学习图像特征的效率和准确性，并将两个网络模型的输出结果进行加权融合，减少了过拟合现象。
-
公开(公告)号：CN108075819A
公开(公告)日：2018-05-25
申请号：CN201711294479.4
申请日：2017-12-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于MESH的空中无人机通信系统。本发明通过无线通信网，采用多跳网络，能够实现低延时广覆盖的无人机通信网络，无人机在受控网络中可以自由选择加入网络控制或者与控制站直连通信。能够极大的扩展无人机的受控距离使无人机具有超视距飞行能力。
-
公开(公告)号：CN110163246B
公开(公告)日：2021-03-30
申请号：CN201910276356.0
申请日：2019-04-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的单目光场图像无监督深度估计方法。本发明先利用公开的大型光场图像数据集作为训练集，通过数据增强、数据扩充使训练集样本趋于平衡。构建改进的ResNet50网络模型，使用编码器和解码器分别提取模型的高级和低级的特征，再通过密集差结构将编码器和解码器的结果融合，同时另外构建了一个超分辨率遮挡检测网络，能够使用深度学习准确的预测出各个视角之间的遮挡问题；基于光场图像深度估计任务的目标函数是多损失函数，通过预先定义好的网络模型对预处理后的图像进行训练，最后在测试集上对网络模型进行泛化评估。本发明对复杂场景的光场图像预处理效果显著，实现了更精确光场图像无监督深度估计的效果。
-
公开(公告)号：CN110163246A
公开(公告)日：2019-08-23
申请号：CN201910276356.0
申请日：2019-04-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的单目光场图像无监督深度估计方法。本发明先利用公开的大型光场图像数据集作为训练集，通过数据增强、数据扩充使训练集样本趋于平衡。构建改进的ResNet50网络模型，使用编码器和解码器分别提取模型的高级和低级的特征，再通过密集差结构将编码器和解码器的结果融合，同时另外构建了一个超分辨率遮挡检测网络，能够使用深度学习准确的预测出各个视角之间的遮挡问题；基于光场图像深度估计任务的目标函数是多损失函数，通过预先定义好的网络模型对预处理后的图像进行训练，最后在测试集上对网络模型进行泛化评估。本发明对复杂场景的光场图像预处理效果显著，实现了更精确光场图像无监督深度估计的效果。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
