公开(公告)号：CN111612051B

公开(公告)日：2023-06-20

申请号：CN202010364601.6

申请日：2020-04-30

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  韩顾稳 ,  史治国 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于图卷积神经网络的弱监督目标检测方法。本发明通过引入只检测到物体一部分的伪标注框作为弱监督目标检测网络的监督条件，通过多实例网络只检测到物体的一部分而不是覆盖全部物体；利用图卷积神经网络把检测为物体框的邻近且相交的候选框学习物体框的特征表示；因为和物体框相交的候选框也是物体的一部分，通过学习检测为物体的框的特征表示来改变候选框的特征表示，邻近的框学习检测为物体的框的特征；候选框和检测为物体框的特征表示就会相似，弱监督网络测试的时候会把与检测为物体框的邻近候选框也分类为目标物体；从而检测出的目标框覆盖更大的面积和更全的物体，提高弱监督目标检测的精度。

公开(公告)号：CN110659664B

公开(公告)日：2022-12-13

申请号：CN201910711563.4

申请日：2019-08-02

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  周铁生 ,  史治国 ,  叶宇晨 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G06V10/84 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于SSD的高精度识别小物体的方法。本发明改进的网络结构如下：(1)基于原始SSD网络，保留与SSD网络一样的瀑布递减式结构，然后将Conv7后边的Conv8_2与Conv9_2换成了RFB模块,形成网络Ⅰ；(2)再将网络Ⅰ进行改进，改进成类似于FPN的特征金字塔结构网络Ⅱ，通过特征金字塔结构网络Ⅱ能够将高层特征通过上采样和低层特征做融合，获得融合后的特征图，从而通过特征图来使用各层网络的特征；(3)对于融合后的特征图，使用新的NMS算法定位目标；引入了一种新的PrROI pooling来将ROI映射到其中来修正边框。本发明利用FPN网络可以充分利用各层网络特征信息和RFB可以模拟人类视觉皮质中离心率的效果来提高感受野的优点。

公开(公告)号：CN110889868B

公开(公告)日：2023-04-18

申请号：CN201911030699.5

申请日：2019-10-28

Applicant: 杭州电子科技大学

Inventor： 孔清 ,  颜成钢 ,  史治国 ,  刘彦禹 ,  管飞 ,  孙垚棋 ,  张继勇 ,  张勇东 ,  沈韬

IPC: G06T7/529 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种结合梯度和纹理特征的单目图像深度估计方法。本发明包含以下步骤：步骤1：预训练目标高维特征，设计训练编码深度高维特征，并解码成原输入深度图的模型结构；步骤2：提取单目图像的附加图像特征；附加特征主要是针对图像提取相应的纹理特征和梯度特征；步骤3：构造训练高维特征学习的编码器；步骤4：将训练完成的高维特征输入到步骤1训练练完成的解码器中，进行解码得到我们最后的深度输出图。本发明采取函数关系和图像存在的深度线索相结合的方式，弥补图像中实例的细节层面的深度信息缺失的问题。本发明把图像的梯度信息和纹理信息作为深度线索，协助深度卷积网络学习图像的深度信息。

公开(公告)号：CN111123323B

公开(公告)日：2022-04-01

申请号：CN201911421709.8

申请日：2019-12-31

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  张杰华 ,  史治国 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G01S19/40 ,  G01S19/42 ,  G01S5/02

Abstract: 本发明涉及一种提高便携设备定位精度的方法。本发明利用多个普通GPS/BDS芯片同时进行定位，将每个普通GPS/BDS芯片的数据不同的权重进行融合，然后用卡尔曼滤波器对融合后的数据进行滤波，从而提高便携设备定位精度。本发明的多GPS/BDS芯片结构的定位精度有明显的优化，并且大大克服了普通GPS/BDS芯片受到干扰产生漂移的问题。加权方法用GPS/BDS芯片间的相对几何位置对检测数据进行约束，从而解决了多个GPS数据间的加权问题，更加可以削弱漂移数据的影响。没有复杂的数学计算，既有利于工程实现，又有利于减轻处理器的运算负担。

公开(公告)号：CN111121759B

公开(公告)日：2021-07-27

申请号：CN201911400734.8

申请日：2019-12-30

Applicant: 杭州电子科技大学

Inventor： 颜成钢 ,  巩鹏博 ,  史治国 ,  郑锦凯 ,  孙垚棋 ,  张继勇 ,  张勇东

IPC: G01C21/08 ,  G06N3/04

Abstract: 本发明提供一种基于多层长短期记忆网络的地磁室内定位方法。本发明对于如何使地磁序列信息和循环神经网络的结合来提高定位精度的问题，分为地磁室内数据库搭建和模型学习定位两个阶段。地磁室内数据库的搭建分为两个方面，一是室内地磁轨迹信号的收集，二是地磁室内数据库的搭建，并且在搭建过程中，会采用KNN和DTW融合的算法来求解合适的地磁室内数据库搭建的形式。模型学习定位阶段利用从短期记忆网络对地磁室内数据库进行学习，学习好适合参数的长短期记忆模型便可以用于定位。本发明的信号源只利用到地磁信号，不需要搭建基础设施，利用手机上的地磁传感器就可采集，采用长短期记忆网络模型，极大的提高了地磁室内的定位精度。