-
公开(公告)号：CN115393875B
公开(公告)日：2023-05-26
申请号：CN202211045268.8
申请日：2022-08-30
Applicant: 杭州电子科技大学
IPC: G06V30/304 , G06V30/146 , G06V10/82
Abstract: 本发明公开了一种基于MobileNetV3的五线谱识别与简谱转换的方法及系统，方法按如下步骤：步骤一：获取五线谱图片；步骤二：选定识别区域，并进行倾斜校正，将图片以五线谱的行为单位划分，形成样本集；步骤三：对预备的五线谱数据集，进行数据增强，得到扩充后的数据集，在MobileNetV3的基础上进行训练迭代，获得五线谱识别模型；步骤四：统计所有步骤二中输入样本集，输入至步骤三所得到的模型中进行检测识别，将识别出的信息以MusicXML文件形式保存；步骤五：对步骤四的识别结果进行预览核对，给出能供修改的候选项，更改识别的错误信息，将错误内容反馈给五线谱识别模型进行再训练；步骤六：根据数据处理结果以及选择的简谱调式，完成文本整合，得到简谱转换结果。
-
Patent Agency Ranking
公开(公告)号：CN115393717A
公开(公告)日：2022-11-25
申请号：CN202211045569.0
申请日：2022-08-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于进化混合注意力机制的SAR图像房屋提取方法及系统，方法包括如下步骤：S1，获取SAR图像数据集，对SAR图像数据集进行预处理，得到实验数据集；S2，通过主干网络采集图像特征，并基于进化混合注意力机制构建房屋分割网络；S3，构建损失函数，采用梯度下降和反向传播法，对进化混合注意力机制网络进行训练；S4，利用步骤S3训练完毕的进化混合注意力机制网络对无标签图像进行房屋分割，并得到最终语义分割结果。本发明有利于识别大幅宽的SAR图像，同时可以增强SAR图像中的可辨识房屋特征，削减冗余特征。
-
公开(公告)号：CN117912683A
公开(公告)日：2024-04-19
申请号：CN202311517490.8
申请日：2023-11-14
Applicant: 杭州电子科技大学
IPC: G16H50/30 , A61B5/318 , G06F18/2411 , G06F18/213 , G06N20/00
Abstract: 本发明公开了一种基于VMD与PSSVM全局联合优化的发作预测系统，包括信号采集器，数据预处理器、信号特征提取器、PSSVM分类器和BL‑Jaya联合优化器。其中，预处理器对采集到的原始ECG数据进行1～80Hz带通滤波得到标准ECG信号,并对标准ECG信号进行R峰检测和分割；对分割得到的节拍进行VMD分解，得到K个子带；对每一个子带进行特征提取，并用基于参数C和γ的PSSVM模型对节拍分类，判断其处于癫痫发作间期还是癫痫发作前期；利用BL‑Jaya算法对VMD的参数K和PSSVM的参数C和γ进行优化，并得到最佳参数。本发明提高了基于ECG信号的癫痫发作预测能力。
-
公开(公告)号：CN115393875A
公开(公告)日：2022-11-25
申请号：CN202211045268.8
申请日：2022-08-30
Applicant: 杭州电子科技大学
IPC: G06V30/304 , G06V30/146 , G06V10/82
Abstract: 本发明公开了一种基于MobileNetV3的五线谱识别与简谱转换的方法及系统，方法按如下步骤：步骤一：获取五线谱图片；步骤二：选定识别区域，并进行倾斜校正，将图片以五线谱的行为单位划分，形成样本集；步骤三：对预备的五线谱数据集，进行数据增强，得到扩充后的数据集，在MobileNetV3的基础上进行训练迭代，获得五线谱识别模型；步骤四：统计所有步骤二中输入样本集，输入至步骤三所得到的模型中进行检测识别，将识别出的信息以MusicXML文件形式保存；步骤五：对步骤四的识别结果进行预览核对，给出能供修改的候选项，更改识别的错误信息，将错误内容反馈给五线谱识别模型进行再训练；步骤六：根据数据处理结果以及选择的简谱调式，完成文本整合，得到简谱转换结果。
-
公开(公告)号：CN115393712A
公开(公告)日：2022-11-25
申请号：CN202211013245.9
申请日：2022-08-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于动态混合池化策略的SAR图像道路提取方法及系统，方法包括以下步骤：S1、获取SAR图像训练数据集，进行预处理并在数据集中标注出道路的区域；S2、基于动态混合池化策略，在Resnet‑34网络中构建两个动态混合池化模块；S3、采用梯度下降算法和反向传播算法训练步骤S2改进的Resnet‑34中每层网络的参数和动态混合池化模块中每种池化的权重系数；S4，利用步骤S3训练好的Resnet‑34道路提取网络对预测数据集目标区域的道路进行预测，并得到结果。本发明动态混合池化策略中的条形池化能够捕获道路SAR图像中的长距离关系和局部上下文，适用于具有长条形结构特征的道路SAR图像。
-
公开(公告)号：CN115393712B
公开(公告)日：2023-04-18
申请号：CN202211013245.9
申请日：2022-08-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于动态混合池化策略的SAR图像道路提取方法及系统，方法包括以下步骤：S1、获取SAR图像训练数据集，进行预处理并在数据集中标注出道路的区域；S2、基于动态混合池化策略，在Resnet‑34网络中构建两个动态混合池化模块；S3、采用梯度下降算法和反向传播算法训练步骤S2改进的Resnet‑34中每层网络的参数和动态混合池化模块中每种池化的权重系数；S4，利用步骤S3训练好的Resnet‑34道路提取网络对预测数据集目标区域的道路进行预测，并得到结果。本发明动态混合池化策略中的条形池化能够捕获道路SAR图像中的长距离关系和局部上下文，适用于具有长条形结构特征的道路SAR图像。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
