-
公开(公告)号：CN103076107A
公开(公告)日：2013-05-01
申请号：CN201310019184.1
申请日：2013-01-17
Applicant: 杭州电子科技大学
IPC: G01K11/30
Abstract: 本发明公开了一种基于太赫兹脉冲测量的燃烧温度传感装置及方法。本发明激光从飞秒激光器发射，经过分束器分为参考激光和探测激光，探测激光聚焦到光电导天线型太赫兹发射器上，太赫兹发射器发射出的太赫兹脉冲，经离轴抛物面镜组会聚到ZnTe晶体上，参考激光经半透反射镜、平行光栅组、偏振片后和会聚到ZnTe晶体上的太赫兹波准直重合，利用ZnTe晶体的Pockels效应实现太赫兹波的调制，CCD探测器将采集到的携带太赫兹脉冲强度信息的第一参考激光和不携带太赫兹脉冲强度信息的第二参考激光所对应的图像信号输入计算机进行后续处理。本发明提高非接触燃烧测量方法精度、速度，实现燃烧对象温度、温度分布的非接触测量。
-
公开(公告)号：CN107194423B
公开(公告)日：2020-04-28
申请号：CN201710357950.3
申请日：2017-05-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开基于特征随机抽样集成超限学习机的高光谱图像分类方法。现有高光谱图像具有图谱合一、光谱分辨率高、光谱范围宽、光谱相关性强等特点，本发明针对高光谱图像分类方法过程复杂且难以实时化的问题，提出基于邻域光谱信息提取空谱特征，为降低算法设计的复杂度，考虑到空谱特征相邻波段间的相关性，先对原始空谱特征向量进行平均分组，然后从每个区间随机选择若干个特征进行组合，利用超限学习机的快速学习能力来训练弱分类器，最后通过投票表决法实现高光谱图像分类。测试表明，该方法无需复杂的优化过程，训练速度快，分类精度高，能够满足高光谱图像分类精度和实时性两方面的需求。
-
公开(公告)号：CN107103338A
公开(公告)日：2017-08-29
申请号：CN201710358596.6
申请日：2017-05-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及融合卷积特征和集成超限学习机的SAR目标识别方法。现有技术将深度卷积神经网络应用于SAR图像目标识别时，为提高识别精度，需解决样本扩充、模型优化设计、长时间训练等问题。为解决在SAR目标识别中，由于各类别目标样本数量的缺乏，引起的分类结果准确性和识别速度不能同时提高的问题，本发明将缩放后的图像通过随机卷积核进行滤波与池化操作，利用随机抽取的方法对得到的特征进行降维，最后用集成超限学习机得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。
-
公开(公告)号：CN112487912A
公开(公告)日：2021-03-12
申请号：CN202011331077.9
申请日：2020-11-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于改进YOLOv3的任意方向舰船检测方法。首先，检测网络能同时输出垂直框和旋转框的预测结果。其次，基于垂直框和旋转框预测结果定义了多任务损失函数。最后，采用基于旋转框的非极大值抑制方法剔除重叠检测结果时，通过融合垂直框和旋转框预测结果进行目标方位角估计校正，以进一步提高检测性能。本发明提出的改进模型适用于纯海洋背景下SAR图像中的舰船目标检测，能够准确估计目标的方位角，并满足舰船目标检测的实时性需求。
-
公开(公告)号：CN107103338B
公开(公告)日：2020-04-28
申请号：CN201710358596.6
申请日：2017-05-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及融合卷积特征和集成超限学习机的SAR目标识别方法。现有技术将深度卷积神经网络应用于SAR图像目标识别时，为提高识别精度，需解决样本扩充、模型优化设计、长时间训练等问题。为解决在SAR目标识别中，由于各类别目标样本数量的缺乏，引起的分类结果准确性和识别速度不能同时提高的问题，本发明将缩放后的图像通过随机卷积核进行滤波与池化操作，利用随机抽取的方法对得到的特征进行降维，最后用集成超限学习机得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN104331891A
公开(公告)日：2015-02-04
申请号：CN201410613265.9
申请日：2014-11-04
Applicant: 杭州电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/33 , G06T2207/20016
Abstract: 为解决基于特征映射的图像配准算法初始误差过大容易引起失配的问题，本发明提出了一种融合显性度量和隐性度量的分层图像配准方法。该方法首先采用互信息作为显性度量，利用粒子群算法获得初始的图像变换参数，对待配准图像进行变换后采用基于特征映射的配准算法进一步优化获取更精确的图像配准参数。为加快图像配准速度并提高配准精度，采用了图像金字塔结构进行分层优化求解。本发明提出的方法适用于多模图像配准，能够提高图像配准的成功率，减小了图像配准误差。
-
公开(公告)号：CN102637949A
公开(公告)日：2012-08-15
申请号：CN201210127384.4
申请日：2012-04-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种双偶极结构的双频太赫兹波天线。本发明包括双偶极光电导天线层和基体，双偶极光电导天线层与基体相连接，且双偶极光电导天线层几何中心与基体几何中心的连线垂直于两者的相接平面。信号输入端位于双偶极光电导天线层的中心位置，信号输出端与信号输入端对应，位于基体的中心位置。双偶极光电导天线层包括双偶极结构和传输线结构，双偶极结构包括第一直角结构、第二直角结构、第三直角结构、第四直角结构，该四个直角结构中心对称，且结构相同；传输线结构包括扼流圈结构和交叉电极结构；交叉电极结构嵌入扼流圈结构正中间。本发明具有结构简单、尺寸小、体积小、重量轻、便于制作及易于集成等优点。
-
公开(公告)号：CN112487912B
公开(公告)日：2024-02-06
申请号：CN202011331077.9
申请日：2020-11-24
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/084 , G06T7/73
Abstract: 本发明公开了基于改进YOLOv3的任意方向舰船检测方法。首先，检测网络能同时输出垂直框和旋转框的预测结果。其次，基于垂直框和旋转框预测结果定义了多任务损失函数。最后，采用基于旋转框的非极大值抑制方法剔除重叠检测结果时，通过融合垂直框和旋转框预测结果进行目标方位角估计校正，以进一步提高检测性能。本发明提出的改进模型适用于纯海洋背景下SAR图像中的舰船目标检测，能够准确估计目标的方位角，并满足舰船目标检测的实时性需求。
-
公开(公告)号：CN112307743A
公开(公告)日：2021-02-02
申请号：CN202011173078.5
申请日：2020-10-28
Applicant: 杭州电子科技大学
IPC: G06F40/211 , G06F40/284 , G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明设计了一种基于K‑max池化的卷积网络事件识别方法。传统的卷积神经网络可以最大池化抽取句中的事件信息，但是由于句中可能存在多个事件，传统的最大池化有可能丢失有价值的事件信息而导致识别任务精度下降。针对这个问题，提出了利用K‑max池化的替代传统的最大池化的卷积网络，最大可能保证事件信息的完整性。首先，利用Glove进行词向量表示，然后进行特征提取，包含词汇特征、实体特征和句子特征的提取，最后对句中的单词进行分类预测以识别其对应的事件类型。与传统的CNN网络模型提取的特征相比，拥有K‑max池化的卷积网络能充分捕捉事件的特征，最大利用事件特征，从而实现事件类型的精准识别效果。
-
公开(公告)号：CN110929560A
公开(公告)日：2020-03-27
申请号：CN201910963482.3
申请日：2019-10-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开融合目标检测与跟踪的视频半自动目标标注方法，首先在视频图像中选定某一帧为初始帧，手动标记目标的初始位置，确定目标的类别标签。在后续帧中，融合基于图像的目标检测算法和基于图像序列的视频目标跟踪算法估计目标在图像中的位置；本发明根据目标跟踪算法判断目标标注是否结束。若结束，根据每一帧目标的显著值大小，提取视频关键帧，得到目标标注结果，否则继续估计目标在视频图像中的位置；本发明基于目标显著性提取视频关键帧的方法，使关键帧能反映目标变化的多样性。本发明采用多镜头多舰船的视频进行实验测试，验证了本发明提出方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
