-
公开(公告)号：CN112906539B
公开(公告)日：2024-04-05
申请号：CN202110172061.6
申请日：2021-02-08
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于EEG数据的物体识别方法。本发明首先利用数据增强、提取技术，对数据进行扩容。然后随机地把数据分成等量的五个部分，进行5折的训练，再然后用ResBlock作为基础结构，构建全新的二维卷积神经网络，把网络的前三层用空洞卷积去代替普通的卷积，利用PReLU作为网络的激活函数，利用Focalloss作为模型的损失函数。使用Perceive实验室在2017年放出的EEG数据物体识别数据集进行模型训练。本发明数据增强可以使得小数据集的数据得到充分的利用。加之采用较深的网络模型，较少的网络参数，尽管数据集中的EEG数据数量较少，也可以尽可能地学习到EEG数据中的能用来识别的特征，因此可以高效、准确地实现对物体的识别任务。
-
Patent Agency Ranking
公开(公告)号：CN112508973A
公开(公告)日：2021-03-16
申请号：CN202011118130.7
申请日：2020-10-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于深度学习的MRI图像分割方法。本发明先利用图像数据增强、提取技术，对数据进行扩容，利用形态学的方法，得到前列腺边缘的标签。然后在U‑Net网络基础上加入IBN模块，把maxpool层改成stride conv层，采用2D和3D卷积结合的方法，作为编码部分；在解码部分中，采用两个解码器，其中一个解码器进行前列腺整体的分割预测，另一个解码器进行单独的前列腺边缘的预测。本发明采用了IN和BN相结合的策略，使得模型泛化能力得到加强。同时，把原本下采样的maxpool层改成stride conv层，使得模型保留图像细节信息的能力得到加强，使得分割的结果更加精细。采用2D和3D卷积相结合的做法进一步提高模型的精度。
-
公开(公告)号：CN112906539A
公开(公告)日：2021-06-04
申请号：CN202110172061.6
申请日：2021-02-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于EEG数据的物体识别方法。本发明首先利用数据增强、提取技术，对数据进行扩容。然后随机地把数据分成等量的五个部分，进行5折的训练，再然后用ResBlock作为基础结构，构建全新的二维卷积神经网络，把网络的前三层用空洞卷积去代替普通的卷积，利用PReLU作为网络的激活函数，利用Focalloss作为模型的损失函数。使用Perceive实验室在2017年放出的EEG数据物体识别数据集进行模型训练。本发明数据增强可以使得小数据集的数据得到充分的利用。加之采用较深的网络模型，较少的网络参数，尽管数据集中的EEG数据数量较少，也可以尽可能地学习到EEG数据中的能用来识别的特征，因此可以高效、准确地实现对物体的识别任务。
-
公开(公告)号：CN110782314A
公开(公告)日：2020-02-11
申请号：CN201910942908.7
申请日：2019-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于边缘计算技术的新型散货零售平台。本发明包括计价平台和零售云服务平台：计价平台包括称重模块、边缘计算平台、数据通信模块、电源模块，用于计算商品总价，与预购进行交互，并上传商品照片、购买人照片和商品购买详情数据至零售云服务平台；零售云服务平台包括数据收发服务器、中间件消息队列、后台处理程序、数据储存模块、前端交互平台，用于对商品购买详情进行进一步分析，获得各特征之间的相关性分析结果。本发明解决了在散货销售过程中，对于不同类型的产品，因为单价不同而需要一名特定人员值守于称台边消耗不必要的劳动力且容易出错的问题，可以获得丰富的销售数据，为商户的销售过程提供指导。
-
公开(公告)号：CN112508973B
公开(公告)日：2024-10-18
申请号：CN202011118130.7
申请日：2020-10-19
Applicant: 杭州电子科技大学
IPC: G06T7/12 , G06T7/155 , G06T5/30 , G06T5/90 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于深度学习的MRI图像分割方法。本发明先利用图像数据增强、提取技术，对数据进行扩容，利用形态学的方法，得到前列腺边缘的标签。然后在U‑Net网络基础上加入IBN模块，把maxpool层改成stride conv层，采用2D和3D卷积结合的方法，作为编码部分；在解码部分中，采用两个解码器，其中一个解码器进行前列腺整体的分割预测，另一个解码器进行单独的前列腺边缘的预测。本发明采用了IN和BN相结合的策略，使得模型泛化能力得到加强。同时，把原本下采样的maxpool层改成stride conv层，使得模型保留图像细节信息的能力得到加强，使得分割的结果更加精细。采用2D和3D卷积相结合的做法进一步提高模型的精度。
-
公开(公告)号：CN110782314B
公开(公告)日：2022-05-03
申请号：CN201910942908.7
申请日：2019-09-30
Applicant: 杭州电子科技大学
IPC: G06Q30/06 , H04L67/12 , H04L67/06 , H04L67/562 , H04L67/125
Abstract: 本发明提供一种基于边缘计算技术的新型散货零售平台。本发明包括计价平台和零售云服务平台：计价平台包括称重模块、边缘计算平台、数据通信模块、电源模块，用于计算商品总价，与预购进行交互，并上传商品照片、购买人照片和商品购买详情数据至零售云服务平台；零售云服务平台包括数据收发服务器、中间件消息队列、后台处理程序、数据储存模块、前端交互平台，用于对商品购买详情进行进一步分析，获得各特征之间的相关性分析结果。本发明解决了在散货销售过程中，对于不同类型的产品，因为单价不同而需要一名特定人员值守于称台边消耗不必要的劳动力且容易出错的问题，可以获得丰富的销售数据，为商户的销售过程提供指导。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
