-
公开(公告)号:CN115270846A
公开(公告)日:2022-11-01
申请号:CN202210650586.0
申请日:2022-06-09
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N20/00 , G06N3/04 , G06N3/08 , A61B5/16 , A61B5/369 , A61B5/374 , A61B5/00
Abstract: 本发明公开了一种多核多源域边缘概率分布自适应网络模型,用多核最大均值差异度量能让模型自动选择合适核函数,以提高模型性能,并且由于在神经网络中不同层的迁移能力不同,并且模型的后几层神经网络对迁移效果最好,在神经网络的最后三层都采用了多核最大均值差异度量的迁移方法,增加模型准确度。
-
公开(公告)号:CN117915204A
公开(公告)日:2024-04-19
申请号:CN202311470718.2
申请日:2023-11-07
Applicant: 杭州电子科技大学
IPC: H04N23/84 , G06T3/4015
Abstract: 本发明公开了一种对于Bayer CFA图像的去马赛克方法。本发明方法利用不同类型Bayer CFA图像之间的隐含相关性,采用pattern embedding和独热编码的方式,提高了特征提取模型对Bayer CFA图像的特征提取能力。在此基础上,通过利用先预训练再微调(Fine‑tune)的训练模式,实现了去马赛克效果的提升。本发明提出了一种改进的transformer模块PSTB,可以对带有编码嵌入标记P的不同类型的Bayer CFA图像进行有针对性的学习,从而可以提高网络的特征提取能力,最终实现得到高水平的标准RGB图像的目的。
-
公开(公告)号:CN117612264A
公开(公告)日:2024-02-27
申请号:CN202311721804.6
申请日:2023-12-14
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的人体动作识别方法。首先获取基于骨架的动作识别数据集。对数据集中的缺失数据进行特征插补,得到补全后的输入序列;通过加权邻接矩阵构造方法,获得改进的加权邻接矩阵;然后根据改进的加权邻接矩阵训练网络框架;网络框架由两部分组成:GCN网络以及SoftMax分类器。最后通过训练好的网络框架对待识别的人体图序列S进行人体动作识别。本发明通过在单个人体动作识别管道中结合缺失联合处理预处理步骤和一种新颖的邻接矩阵构建方法来提高基于GCN的方法的人类动作识别性能。同时本发明的框架更轻量化,具有更少的可学习参数。
-
公开(公告)号:CN102260747B
公开(公告)日:2013-02-13
申请号:CN201110233837.7
申请日:2011-08-16
Applicant: 杭州电子科技大学
IPC: C12Q1/68
Abstract: 本发明公开了一种生物芯片上基于微乳液等温扩增的DNA测序方法。本发明方法首先对玻片表面进行修饰,对待检测的核酸片段进行对应的醛基、氨基或链亲和素修饰;其次将修饰后的待检测的核酸片段和T7gp4引发酶混合物在微乳液中进行扩增;然后把扩增产物固定到修饰后的玻片上,为测序提供模板;最后对固定在生物芯片上的模板进行在片延伸测序。本发明把微乳液等温扩增和生物芯片技术相结合,可高通量﹑快速﹑高灵敏地对核酸进行大规模测序。
-
公开(公告)号:CN102260747A
公开(公告)日:2011-11-30
申请号:CN201110233837.7
申请日:2011-08-16
Applicant: 杭州电子科技大学
IPC: C12Q1/68
Abstract: 本发明公开了一种生物芯片上基于微乳液等温扩增的DNA测序方法。本发明方法首先对玻片表面进行修饰,对待检测的核酸片段进行对应的醛基、氨基或链亲和素修饰;其次将修饰后的待检测的核酸片段和T7gp4引发酶混合物在微乳液中进行扩增;然后把扩增产物固定到修饰后的玻片上,为测序提供模板;最后对固定在生物芯片上的模板进行在片延伸测序。本发明把微乳液等温扩增和生物芯片技术相结合,可高通量﹑快速﹑高灵敏地对核酸进行大规模测序。
-
公开(公告)号:CN117409475A
公开(公告)日:2024-01-16
申请号:CN202311342521.0
申请日:2023-10-17
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于骨骼的3D‑CNN动作识别方法。首先构建基于骨骼的3D‑CNN动作识别网络,包含姿态提取器模块、3D热图体生成模块和动作识别模块;其中姿态提取器模块对视频序列进行目标检测和姿态估计,生成关节信息元组;3D热图体生成模块根据关节信息元组,生成一个3D的热图体;动作识别模块用于对3D热图体进行识别,输出最终的动作结果;最后对网络进行训练,经过训练的网络接收需要进行动作识别的视频,完成动作识别。本发明在健壮性、互操作性上得到提升,通过在3D‑CNN网络模型中添加注意力模块,使网络模型在训练的过程中能注意到不同的特征,从而实现更好的识别动作效果。
-
公开(公告)号:CN110880165A
公开(公告)日:2020-03-13
申请号:CN201910977828.5
申请日:2019-10-15
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于轮廓和颜色特征融合编码的图像去雾方法。本发明构建生成网络和判别网络,将待处理图像输入Generator-Net,首先提取带雾图像的整体轮廓特征,在低级特征编码区提取图像颜色特征,实现轮廓特征的融合编码;在高级语义编码区,实现反向传播过程语义信息的深度解析;融合低级特征编码的输出及高级语义编码的多层输出,通过卷积神经网络进行特征解码,实现图像去雾。在网络学习过程中,将生成的去雾图像和对应的样本标签输入到Discriminator-Net,进一步提升Generator-Net的去雾能力。本发明有效提升去雾图像的可见度、对比度以及鲜明度,对后续图像目标的分析和理解具有重要意义。
-
公开(公告)号:CN118734249A
公开(公告)日:2024-10-01
申请号:CN202410970676.7
申请日:2024-07-19
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/213 , G06F18/24 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多域特征融合网络解码方法。为了克服现有技术中因特征信息利用不充分导致精细动作解码效果差的问题,本发明包括:基于多域特征融合网络中的各个特征提取网络分别解码EEG信号;从每个特征提取网络中分别选取一种解码效果结合得到MFFNCA网络;MFFNCA网络设置两路并行前向的通道,通道一提取时域特征和空域特征,通道二单独提取频域特征,融合两路通道的特征提取结果并通过全连接层与Sigmoid函数完成分类预测。分别提取EEG信号的时域、空域和频域特征,一通道结合通道注意力、残差模块、GRU和CNN增强时空特征;另一通道独立处理频域特征;有效解决了多域特征提取与融合的挑战。
-
公开(公告)号:CN117408900A
公开(公告)日:2024-01-16
申请号:CN202311342526.3
申请日:2023-10-17
Applicant: 杭州电子科技大学
IPC: G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于注意力生成对抗网络的图像和谐方法。首先获取训练需要的图像数据集,然后进行基于注意力生成对抗网络的图像和谐理论建模,构建图像和谐模型;训练基于注意力生成对抗网络的图像和谐模型得到的图像和谐模型权重;最后经过训练的图像和谐模型接收需要进行图像和谐的图片,完成和谐处理后将图片输出。本发明创新的提出了一种基于自注意力的模块,使全局鉴别器能够在不同区域上关注不同的特征,从而更好地判断输入图像的真实性;使得生成器更好和谐前景与后景的特征。
-
公开(公告)号:CN116796221A
公开(公告)日:2023-09-22
申请号:CN202310301807.8
申请日:2023-03-27
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06N3/096 , G06F18/214
Abstract: 本发明公开了一种面向情绪识别的深度迁移学习域自适应方法,包括S1:对原始脑电信号进行采样、处理和特征提取;S2:对目标域数据和源域数据进行特征降维;S3:对降维后的数据进行深度域自适应;S4:进行标签预测;S5:选取不同的被试者作为目标域,重复S2‑S4;S6:在跨批次实验中,选择其中一个试验批次作为目标域数据,剩下的数据作为源域数据,执行S3‑S4。本发明将联合分布自适应与深度卷积神经网络相结合,联合分布自适应方法同时考虑源域数据和目标域数据的边缘分布与条件分布的差异,提高域适应能力;采用三层网络进行多层深度域自适应,通过多层适应,可以很好的弥合边缘分布与条件分布下的域差异,提高网络的迁移能力。
-
-
-
-
-
-
-
-
-