公开(公告)号：CN111612047B

公开(公告)日：2023-06-02

申请号：CN202010355551.5

申请日：2020-04-29

Applicant: 杭州电子科技大学 ,  杭州电子科技大学信息工程学院

Inventor： 张海平 ,  朱新威 ,  李忠金 ,  朱佳斌

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。

公开(公告)号：CN111612047A

公开(公告)日：2020-09-01

申请号：CN202010355551.5

申请日：2020-04-29

Applicant: 杭州电子科技大学 ,  杭州电子科技大学信息工程学院

Inventor： 张海平 ,  朱新威 ,  李忠金 ,  朱佳斌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/10

Abstract: 本发明公开了一种基于属性特征向量和可逆生成模型的零样本图像识别方法。本发明包括以下步骤：步骤S1：使用已知类别的图像数据集训练可逆生成模型；步骤S2：使用经过训练的可逆生成模型生成未知类别的图像数据；步骤S3：根据生成的未知类别的图像数据训练SVM分类器；步骤S4：使用经过训练的SVM分类器对输入图像进行预测和识别。本发明采用一种全新的可逆生成模型解决零样本图像识别问题，借助多个仿射耦合变换将真实数据分布直接映射到多元高斯分布，训练过程简单且可逆，优化目标明确，避免了其他生成模型存在的训练不稳定性，维度重构损失和优化目标复杂等问题。

公开(公告)号：CN117648604A

公开(公告)日：2024-03-05

申请号：CN202311636395.X

申请日：2023-11-30

Applicant: 杭州电子科技大学

Inventor： 孔万增 ,  王海啸 ,  朱佳斌

IPC: G06F18/24 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种基于动态图特征网络的脑机目标读取方法及系统。该系统包括动态时序图构建模块、双分支图池化模块和时序动态注意力模块。时序动态图构建模块捕获了脑电信号通道之间随时间变化的连通性关系。双分支池化模块在对特征进行提纯的过程中保留了局部结构信息与全局结构信息，减少了有效信息的丢失。最后，时序动态注意力模块使模型更加关注与任务相关的表征，从而提高模型整体的分类性能。相比于现有的事件相关电位识别方法，本发明的结果更优。本发明克服了静态图网络在动态捕捉EEG信号通道之间随时间变化的连通性方面的局限性。并且，本发明通过双分支图池化模块与时序动态注意力模块的帮助，模型可以捕获与任务高度相关的特征。

公开(公告)号：CN117653145A

公开(公告)日：2024-03-08

申请号：CN202311664222.9

申请日：2023-12-06

Applicant: 杭州电子科技大学

Inventor： 孔万增 ,  陈承瑞 ,  朱佳斌 ,  唐佳佳 ,  朱莉

IPC: A61B5/372 ,  A61B5/00 ,  G06F18/10 ,  G06F18/213 ,  G06F18/24 ,  G06F18/22 ,  G06N3/092 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于对偶强化学习脑电数据相互生成的目标检测方法。该方法采集多个被试观看相同标签序列时的脑电信号数据。然后将任意两个被试进行配对，尝试互相生成脑电信号，基于对偶学习方法强化训练生成脑电信号的网络模型。然后将一对被试的脑电数据样本输入训练后的生成网络中，得到脑电数据对。针对每个被试的生成脑电数据与原始脑电数据进行相关性分析，选择其中相关性最高的生成脑电数据作为该被试最终的强化脑电数据。使用强化脑电数据与原始脑电数据一同训练检测模型，最后在测试阶段使用该检测模型针对单被试的脑电信号进行目标检测，以解决单一被试容易出现的走神、目标丢失，导致检测结果不佳的问题。

公开(公告)号：CN116310956A

公开(公告)日：2023-06-23

申请号：CN202310142739.5

申请日：2023-02-21

Applicant: 杭州电子科技大学

Inventor： 孔万增 ,  朱佳斌 ,  韩佳楠 ,  金宣妤 ,  朱莉

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/25 ,  G06V10/74 ,  G06V10/82 ,  G06F18/10 ,  G06F18/213 ,  G06F18/214 ,  G06F18/24 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  A61B5/378 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开一种基于人机协同的海量视频复杂目标检索方法。目前，基于机器视觉的智能系统泛化能力较弱，当环境发生变化、目标存在遮挡或呈伪装态时，在海量视频中检索目标仍然需要大量人力介入，费时费力。本发明先根据目标的粗粒度特征使用检索模型在视频库中进行预筛选，将筛选所得的目标候选集制作成脑‑眼协同RSVP范式呈现给被试。被试确定目标后，将其具体特征输入至检索模型中，从而实现在海量视频中对目标的快速定位与循迹。本发明将人类的泛化推理能力与机器的快速检索能力相结合，能够有效提升视频侦查的效率和准确率，具有极强的科学意义和社会意义。

公开(公告)号：CN117275042A

公开(公告)日：2023-12-22

申请号：CN202311291753.8

申请日：2023-10-08

Applicant: 杭州电子科技大学

Inventor： 孔万增 ,  洪晨益 ,  朱佳斌 ,  马龙杰 ,  朱莉 ,  张建海

IPC: G06V40/10 ,  G06V20/40 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了基于事件相关电位的行人重识别视频流复杂目标检测方法。该方法采集了复杂目标在不同场景中出现的视频流，制作成实验范式，采集被试在观看视频内容时的脑电数据。然后对脑电地形图进行分析，标记ERP特征，包括P300和P300‑D，分别对应目标出现与目标消失。构建正负样本对，基于对比表征学习的方法和时空间特征注意力提取的方法来获取类间的本质特征，解决视频范式中样本的极端类不平衡问题和两个相似类间的区分问题，使用circleloss进行反向传播，更新模型参数，使正样本对中两个样本的距离更近，而负样本对中两个样本的距离更远。最后使用训练好的模型判断视频流中是否出现目标，以及目标的出现与消失时间。