-
公开(公告)号：CN118035773A
公开(公告)日：2024-05-14
申请号：CN202410433845.3
申请日：2024-04-11
Applicant: 浙江公路水运工程咨询集团有限公司 , 杭州电子科技大学 , 浙江省交通运输科学研究院
IPC: G06F18/23 , G06F18/214 , G06F18/2433 , G06N20/20
Abstract: 本发明属于基于深度学习的异常检测技术领域，具体涉及基于特征聚类的批量二次规划交通异常检测方法及系统。方法包括：S1，获取交通异常检测数据集；S2，数据预处理；S3，构建深度学习模型；S4，构造支持向量数据描述二次规划函数，将批次数据分为模糊集和确定集；S5，构建特征聚类模块，对模糊集进行特征聚类；S6，将聚类结果融入确定集中进行异常暴露；S7，定义模型损失函数，对经过聚类优化的数据进行约束；S8，参数设置；S9，迭代超球参数，保存训练模型；S10，导入参数，将待检测的交通数据输入模型进行异常检测.本发明缓解了因为异常数据稀疏且随机，导致分类边界模糊不清的问题，提高了异常检测效率和精度。
-
公开(公告)号：CN118053047A
公开(公告)日：2024-05-17
申请号：CN202410433840.0
申请日：2024-04-11
Applicant: 浙江公路水运工程咨询集团有限公司 , 杭州电子科技大学 , 浙江省交通运输科学研究院
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06V10/82 , G06N3/088
Abstract: 本发明属于基于重构方法的异常检测技术领域，具体涉及基于伪标签的无监督重构网络异常检测方法及系统。方法包括：S1，将交通异常视频数据转换为有标签图像数据；S2，将有标签图像数据集制作成无标签的交通异常图像数据集，并划分为训练集和测试集；S3，构建深度学习网络，并进行特征提取；S4，通过构建距离约束来对图像特征进行分类，根据分类结果提供区分正常样本和异常样本的伪标签；S5，根据伪标签对图像特征进行基于VAE网络的双反馈特征重构；S6，计算图像特征重构的峰值信噪比作为异常检测分数，实现图像异常检测；S7，利用损失函数进行深度学习网络训练；S8，利用测试集对模型性能进行测试并保留最优训练权重。
-
公开(公告)号：CN118035773B
公开(公告)日：2024-08-02
申请号：CN202410433845.3
申请日：2024-04-11
Applicant: 浙江公路水运工程咨询集团有限公司 , 杭州电子科技大学 , 浙江省交通运输科学研究院
IPC: G06F18/23 , G06F18/214 , G06F18/2433 , G06N20/20
Abstract: 本发明属于基于深度学习的异常检测技术领域，具体涉及基于特征聚类的批量二次规划交通异常检测方法及系统。方法包括：S1，获取交通异常检测数据集；S2，数据预处理；S3，构建深度学习模型；S4，构造支持向量数据描述二次规划函数，将批次数据分为模糊集和确定集；S5，构建特征聚类模块，对模糊集进行特征聚类；S6，将聚类结果融入确定集中进行异常暴露；S7，定义模型损失函数，对经过聚类优化的数据进行约束；S8，参数设置；S9，迭代超球参数，保存训练模型；S10，导入参数，将待检测的交通数据输入模型进行异常检测.本发明缓解了因为异常数据稀疏且随机，导致分类边界模糊不清的问题，提高了异常检测效率和精度。
-
公开(公告)号：CN118053047B
公开(公告)日：2024-07-23
申请号：CN202410433840.0
申请日：2024-04-11
Applicant: 浙江公路水运工程咨询集团有限公司 , 杭州电子科技大学 , 浙江省交通运输科学研究院
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06V10/82 , G06N3/088
Abstract: 本发明属于基于重构方法的异常检测技术领域，具体涉及基于伪标签的无监督重构网络异常检测方法及系统。方法包括：S1，将交通异常视频数据转换为有标签图像数据；S2，将有标签图像数据集制作成无标签的交通异常图像数据集，并划分为训练集和测试集；S3，构建深度学习网络，并进行特征提取；S4，通过构建距离约束来对图像特征进行分类，根据分类结果提供区分正常样本和异常样本的伪标签；S5，根据伪标签对图像特征进行基于VAE网络的双反馈特征重构；S6，计算图像特征重构的峰值信噪比作为异常检测分数，实现图像异常检测；S7，利用损失函数进行深度学习网络训练；S8，利用测试集对模型性能进行测试并保留最优训练权重。
-
公开(公告)号：CN118485672A
公开(公告)日：2024-08-13
申请号：CN202410498728.5
申请日：2024-04-24
Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于眼动数据掩码的图像分割方法及装置，通过观察数据集中的原始图像获取眼动数据，并根据眼动数据获取标准差掩码，以标准差掩码作为高斯滤波的标准差对原始图像进行处理，使眼动数据与原始图像进行融合，获取眼动掩图；眼动掩图中被注视部位较模糊，使用图像分割模型捕捉并学习眼动掩图中目标部位的特征更加困难，从而在医学图像数据不足的情况下有效提升分割模型的精度，改善医学图像的分割效果。同时，本发明在训练集构建过程中可以在专业人员阅读医学影像的同时记录眼动数据，不会影响正常的工作流程，且操作简单，节约人力成本。
-
Patent Agency Ranking
公开(公告)号：CN118820762A
公开(公告)日：2024-10-22
申请号：CN202410799944.3
申请日：2024-06-20
Applicant: 杭州电子科技大学平湖数字技术创新研究院有限公司
IPC: G06F18/2132 , G06F18/2136 , G06F18/214
Abstract: 本发明提出了一种基于动态调整多采样区域的低维K中心数据遴选的方法及系统。方法包括：S1、根据损失预测网络度量未选择训练数据集中样本不确定性；S2、根据样本的不确定性对未选择的训练数据集中的样本进行排序；S3、根据排序后的结果，将未选择训练数据集中样本按不确定性划分为不确定性最大和不确定性渐进多个采样区域；S4、迭代过程中动态调整区域权重调整多个采样区域的大小；S5、将多采样区域内样本特征投影到低维空间；S6、在低维空间中K中心贪婪采样，选择出具有代表性的样本添加到训练子集；S7、根据S6中的训练子集训练目标模型和损失预测网络，并根据训练后的损失预测网络，执行S1到S6，直到训练子集样本数量达到预先设定个数。
-
公开(公告)号：CN118247575A
公开(公告)日：2024-06-25
申请号：CN202410449221.0
申请日：2024-04-15
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了基于多域交互构建和情景感知优化的小样本异常检测方法及系统，方法如下：1，将多个道路情境下的交通异常视频转化为带标签的图像数据集；2，对图像数据集进行预处理并根据小样本学习训练要求构造相应的情景任务；3，将每个情景任务的图像输入骨干网络中进行特征提取，利用顺序特征嵌入将图像特征映射到多个特征域空间，计算同类样本特征平均值得到多域原型；4，将多域原型输入多域交互结构；5，基于当前情景任务对多域原型进行自适应通道分组；6，利用每个情景任务下的类间关系调整域内通道组的加权；7，通过损失函数进行小样本学习下的深度训练；8，对训练好的小样本分类模型进行性能测试，保留推理性能最优的模型训练参数。
-
公开(公告)号：CN112381179B
公开(公告)日：2024-02-23
申请号：CN202011436576.4
申请日：2020-12-11
Applicant: 杭州电子科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/045 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于双层注意力机制的异质图分类方法，包括步骤：S11.对不同类型节点的特征向量进行映射操作，得到目标节点和与目标节点相对应的邻域节点在同一实体空间的特征向量；S12.根据得到的特征向量，并基于双层注意力中的类型级注意力和节点级注意力，从类型级注意力到节点级注意力自顶向下地学习不同类型邻居和不同相邻节点间的权重；S13.根据得到的权重构建异质图，得到分类模型；S14.将测试数据输入至得到的分类模型中，输出最终分类结果。
-
公开(公告)号：CN117115888A
公开(公告)日：2023-11-24
申请号：CN202311066826.3
申请日：2023-08-23
Applicant: 杭州电子科技大学
IPC: G06V40/16 , A61B5/08 , A61B5/00 , G06V20/40 , G06V10/774 , G06V10/82 , G06V10/42 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于注意力的三维卷积神经网络和变换器的呼吸率估计方法及系统，变换器用于捕捉人脸视频的长期依赖关系和全局特征，三维卷积神经网络用于提取人脸细微颜色变化，并在其中引入局部注意力模块提高特征提取能力。方法包括如下步骤：1)数据预处理阶段：将原始人脸视频分解为人脸图像帧集合，将集合分为训练集和测试集，同时对人脸图像帧进行人脸检测以及人脸裁剪，最后进行数据归一化；2)训练阶段：首先基于三维卷积神经网络和变换器构建模型，然后基于训练集完成模型训练；3)测试阶段：使用训练好的模型基于测试集进行模型性能测试，获取人脸视频对应的呼吸率。本发明提高了从人脸视频估计呼吸率的准确性。
-
公开(公告)号：CN116934820A
公开(公告)日：2023-10-24
申请号：CN202310933471.7
申请日：2023-07-27
Applicant: 杭州电子科技大学
IPC: G06T7/33 , G06T7/00 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了基于交叉注意力的多尺寸窗口Transformer网络布匹图像配准方法及系统，方法包括：处理布匹图像对，并划分为训练集和测试集；创建双通道的Transformer结构网络，将输入图像对分别划分为相同大小的图像块并线性编码，分别提取固定图像和移动图像的特征；来自双通道网络的特征块通过交换输入的顺序，通过两个CAT的多尺寸窗口方法获得交叉注意力，将两个输入特征融合成一个注意力信息；将交叉融合后的特征块之间分别采用跳跃连接进行聚合特征，获取输出形变场；利用得到的形变场和空间变换网络对布匹图像进行变形，得到配准后的图像，并计算固定图像和配准图像的相似度；将配准后的布匹图像与固定图像进行差分操作，根据差分后的图像的像素识别瑕疵布匹。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.199 seconds)
