-
公开(公告)号：CN114120295B
公开(公告)日：2025-05-13
申请号：CN202111441802.2
申请日：2021-11-30
Applicant: 浙江工业大学
IPC: G06V20/59 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G01S19/52 , G07C5/08
Abstract: 本发明公开了一种融合车内驾驶视频与GPS时速信息的变道行为监控方法，获取车内摄像头采集的方向盘区域图像序列，输入到视觉特征编码模块进行特征提取，得到视觉特征；并获取图像序列中每一帧的GPS速度信息，将其与视觉特征进行融合，得到时域融合特征；最后将时域融合特征转换为频域融合特征，通过频域自注意模块进行变道行为检测，输出变道行为识别结果。本发明不依赖于监控设备与车辆坐标系精确校准，也无需驾驶员佩戴可穿戴式设备，对驾驶员、车辆、驾驶速度和环境变化具有很强的鲁棒性。
-
公开(公告)号：CN117614570A
公开(公告)日：2024-02-27
申请号：CN202311455934.X
申请日：2023-11-03
Applicant: 浙江工业大学
IPC: H04B17/373 , G06V10/764 , G06N3/0455 , H04B17/30 , H04W24/02 , H04N5/262
Abstract: 一种无线节点和障碍物时空图特征聚合的链路质量预测方法，包括以下步骤：1)时空图模型构建；2)基于时空图模型的特征聚合实现链路预测。本发明利用摄像头对移动障碍物位置、大小、类型等进行实时追踪，并结合无线节点位置，构建结构化时空图，并通过时空图特征聚合，实现多步的将来链路质量预测。本发明泛化能力较好、能在任意网络部署中有效提高动态障碍物遮挡条件下链路质量预测性能。
-
公开(公告)号：CN116385454A
公开(公告)日：2023-07-04
申请号：CN202310375706.5
申请日：2023-03-30
Applicant: 浙江工业大学
IPC: G06T7/10 , G06V10/26 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多阶段聚合的医学图像分割方法，通过构建的分割网络模型对待分割医学图像进行处理得到分割结果，分割网络模型包括编码模块和解码模块，在编码模块中，待分割医学图像依次经过四个编码单元，每个编码单元包括CNN卷积分支和Transformer分支，以利用渐进聚合提取多尺度特征；在解码模块中，通过跳跃连接逐层进行解码，得到最终的解码特征，最后通过卷积操作和激活函数处理得到分割结果。本发明逐阶段提取多层次分辨率下图像的互补特征，同时图像的特征表示逐渐被上下文的全局信息和局部细节信息增强，从而提升深度神经网络的性能；适当的阶段性特征的自适应集成有利于表示医学图像中的复杂尺度变化，以实现卷积和自注意力的充分融合。
-
公开(公告)号：CN110730094B
公开(公告)日：2022-06-17
申请号：CN201910889726.8
申请日：2019-09-20
Applicant: 浙江工业大学
IPC: H04L41/14 , H04L41/0823
Abstract: 一种两跳移动的分子通信系统的能量效率优化方法，包括以下步骤：第一步，建立两跳移动的分子通信系统的能量模型，并得到两跳移动的分子通信系统的能量消耗的数学表达式；第二步，建立单跳移动的分子通信系统的的假设检测信道模型，并得到单跳移动的分子通信系统的吞吐量数学表达式；第三步，获取两跳移动的分子通信系统的吞吐量数学表达式，并建立和求解两跳移动的分子通信系统的能量效率优化问题。本发明在时变信道中建立相应的能量消耗模型，通过参数的设置设计高能效数据传递方案，达到较少的能量消耗和较高的平均吞吐量性能，并最终实现最优的能量效率，从而展示了移动的纳米机器之间以高能效的方式进行通信的方案。
-
公开(公告)号：CN111242958B
公开(公告)日：2022-04-08
申请号：CN202010040605.9
申请日：2020-01-15
Applicant: 浙江工业大学
IPC: G06T7/11
Abstract: 一种基于结构特征优化的颈动脉级联学习分割方法，包括以下步骤：步骤1、通过初始分割模型获得预分割S；步骤2、基于分割子区域的距离来优化分割；步骤3、基于中心线端点距离来优化分割；步骤4、基于血管方向和中心线端点向量夹角来优化分割；基于局部语义分割模型的颈动脉预分割、基于全局语义分割模型的颈动脉预分割、融合模型的颈动脉预分割进行处理后，得到优化后的三个分割结果(P’、G’、C’)；步骤5、利用优化后的分割训练新的分割模型：最后利用优化后的预分割结果，结合初始图像进行级联分割模型的训练。本发明利用计算机图像处理技术对医学图像进行处理，能够更加直观地反映病人的具体生理情况。
-
Patent Agency Ranking
公开(公告)号：CN114120295A
公开(公告)日：2022-03-01
申请号：CN202111441802.2
申请日：2021-11-30
Applicant: 浙江工业大学
Abstract: 本发明公开了一种融合车内驾驶视频与GPS时速信息的变道行为监控方法，获取车内摄像头采集的方向盘区域图像序列，输入到视觉特征编码模块进行特征提取，得到视觉特征；并获取图像序列中每一帧的GPS速度信息，将其与视觉特征进行融合，得到时域融合特征；最后将时域融合特征转换为频域融合特征，通过频域自注意模块进行变道行为检测，输出变道行为识别结果。本发明不依赖于监控设备与车辆坐标系精确校准，也无需驾驶员佩戴可穿戴式设备，对驾驶员、车辆、驾驶速度和环境变化具有很强的鲁棒性。
-
公开(公告)号：CN110808796B
公开(公告)日：2021-10-26
申请号：CN201910889729.1
申请日：2019-09-20
Applicant: 浙江工业大学
IPC: H04B17/336 , H04B17/345 , H04B17/391 , H04B13/00
Abstract: 一种单跳移动的分子通信模型的信道容量和比特错误率分析方法，包括以下步骤：第一步，利用泊松分布逼近二项分布得到当前时隙RN收到分子的个数；第二步，建立单跳移动的分子通信模型的假设检测信道模型；第三步，采用最小误差准则得到了最优决策阈值ξopt的数学表达式；第四步，在最优决策阈值ξopt基础上，获得最优的信道容量的和比特错误率。本发明为设计高信道容量和低比特错误率的单跳移动的分子通信系统提供了技术支撑。
-
公开(公告)号：CN112188389A
公开(公告)日：2021-01-05
申请号：CN202010928196.6
申请日：2020-09-07
Applicant: 浙江工业大学
Abstract: 一种基于物理感知信息的节点地理位置学习方法，包括以下步骤：第一步，构造使得移动障碍物能够遍历每两个节点间中点的最佳路径；第二步，首先进行直接学习，令相邻节点间交换移动障碍物出现在中点时的传感器数据，然后进行间接学习，令处于通信半径内的邻居节点间进一步交换直接学习结果，实现邻居节点相对位置学习；第三步，通过汇聚节点发起的一次洪泛，结合邻居节点相对位置学习结果，实现全局位置学习。本发明不依赖于移动障碍物位置信息，也不需要节点与移动障碍物通信，因此其性能仅取决于传感器精度。当传感器能够正确辨识障碍物方位时，节点地理位置学习结果准确度能够达到百分之百。
-
公开(公告)号：CN112132778A
公开(公告)日：2020-12-25
申请号：CN202010804326.5
申请日：2020-08-12
Applicant: 浙江工业大学
Abstract: 一种基于空间传递自学习的医学图像病变分割方法，使用在编码层增加残差块的UNet，可以使得网络更好的收敛；为了增加图像中的空间信息，更好的获取医学图像中常见的低对比度和模糊的边界区域，提出一种对特征图进行切片处理再进行逐层卷积，使得特征可以按行或按列方向有效地空间传递的方法；为了充分利用编码层之间的上下文信息，还提出运用注意力自学习方法，在不需要额外的标签和外部监督的情况下，加强其自身表征学习，并且不会增加基本模型的推理时间，从而提高深度神经网络的性能，这也有效的缓解了关于医学图像数据集较小的问题；在解码器结构采用反向卷积，可以学习一种自适应映射来恢复医学图像这种具有更详细信息的特征。
-
公开(公告)号：CN111275712A
公开(公告)日：2020-06-12
申请号：CN202010040595.9
申请日：2020-01-15
Applicant: 浙江工业大学
Abstract: 一种面向大尺度图像数据的残差语义网络训练方法，包括以下步骤：步骤1、基于全局训练策略的语义分割模型，过程为：步骤1.1下采样数据和标注；步骤1.2Unet模型训练；步骤1.3基于全局的语义分割模型；步骤2、融合全局模型特征并训练基于局部训练策略的语义分割模型，过程为：步骤2.1从原始尺寸的图像中裁切训练数据块；步骤2.2从训练好的全局模型中裁切全局特征块；步骤2.3基于局部语义分割模型的测试/运用。本发明在保证较高准确率的同时，极大地提高工作效率。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.026 seconds)
