-
公开(公告)号：CN113223081A
公开(公告)日：2021-08-06
申请号：CN202110333628.3
申请日：2021-03-29
Applicant: 浙江工业大学
Abstract: 一种基于背景建模与深度学习的高空抛物检测方法，包括：S1)获取监控摄像头前S帧图像用于建立初始混合高斯背景模型B；S2)从监控视频流中读取最新图像帧与背景模型B进行匹配，确定前景与背景，并更新背景模型B；S3)对前景部分的像素区域通过CNN进行特征提取记录，并剔除错误前景区域；S4)重复S2与S3步骤，将不同时刻运动物体进行特征匹配，形成匹配集合Z；S5)当S4中匹配结束后，对匹配集合Z通过LSTM进行时序分析，确定真正的高空抛物事件，进行记录并及时告警。本发明还提供实施一种基于背景建模与深度学习的高空抛物检测方法的系统。本发明能快速在实地布署进行高空抛物检测，且能检测到最小尺寸为2像素点的物体。
-
公开(公告)号：CN113111731A
公开(公告)日：2021-07-13
申请号：CN202110311489.4
申请日：2021-03-24
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于侧信道信息对深度神经网络灰盒攻击的方法，包括：(S1)：在嵌入式智能设备上运行各种常见的深度学习模型，同时采集设备运行时的各种功耗数据；(S2)：基于侧信道攻击来识别目标模型的基本网络结构；(S3)：利用识别出的网络结构生成等价模型；(S4)：使用训练的等价模型生成对抗样本。本发明还包括一种基于测信道信息的深度神经网络黑盒对抗样本生成系统，由数据采集模块、识别深度学习模型模块、等价模型生成模块和对抗样本生成模块组成；本发明可以根据功耗轨迹使用适当的机器学习算法识别出模型结构，然后利用识别出的模型结构训练出和目标模型有相同决策边界的等价模型，最后利用等价模型生成对抗样本对目标模型进行攻击。
-
公开(公告)号：CN113111204A
公开(公告)日：2021-07-13
申请号：CN202110284003.2
申请日：2021-03-17
Applicant: 浙江工业大学
IPC: G06F16/53 , G06F16/51 , G06F16/55 , G06F16/951 , G06N3/04
Abstract: 一种基于形态判别网络的中药饮片图像数据清洗方法，包括：S1：在常见的图像搜索引擎中，获取常见的中药饮片及其负样本图像数据，按形态分类保存；S2：筛选中药饮片数据，删去不符合要求的图片；S3：使用图像旋转和镜像等操作对各类别图像数据进行扩充，并在负样本数据中添加随机噪声生成的图片；S4：使用形态分类数据训练形态判别网络；S5：从互联网按照中药饮片名称逐类获取中药饮片数据；S6：利用形态判别器对获取的中药饮片图像数据进行清洗。本发明还包括实施发明方法的系统。本发明大大降低了清洗中药饮片图像数据所花费的人力成本和时间成本，而且拥有较好的数据清洗效果。
-
公开(公告)号：CN112712589A
公开(公告)日：2021-04-27
申请号：CN202110023105.9
申请日：2021-01-08
Applicant: 浙江工业大学
Abstract: 一种基于激光雷达和深度学习的植株3D建模的方法，包括以下步骤：1)在多个视角使用激光雷达对植株进行静态扫描，获取不同视角的原始点云数据；2)对步骤1获得的各个激光雷达原始点云数据进行滤波去噪、降采样的预处理；3)从步骤2处理后的激光雷达点云数据中提取语义特征点、对环境中各个目标进行识别；4)对步骤3识别到的目标中进行选定，分离出植株的点云信息；5)对经过步骤4处理的多个点云数据进行拼接；6)对步骤5处理完的点云数据进行网格平滑；7)对步骤6处理完的点云数据进行三维建模。本发明还提供一种基于激光雷达和深度学习的植株3D建模的系统。本发明的植株真实性好、几何精度高，分离效果好。
-
公开(公告)号：CN110751138A
公开(公告)日：2020-02-04
申请号：CN201910857847.4
申请日：2019-09-09
Applicant: 浙江工业大学
Abstract: 一种基于yolov3和CNN的盘头标识识别方法，包括以下步骤：1)盘头图片获取：在实际的生产环境下，通过摄像头采集数据；2)盘头图片处理：先切割出原图中完整的盘头标识，用yolov3模型训练盘头标识的切割；3)再根据切割出的盘头标识图片切割出单个字符图片；4)用CNN卷积神经网络训练盘头标识字符的识别；5)系统调试：将盘头标识切割、字符切割和字符识别整合成一个系统；6)配置树莓派4的环境，移植系统，最后在树莓派上测试。本发明检测速度快和精度高，能提高生产效率和降低成本，具有较高的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110689039A
公开(公告)日：2020-01-14
申请号：CN201910762013.5
申请日：2019-08-19
Applicant: 浙江工业大学
Abstract: 一种基于四通道卷积神经网络的树干纹理识别方法，包括以下步骤S1：树干图像数据集的采集，保证图像的完整性；S2：图像预处理；S3：利用四通道卷积神经网络训练多分类器。本发明可以获取到更丰富的图像特征信息，自动学习出更具有区分度的特征,训练得到的分类器的分类精度和鲁棒性都较高。
-
公开(公告)号：CN109472291A
公开(公告)日：2019-03-15
申请号：CN201811182299.1
申请日：2018-10-11
Applicant: 浙江工业大学
Abstract: 一种基于DNN算法的人数统计分类方法，该方法利用普通的设备搭建无线信道状态数据采集平台，具体的定位可分为两个阶段：离线训练阶段和在线测试阶段。离线阶段采集不同人数时的信道状态信息数据，经过预处理后提取网络特征，并归一化后存入不同人数状态的指纹库，建立人数-特征指纹的映射关系；在线阶段，对数据进行同样处理后利用深度学习算法对测试数据进行检测。为测试分类的准确度，构建了三层隐含层网络，并使用交叉熵损失函数来提高分类精度。本发明为特定场景内的人数估算提供了一个新的技术方案，且能够以较低成本有效实现对不同人群数目的分类检测，本发明在商场营销、公共安全等领域具有一定的应用价值。
-
公开(公告)号：CN109344901A
公开(公告)日：2019-02-15
申请号：CN201811182289.8
申请日：2018-10-11
Applicant: 浙江工业大学
IPC: G06K9/62
Abstract: 一种基于无线信道的驾驶员行车动作检测方法，利用普通的电脑设备搭建无线信道信息数据采集平台，检测分为两个阶段：离线训练阶段和在线测试阶段；离线阶段采集驾驶员在不同动作的信道状态信息数据，经过预处理，然后对数据进行预处理，提取统计特征，并归一化处理后存入不同动作的指纹库，建立动作-数据指纹的映射关系；在线阶段，对数据进行同样的处理，并利用机器学习算法对测试数据进行分类检测；同时，为测试分类的准确度，综合利用了信道状态信息数据的幅度和相位信息，观察三种情况下的分类结果。本发明能够以较低的成本有效实现对行车过程中驾驶员动作检测，本发明在行车安全领域具有一定的应用价值。
-
公开(公告)号：CN108268894A
公开(公告)日：2018-07-10
申请号：CN201810020804.6
申请日：2018-01-10
Applicant: 浙江工业大学
Abstract: 一种基于网络可视图的人体朝向检测方法，利用普通的设备搭建室内无线信道信息数据采集平台，定位分为两个阶段：离线训练阶段和在线测试阶段；离线阶段采集人体在不同朝向的信道状态信息数据，经过预处理，然后对数据进行网络化，提取网络特征，并标准化处理后存入不同朝向的指纹库，建立朝向-数据指纹的映射关系；在线阶段，对数据进行同样的处理，并利用机器学习算法对测试数据进行分类检测；同时，为测试分类的准确度，综合利用了信道状态信息数据的幅度和相位信息，观察三种情况下的分类结果。本发明能够以较低的成本有效实现对室内人员的朝向检测。本发明在体感游戏、盲人识向等领域具有一定的应用价值。
-
公开(公告)号：CN107688955A
公开(公告)日：2018-02-13
申请号：CN201610638258.3
申请日：2016-08-03
Applicant: 浙江工业大学
CPC classification number: G06Q30/0201 , G06F17/30241 , G06F17/3087 , G06F2216/03 , G06K9/6226 , G06K9/6227
Abstract: 一种基于自适应DBSCAN密度聚类的城市商业圈群簇划分方法，包括以下步骤：1)对所有城市的某一种类所有商铺求1-最邻近距离，求得全局DBSCAN聚类半径εG，并计算全体城市所含该类商铺数量分布的上四分位数Q；2)获取城市Ci的所有该类商铺的经纬度数据；3)判断该城市的该类商铺数量是否大于Q家。若大于则单独计算该城市商铺聚类半径εi，MinPts＝1进行DBSCAN密度聚类；否则用全局聚类半径εG，MinPts＝1进行DBSCAN密度聚类。本发明针对商铺数量规模不同的城市，进行不同的商业圈群簇聚类划分策略，提高了地理位置聚类划分结果的鲁棒性，有效地反映了某一种类商铺在不同城市的商业圈布局特点，有利于后续推荐系统发掘用户行为关于地理位置的兴趣点变化。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.028 seconds)
