公开(公告)号：CN119069109A

公开(公告)日：2024-12-03

申请号：CN202410967070.8

申请日：2024-07-18

Applicant: 浙江工业大学

Inventor： 陈伟杰 ,  李若灵 ,  叶娅芬 ,  陈珂 ,  李波億 ,  刘佳狄

IPC: G16H50/20 ,  G06N3/0895

Abstract: 基于半监督深度非平行支持向量机的智能医疗诊断方法和装置，其方法包括：1)构建和预处理医学数据集；2)增广有监督样本和无监督样本；3)计算重构损失和一致性损失；4)使用置信度筛选高质量伪标签；5)构建分类任务损失函数，其中采用类似“一对余”来处理多分类学习问题；6)构建模型总体损失函数；7)构建医疗诊断分级评估决策函数；8)针对新的医疗样本，预测该样本的分级评估结果。

公开(公告)号：CN114783052A

公开(公告)日：2022-07-22

申请号：CN202210291201.6

申请日：2022-03-23

Applicant: 浙江工业大学之江学院

Inventor： 陈伟杰 ,  张宇星 ,  陈彦榕 ,  毛梦林 ,  沈文增

IPC: G06V40/20

Abstract: 本申请涉及一种基于人体多特征的摔倒识别方法、装置、设备及存储介质。该方法包括：获取待识别视频，将所述待识别视频输入至预设的视频识别模型中；其中，所述待识别视频中包括目标人物；基于所述视频识别模型获取所述目标人物的骨骼关键点的位置数据；基于骨骼关键点的位置数据，判定所述目标任务是否处于摔到状态。本申请实施例通过预先设置的模型确定待识别视频中不同帧图像之间的骨骼关键点之间的差值，确定目标人物是否处于摔倒状态，并且能够有效区分躺下和摔倒两种不同的状态，提高识别的准确性。

公开(公告)号：CN114742809A

公开(公告)日：2022-07-12

申请号：CN202210445348.6

申请日：2022-04-26

Applicant: 浙江工业大学之江学院

Inventor： 陈伟杰 ,  徐敏彰 ,  谢森时 ,  陈彦榕 ,  陈冰 ,  叶彬雅

IPC: G06T7/00 ,  G06T3/60 ,  G06T7/10 ,  G06V10/26 ,  G06V10/40 ,  G06V10/24 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的织物瑕点智能检测方法，涉及纺织品技术领域。本发明包括如下模型训练步骤：步骤1，收集关于织物瑕点的图片，对原图片裁剪旋转等方式操作，主要是对于数据集中较少的类别进行增强使图片数量尽可能平衡，将所有图片按比例分为训练集和验证集。本发明为了防止过拟合，利用裁剪旋转等方式对于较少数量的瑕疵样本进行了数据增强，更有效地提高模型的性能，从而实现准确的预测。本发明基于yolo5‑lite模型，根据织物缺陷判断的特征巧妙地确定了隐含层数数目、各层神经元的数目以及网络参数，也即构建了一个适合检测织物好次的卷积神经网络模型。为具有高准确率的织物瑕疵识别提供了可能。

公开(公告)号：CN108765266A

公开(公告)日：2018-11-06

申请号：CN201810506569.3

申请日：2018-05-24

Applicant: 浙江工业大学之江学院

Inventor： 李春娜 ,  邵元海 ,  陈伟杰 ,  陈少春 ,  王震

IPC: G06T3/00

CPC classification number: G06T3/0031

Abstract: 本发明公开了一种广义2D线性判别分析降维算法。本算法针对在图像识别过程中使用基于向量的方法会遇到样本结构被破坏及奇异性的问题，直接以图像矩阵作为输入，并引入正则项以避免奇异性同时提高算法稳定性；同时，通过考虑任意范数下的散度度量与正则项，使模型对不同数据有自适应性，从而实现鲁棒降维。本发明的算法可以根据用户选择达到理想的鲁棒性；本发明求解过程中避免了奇异性问题；本发明实现了增强算法的泛化性能，控制了模型复杂度，提升了算法准确率；本发明的算法采用一系列凸优化对所提模型进行求解，从而得到有效算法。

公开(公告)号：CN101539944B

公开(公告)日：2010-12-08

申请号：CN200910097612.6

申请日：2009-04-10

Applicant: 浙江工业大学

Inventor： 蒋一波 ,  王万良 ,  郑建炜 ,  陈伟杰 ,  王翊

IPC: G06F17/30

Abstract: 一种基于Haar特征匹配的数字图像内容搜索方法，包括以下步骤：(1)初始化特征模板与数字图库；(2)对给定原始图像进行预处理；(3)对原始图进行Haar特征统计；(4)在图库中搜索与原始图相似的图像。对用户输入的原始图像进行分析，提取原始图像的内容特征，并采用预定义的各类Haar特征来对原始图像进行匹配成功次数统计，找到与用户所提供的原始图像相似或者包含原始图像的数字图像搜索结果。本发明搜索方式直观、搜索结果有效性好。

公开(公告)号：CN115840905A

公开(公告)日：2023-03-24

申请号：CN202211676442.9

申请日：2022-12-26

Applicant: 浙江工业大学

Inventor： 陈伟杰 ,  孙辉锋 ,  陈培 ,  陈彦榕

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2413 ,  G06F18/2431 ,  G06F18/2411 ,  G06F18/2451 ,  G06F18/214 ,  G16H80/00

Abstract: 基于分位数加权稳健支持向量机的姿势估计方法，包括：1)构建基于传感数据的姿势估计数据集；2)对人体姿势估计数据集进行处理。采用“一对余”策略来处理多分类学习问题，即将个类别分类问题，划分为个二分类学习子问题；3)使用分位数法筛选出异常点，然后使用kNN方法计算权重值；4)根据不均衡度和噪声信息，分别设计类内权重矩阵和类间权重矩阵；5)构建基于分位数加权的稳健支持向量机优化模型；6)根据优化问题求解线性方程组；7)获得最优稳健支持向量机姿势类别超平面；8)构建姿势估计决策函数；9)根据手持设备的传感数据，预测人体姿势类别。

公开(公告)号：CN115690677A

公开(公告)日：2023-02-03

申请号：CN202211317205.3

申请日：2022-10-26

Applicant: 浙江工业大学

Inventor： 陈伟杰 ,  陈培 ,  孙辉锋 ,  陈彦榕

IPC: G06V20/52 ,  G06V40/20 ,  G06V10/46 ,  G06V10/764

Abstract: 基于局部直觉模糊支持向量机(LIFSVM)的异常行为识别方法，包括：1)提取样本的局部类别信息，获得样本类内和类间的邻域信息；2)根据不均衡度、样本局部信息和离群点因子，计算样本类内权重和类间权重；3)针对不均衡异常行为识别问题，构造噪声不敏感的LIFSVM优化模型；4)对优化问题进行推导，求解线性方程组获得模型的最优解；5)分别构造异常行为和正常行为的非平行近端超平面，依此得到LIFSVM模型的最优决策函数；6)预测行为是否为危险动作。本发明能提高异常行为的识别率，更精准地完成行为识别任务。

公开(公告)号：CN114581555A

公开(公告)日：2022-06-03

申请号：CN202210195334.3

申请日：2022-03-01

Applicant: 浙江工业大学

Inventor： 张铭传 ,  陈伟杰 ,  邵元海 ,  郑增荣 ,  张军

IPC: G06T11/20 ,  G06T7/11

Abstract: 基于分水岭机制的自适应斜坡单元提取方法，包括：1)对数字高程图进行预处理，生成特征图；2)提高分水岭算法生成初始粗斜坡单元；3)通过特征图提取斜坡单元的对应特征，构建邻接关系以及特征表；4)遍历斜坡单元，找到需要溶解的线段表；5)更新线段表，将可以多溶解的线段标记为统一值；6)将线段标记对应到斜坡单元上，溶解标记相同的斜坡单元，返回步骤三进行迭代，直到满足迭代终止条件。本发明引入了汇流累积量来控制斜坡单元的溶解，使得溶解结果更加的贴近地理特征；使用了多溶解来提高了斜坡单元溶解的效率，减少了迭代的次数；减少了溶解过程中参数的数量，使得斜坡单元不再被多个参数影响结果。

公开(公告)号：CN119962721A

公开(公告)日：2025-05-09

申请号：CN202411965570.4

申请日：2024-12-30

Applicant: 浙江工业大学

Inventor： 蒋一波 ,  周轲 ,  陈伟杰

IPC: G06Q10/04 ,  G06Q50/26 ,  G06V40/10 ,  G06V10/40 ,  G06V10/62 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/044 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于时空融合的自适应行人轨迹预测方法，包括以下步骤：S1：提取不同场景中行人的时间位置特征向量，对信息进行预处理并构建源场景和目标场景的图结构；S2：实现领域特征的对齐，使用图卷积网络GCN和领域自适应技术，调整和整合源轨迹领域与目标轨迹领域之间的时空特征变化，从而完成特征对齐；S3：搭建时间主干网络，编码时间信息，与领域时空特征差异一同作为预测的重要要素，利用多头注意力机制实现时空特征的深度融合，通过自回归迭代实现高精度的行人轨迹预测。本发明有效提升模型的领域泛化能力，有效建模了长期运动模式并实现了预测轨迹的长期演化，使得模型能够自适应调整以应对不同场景间的潜在轨迹差异性。

公开(公告)号：CN115034279A

公开(公告)日：2022-09-09

申请号：CN202210214103.2

申请日：2022-03-07

Applicant: 浙江工业大学之江学院

Inventor： 陈伟杰 ,  毛梦林 ,  沈文增 ,  张宇星 ,  陈彦榕

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于深度网络物体识别模型的智能垃圾分类方法，涉及智能垃圾分类技术领域。本发明包括如下步骤：步骤一：载入yolov5模型，输入待检测的图片或者视频流；步骤二：对输入的图片、视频流进行resize成448X448的图像，根据Z＝L缩/L原可以求得缩放系数Z；步骤三：将图像划分成S×S的网格，对于每个网格预测B个边框；步骤四：判断概率是否大于置信概率阈值Cth resh old。本发明通过分析物体距离特征和物体类别特征，对物体类别进行综合判断，结合这两个特征，只有同时满足这两个特征时才开始进行物体检测，能够有效优先识别近端物体而不是同时识别，大大降低了误判率。