-
公开(公告)号：CN109446933B
公开(公告)日：2021-10-12
申请号：CN201811186863.7
申请日：2018-10-12
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于卷积神经网络的道路场景语义分割方法，其在训练阶段，构建卷积神经网络，其隐层包括5个神经网络块、5个过渡用卷积层、5个跳跃反卷积块、4个级联层；使用原始的道路场景图像输入到卷积神经网络中进行训练，得到对应的12幅语义分割预测图；再通过计算原始的道路场景图像对应的12幅语义分割预测图构成的集合与对应的真实语义分割图像处理成的12幅独热编码图像构成的集合之间的损失函数值，获得卷积神经网络分类训练模型的最优权值矢量和偏置项；在测试阶段，将待语义分割的道路场景图像输入到卷积神经网络分类训练模型中，得到预测语义分割图像；优点是提高了道路场景图像的语义分割效率和准确度。
-
公开(公告)号：CN112633475A
公开(公告)日：2021-04-09
申请号：CN202011516886.7
申请日：2020-12-21
Applicant: 浙江科技学院
Abstract: 本申请提供一种大规模网络突发流量识别模型、方法及模型的训练方法，模型通过TensorFlowOnSpark框架搭建于Spark上，包括依次连接的输入层、第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第五卷积层、第三最大池化层、全连接层和输出层；输入层接收32*32的数据输入形式；第一卷积层采用96个5*5的卷积核、步长设为1；第二卷积层采用192个5*5的卷积核、步长设为1；第三卷积层和第四卷积层均采用384个3*3的卷积核、步长设为1；第五卷积层采用256个3*3的卷积核、步长设为1；每个最大池化层的池化窗口均为2*2、步长均为2；全连接层采用1024个节点；输出层包含2个节点。
-
公开(公告)号：CN110263813B
公开(公告)日：2020-12-01
申请号：CN201910444775.0
申请日：2019-05-27
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于残差网络和深度信息融合的显著性检测方法，其在训练阶段构建卷积神经网络，输入层包括RGB图输入层和深度图输入层，隐层包括5个RGB图神经网络块、4个RGB图最大池化层、5个深度图神经网络块、4个深度图最大池化层、5个级联层、5个融合神经网络块、4个反卷积层，输出层包括5个子输出层；将训练集中的彩色真实物体图像和深度图像输入到卷积神经网络中进行训练，得到显著性检测预测图；通过计算显著性检测预测图与真实显著性检测标签图像之间的损失函数值，得到卷积神经网络训练模型；在测试阶段利用卷积神经网络训练模型对待显著性检测的彩色真实物体图像进行预测，得到预测显著性检测图像；优点是显著性检测准确率高。
-
公开(公告)号：CN111554105A
公开(公告)日：2020-08-18
申请号：CN202010478988.8
申请日：2020-05-29
Abstract: 本发明属于智能交通技术领域，公开了一种复杂交通路口的智能流量识别与统计方法，构建复杂交通路口视频数据集，并训练深度检测模型；通过鼠标取点将路口，自动划分检测区域，并进行编号；运用训练好的深度学习模型检测视频画面中的车辆；根据检测的车辆和上一帧的跟踪车辆，运用目标跟踪算法预测车辆下一帧的位置；根据车辆所在路口编号的变化情况，统计车流量；重复步骤三至步骤五，直到视频结束或人为停止。本发明可以在多种复杂交通路口环境下自动识别车辆类型，按车辆类型统计数量，及统计不同路口之间的车流量，具有统计结果准确以及实时性良好的优点，具有较高的工程实用价值。
-
公开(公告)号：CN110246148A
公开(公告)日：2019-09-17
申请号：CN201910444621.1
申请日：2019-05-27
Applicant: 浙江科技学院
Abstract: 本发明公开了一种多模态的深度信息融合和注意力学习的显著性检测方法，其在训练阶段构建卷积神经网络，隐层包括RGB图神经网络块、RGB图最大池化层、RGB图上采样神经网络块、RGB图融合层、深度图神经网络块、深度图最大池化层、深度图上采样神经网络块、深度图融合层、RGB图深度图融合层、注意力机制模型；将训练集中的彩色真实物体图像和深度图像输入到卷积神经网络中进行训练，得到两幅显著性检测预测图和一幅显著性边界预测图；通过计算得到的三幅预测图各自对应的损失函数值，得到卷积神经网络训练模型；在测试阶段利用卷积神经网络训练模型对待显著性检测的图像进行预测，得到预测显著性检测图像；优点是显著性检测准确率高。
-
Patent Agency Ranking
公开(公告)号：CN109508639A
公开(公告)日：2019-03-22
申请号：CN201811186784.6
申请日：2018-10-12
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于多尺度带孔卷积神经网络的道路场景语义分割方法，其在训练阶段，构建多尺度带孔卷积神经网络，其隐层包括9个神经网络块、5个级联层、6个上采样块；使用原始的道路场景图像输入到多尺度带孔卷积神经网络中进行训练，得到对应的12幅语义分割预测图；再通过计算原始的道路场景图像对应的12幅语义分割预测图构成的集合与对应的真实语义分割图像处理成的12幅独热编码图像构成的集合之间的损失函数值，获得多尺度带孔卷积神经网络分类训练模型的最优权值矢量和偏置项；在测试阶段，将待分割的道路场景图像输入到多尺度带孔卷积神经网络分类训练模型中，得到预测语义分割图像；优点是提高了道路场景图像的语义分割效率和准确度。
-
公开(公告)号：CN109460815A
公开(公告)日：2019-03-12
申请号：CN201811246664.0
申请日：2018-10-25
Applicant: 浙江科技学院
IPC: G06N3/04
Abstract: 本发明公开了一种单目视觉深度估计方法，其先构建卷积神经网络，其包括输入层、隐层和输出层；隐层包括编码框架、译码框架和上采样框架；然后使用训练集中的单目图像作为原始输入图像，输入到卷积神经网络中进行训练，得到训练集中的每幅原始的单目图像对应的估计深度图像；接着通过计算训练集中的单目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值，得到卷积神经网络训练模型及最优权值矢量和最优偏置项；再将待预测的单目图像输入到卷积神经网络训练模型中，并利用最优权值矢量和最优偏置项，预测得到对应的预测深度图像；优点是其预测精度高。
-
公开(公告)号：CN112364915B
公开(公告)日：2024-04-26
申请号：CN202011246415.9
申请日：2020-11-10
Applicant: 浙江科技学院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/084 , G06N3/094
Abstract: 本发明属于人工智能安全技术领域，公开了一种高强度对抗补丁样本生成方法及应用，首先通过Grad‑CAM计算图像中对CNNs分类决策影响较大的区域，并将该区域作为图像的特征贡献区域(CFRs)；然后利用掩膜机制定位该区域，使得能够在确定的特征贡献区域完成加扰。本发明重新定义一个损失函数作为优化的目标函数，进而利用随机梯度下降优化算法并引入超参数寻找高效的扰动，即可获得基于CFRs的对抗样本。本发明通过只在特征贡献区域加扰以及将扰动范围限制在人眼难以察觉的微小范围内，实现了对抗强度和不可感知性之间良好的平衡，在CIFAR‑10和ILSVRC2012数据集上得到了实验验证。本发明产生的对抗样本应用于对抗训练，可有效提高深度学习防御能力。
-
公开(公告)号：CN117291247A
公开(公告)日：2023-12-26
申请号：CN202211240178.4
申请日：2022-10-11
Applicant: 浙江科技学院
IPC: G06N3/082 , G06F17/14 , G06N3/0464
Abstract: 本发明公开了一种基于傅立叶空间的卷积网络鲁棒剪枝方法，涉及鲁棒剪枝领域，旨在解决现有技术中剪枝方法忽略鲁棒性的问题，采用的技术方案是，先建立一个CNN模型，再对其进行傅里叶变换，简化后获得非鲁棒性特征图的滤波器鲁棒性度量公式，再采用局部剪枝的方法对其进行剪枝，最后通过微调提高精确度；通过提出了一种基于傅里叶空间鲁棒性特征的鲁棒filter剪枝算法，其在关注低频区域的同时也关注高频区域信息，通过取平均值的方式简化处理，再通过局部剪枝策略去除鲁棒性低的filter，最终通过微调将剪枝后降低的干净精度恢复，可以在压缩网络的同时提高网络的鲁棒性。
-
公开(公告)号：CN115294711A
公开(公告)日：2022-11-04
申请号：CN202210027672.6
申请日：2022-01-11
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于人工智能的银行安全防御系统，涉及银行安全领域，其技术方案包括安全主机，安全主机的内部包括外部防御系统、内部防御系统、警报系统、远端存储模块和数据传输模块，外部防御系统与警报系统之间通信连接，外部防御系统的内部包括图像系统和深度学习模块，图像系统的内部包括图像采集模块、图像预处理模块和图像存储模块，外部防御系统对外部的图像进行获取，并且对获取到的图像进行处理和识别，通过外部防御系统内部图像系统和深度学习模块的配合使用能够对银行内外的偷盗、抢劫行为进行识别，同时通过警报系统发出警报，从而对犯罪人员进行驱逐，并且通过图像存储模块对图像进行存储，从而便于后续对犯罪人员进行调查。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.028 seconds)
