-
公开(公告)号：CN114648722B
公开(公告)日：2023-07-18
申请号：CN202210362715.6
申请日：2022-04-07
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06V20/40 , G06V40/20 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于视频多路径时空特征网络的动作识别方法，包括：获取待识别的视频，根据帧率从视频中抽取若干张图像并对图像进行预处理；按照不同的采样率分别从预处理后的若干个图像中抽取不同数量的图像，形成多个图像序列；建立时空特征网络模型，时空特征网络模型包括多个特征提取模块，各图像序列一一对应输入至特征提取模块获取时空特征矩阵；将各特征提取模块输出的时空特征矩阵聚合，输出特征向量；利用分类器对特征向量进行分类检测，以概率最高的类别作为检测结果。该方法能够大幅提升动作视频分类的准确度，并有助于增强网络模型对动作视频的理解，显著提升鲁棒性，从而能够应对现实生活中的复杂场景。
-
公开(公告)号：CN116012950A
公开(公告)日：2023-04-25
申请号：CN202310117822.7
申请日：2023-02-15
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多重心时空注意图卷积网络的骨架动作识别方法，包括：对预处理后的人体行为视频进行一阶骨骼信息提取并形成第一骨架序列；将第一骨架序列转换为第二骨架序列；获取每帧图像的二阶骨骼信息；根据四种流态数据对应建立四类训练集和标签；建立多重心时空注意图卷积网络模型并训练；将待识别的人体行为视频输入训练好的模型，获取对应的初始预测结果和softmax分数；根据初始预测结果利用多重心特征融合单元计算对应权重系数；采用特征融合模块将各softmax分数进行加权融合获得骨架动作识别结果。该方法可结合数量更多、特征更明显的关节数据以实现人体行为预测，提高预测精确度。
-
公开(公告)号：CN114821640B
公开(公告)日：2023-07-18
申请号：CN202210381360.5
申请日：2022-04-12
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了基于多流多尺度膨胀时空图卷积网络的骨架动作识别方法，包括：获取人体行为视频并预处理；从预处理后的视频中提取每帧图像的人体骨架数据形成骨架序列；填充骨架序列形成新的骨架序列；基于新的骨架序列获取每帧图像的二阶信息数据；基于二阶信息数据的类别和新的骨架序列分别对应建立训练集和标签；建立膨胀时空图卷积网络模型；将各类训练集和标签输入膨胀时空图卷积网络模型进行训练；将待识别的视频建立训练集后输入预训练好的模型，获取的融合结果即为最终预测结果。该方法可更好地获取网络不同层的语义信息，并在不增加计算量的情况下结合数量更多、特征更明显的关节数据实现人体行为预测，大大提高人体行为的预测精确度。
-
公开(公告)号：CN114821640A
公开(公告)日：2022-07-29
申请号：CN202210381360.5
申请日：2022-04-12
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了基于多流多尺度膨胀时空图卷积网络的骨架动作识别方法，包括：获取人体行为视频并预处理；从预处理后的视频中提取每帧图像的人体骨架数据形成骨架序列；填充骨架序列形成新的骨架序列；基于新的骨架序列获取每帧图像的二阶信息数据；基于二阶信息数据的类别和新的骨架序列分别对应建立训练集和标签；建立膨胀时空图卷积网络模型；将各类训练集和标签输入膨胀时空图卷积网络模型进行训练；将待识别的视频建立训练集后输入预训练好的模型，获取的融合结果即为最终预测结果。该方法可更好地获取网络不同层的语义信息，并在不增加计算量的情况下结合数量更多、特征更明显的关节数据实现人体行为预测，大大提高人体行为的预测精确度。
-
公开(公告)号：CN114821420B
公开(公告)日：2023-07-25
申请号：CN202210448080.1
申请日：2022-04-26
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
IPC: G06V20/40 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多时间分辨率时态语义聚合网络的时序动作定位方法，包括：获取原始视频并进行预处理，预处理为从原始视频中提取特征序列并注释标签；复制特征序列为N＇份，并通过卷积层将复制后的各特征序列的时间分辨率调整为不同值；建立多时间分辨率时态语义聚合网络；将时间分辨率调整后的各特征序列一一对应输入子模块，采用分类损失和回归损失训练多时间分辨率时态语义聚合网络；利用训练好的多时间分辨率时态语义聚合网络预测待识别视频的动作开始时间、动作结束时间、动作种类和置信分数。该方法可获得更灵活更具鲁棒性的上下文关系表达，并大大提高计算能力和时序动作定位的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116012950B
公开(公告)日：2023-06-30
申请号：CN202310117822.7
申请日：2023-02-15
Applicant: 杭州电子科技大学信息工程学院 , 杭州电子科技大学
IPC: G06V40/20 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多重心时空注意图卷积网络的骨架动作识别方法，包括：对预处理后的人体行为视频进行一阶骨骼信息提取并形成第一骨架序列；将第一骨架序列转换为第二骨架序列；获取每帧图像的二阶骨骼信息；根据四种流态数据对应建立四类训练集和标签；建立多重心时空注意图卷积网络模型并训练；将待识别的人体行为视频输入训练好的模型，获取对应的初始预测结果和softmax分数；根据初始预测结果利用多重心特征融合单元计算对应权重系数；采用特征融合模块将各softmax分数进行加权融合获得骨架动作识别结果。该方法可结合数量更多、特征更明显的关节数据以实现人体行为预测，提高预测精确度。
-
公开(公告)号：CN114821420A
公开(公告)日：2022-07-29
申请号：CN202210448080.1
申请日：2022-04-26
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于多时间分辨率时态语义聚合网络的时序动作定位方法，包括：获取原始视频并进行预处理，预处理为从原始视频中提取特征序列并注释标签；复制特征序列为N＇份，并通过卷积层将复制后的各特征序列的时间分辨率调整为不同值；建立多时间分辨率时态语义聚合网络；将时间分辨率调整后的各特征序列一一对应输入子模块，采用分类损失和回归损失训练多时间分辨率时态语义聚合网络；利用训练好的多时间分辨率时态语义聚合网络预测待识别视频的动作开始时间、动作结束时间、动作种类和置信分数。该方法可获得更灵活更具鲁棒性的上下文关系表达，并大大提高计算能力和时序动作定位的准确性。
-
公开(公告)号：CN114648722A
公开(公告)日：2022-06-21
申请号：CN202210362715.6
申请日：2022-04-07
Applicant: 杭州电子科技大学 , 杭州电子科技大学信息工程学院
Abstract: 本发明公开了一种基于视频多路径时空特征网络的动作识别方法，包括：获取待识别的视频，根据帧率从视频中抽取若干张图像并对图像进行预处理；按照不同的采样率分别从预处理后的若干个图像中抽取不同数量的图像，形成多个图像序列；建立时空特征网络模型，时空特征网络模型包括多个特征提取模块，各图像序列一一对应输入至特征提取模块获取时空特征矩阵；将各特征提取模块输出的时空特征矩阵聚合，输出特征向量；利用分类器对特征向量进行分类检测，以概率最高的类别作为检测结果。该方法能够大幅提升动作视频分类的准确度，并有助于增强网络模型对动作视频的理解，显著提升鲁棒性，从而能够应对现实生活中的复杂场景。
-
公开(公告)号：CN120014476A
公开(公告)日：2025-05-16
申请号：CN202510056238.4
申请日：2025-01-14
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06V10/82 , G06V10/764 , G06V10/26 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种通用遥感数据解译系统、方法、设备及介质，属于图像处理技术领域，系统包括：遥感数据模块，用于存储遥感数据集；基础模型模块，用于集成基础模型；解译模块，用于集成解译算法；统一训练模块，用于根据训练指令，对基础模型进行训练；所述训练指令至少包括加载遥感数据集的一种或多种组合、加载基础模型的一种或多种组合以及加载解译算法的一种或多种组合；模型验证模块，用于对每次训练完的基础模型进行验证与评估；解决了遥感数据解译任务繁多，且各任务之间所需的算法差异较大，难以应对多任务、多模态的需求的技术问题。
-
公开(公告)号：CN119997546A
公开(公告)日：2025-05-13
申请号：CN202510087186.7
申请日：2025-01-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种张应变高空穴迁移率场效应晶体管，包括：基衬底、基板、缓冲层、势垒层、插入层、空间隔离层、空穴供给层、源电极、漏电极和栅电极；基板采用多晶AlN材料，基板上开设有多个盲孔；在基板上生长缓冲层时，缓冲层的材料在基板表面和多个盲孔侧壁生长并合并以引入张应变；势垒层位于缓冲层上，插入层位于上述势垒层上，空间隔离层位于上述插入层上，空穴供给层位于空间隔离层上，源电极、漏电极和栅电极位于空穴供给层上。本发明还公开了一种张应变高空穴迁移率场效应晶体管的制备方法。本发明通过在开有盲孔的多晶AlN基板上进行p沟道异质结的外延，可以对应力的引入和分布进行精准控制从而来实现空穴迁移率的提升。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.035 seconds)
