-
公开(公告)号：CN119917705A
公开(公告)日：2025-05-02
申请号：CN202510397237.6
申请日：2025-04-01
Applicant: 杭州电子科技大学
IPC: G06F16/903 , G06F16/901
Abstract: 本申请公开了一种基于近邻图的向量检索方法及设备，涉及向量检索领域，该方法包括根据向量数据集，采用非中心性卡方分布的积分函数，确定每一向量在整个向量数据集中的中枢性程度；根据所有向量的中枢性程度，得到中枢性程度集合#imgabs0#；根据向量数据集中各个向量之间的相似度距离及#imgabs1#，采用渐进式添加向量的方法，构建近邻图#imgabs2#；对#imgabs3#进行向量中枢性程度遍历计算；基于中枢性程度集合#imgabs4#，对近邻图进行调优裁边操作，得到最终结果近邻图#imgabs5#；以查询对象的特征向量作为查询向量，在#imgabs6#上进行搜索，得到向量检索结果。本申请能够提高基于近邻图的向量检索的精度和效率。
-
公开(公告)号：CN118758978A
公开(公告)日：2024-10-11
申请号：CN202410754312.5
申请日：2024-06-12
Applicant: 杭州电子科技大学信息工程学院
IPC: G01N23/04 , G06V20/68 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G01N21/359 , G01N33/02 , G01N25/00 , G01J5/48
Abstract: 本发明涉及水果成熟度检测领域，公开了一种选频X光技术的水果成熟度检测方法，包括以下步骤：S1、样品准备：选择多种不同种类和品种的水果；S2、多模态数据采集，使用包括选频X光采集、近红外光谱采集、热成像数据采集来获得水果成熟度信息；S3、数据特征提取；S4、多模态特征融合；S5、搭建评估模型；S6、实时在线检测；S7、数据存储分析。通过选频X光技术获取水果内部结构信息，结合近红外光谱技术获取水果化学成分信息，以及热成像技术获取水果表面温度分布，形成多模态数据的综合检测方法，多模态数据融合提高了水果成熟度检测的全面性和准确性，相较于单一模态的检测方法，能够提供更精确和详细的成熟度评估。
-
公开(公告)号：CN110550518A
公开(公告)日：2019-12-10
申请号：CN201910806149.1
申请日：2019-08-29
Applicant: 电子科技大学
Abstract: 本发明公开一种基于稀疏去噪自编码的电梯运行异常检测方法，包括：分别获取电梯正常和异常振动的时域波形；根据正常和异常振动的时域波形得到正常和异常振动的频域波形；根据时域和频域波形制作训练集和测试集；采用单层稀疏去噪自编码对训练集进行学习，得到第一神经网络；采用层叠稀疏去噪自编码以及BP算法对第一神经网络进行调整，得到第二神经网络；采用测试集对第二神经网络进行测试，得到各样本的时域重构误差和频域重构误差，从而得到融合重构误差序列；将融合重构误差序列的中值设为区分正常和异常数据的阈值；利用阈值和第二神经网络判断待检测信号是否异常。本发明能够解决异常样本过少的问题，提高异常检测的效率和准确率。
-
公开(公告)号：CN110490174A
公开(公告)日：2019-11-22
申请号：CN201910799142.1
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于特征融合的多尺度行人检测方法，属于计算机视觉中的行人检测技术领域，解决现有技术中，对行人检测所用的特征融合、多级检测方法会造成小目标检测精度低，或检测时间长、资源需求高，从而无法达到实时性的问题。本发明包括：将获取的行人检测数据集进行预处理；构建基于特征融合的多尺度行人检测卷积神经网络，多尺度行人检测卷积神经网络包括用于特征融合提取的共享卷积神经网络和将融合特征进行检测的尺度子网络；将预处理后的行人检测数据集输入到多尺度行人检测卷积神经网络中进行训练，得到训练好后的多尺度行人检测卷积神经网络；将待检测的行人图像输入到训练好后的多尺度行人检测卷积神经网络，得到最终的检测结果。
-
公开(公告)号：CN109190514A
公开(公告)日：2019-01-11
申请号：CN201810921302.0
申请日：2018-08-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双向长短期记忆网络的人脸属性识别方法及系统，该人脸属性识别方法包括：获取人脸图像数据集；将获取的人脸图像数据集进行图像预处理后，生成人脸图像训练集；构建基于双向长短期记忆网络的深度神经网络，将人脸图像训练集作为输入对所述深度神经网络进行训练，得到深度神经网络模型；将待识别的测试图像输入至训练好的深度神经网络模型进行人脸属性识别。本发明通过改进卷积神经网络，并增加双向长短期记忆网络构建深度神经网络，利用长短期记忆网络对于序列相关性的建模能力，学习不同任务得到的人脸属性特征之间的相关性和特异性，从而提高人脸属性识别的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118777254A
公开(公告)日：2024-10-15
申请号：CN202410769501.X
申请日：2024-06-14
Applicant: 杭州电子科技大学信息工程学院
IPC: G01N21/359 , G01N21/3563 , G01N21/25 , G01N29/06 , G01N33/00 , G06V20/68 , G06V10/82 , G06N3/0464 , G06N3/044
Abstract: 本发明涉及农业科技和食品质量检测技术领域，公开了一种基于近红外波技术的水果成熟度检测方法，包括以下步骤：(a)准备多光谱成像系统、近红外光谱仪、电子鼻设备、超声波成像设备和生物电信号测量设备，并对设备进行必要的预热和校准；(b)在区块链平台上创建一个新的数据记录块，用于存储即将采集的数据，确保数据的不可篡改性和可追溯性；(c)选择待检测的水果样本，放置在检测平台上。通过结合了多光谱成像、近红外光谱、电子鼻、超声波成像和生物电信号测量，实现了对水果成熟度的多维度检测，该综合使用多种检测技术的方法比传统单一技术更全面，可以从不同角度评估水果的成熟度，提高检测的准确性和可靠性。
-
公开(公告)号：CN118777223A
公开(公告)日：2024-10-15
申请号：CN202410754305.5
申请日：2024-06-12
Applicant: 杭州电子科技大学信息工程学院
Abstract: 本发明涉及农产品检测技术领域，公开了一种快速水果成熟度检测方法，包括以下步骤：S1、部署至少一个多光谱成像摄像头在水果的储存或运输容器中，以定期自动捕捉水果的多光谱图像；S2、将捕捉到的多光谱图像通过物联网设备传输至一个中央处理单元；S3、同时，部署至少一个环境传感器以监测水果储存或运输环境的温度、湿度、二氧化碳和乙烯浓度，并将监测数据传输至中央处理单元；S4、中央处理单元接收来自多光谱成像摄像头和环境传感器的数据。通过部署多光谱成像摄像头，解决了水果成熟度间歇性检测问题，达到了实时和连续监测水果成熟度的目的，并且使用非侵入性的多光谱成像技术，解决了传统侵入性检测方法可能导致的水果损伤问题。
-
公开(公告)号：CN109190514B
公开(公告)日：2021-10-01
申请号：CN201810921302.0
申请日：2018-08-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双向长短期记忆网络的人脸属性识别方法及系统，该人脸属性识别方法包括：获取人脸图像数据集；将获取的人脸图像数据集进行图像预处理后，生成人脸图像训练集；构建基于双向长短期记忆网络的深度神经网络，将人脸图像训练集作为输入对所述深度神经网络进行训练，得到深度神经网络模型；将待识别的测试图像输入至训练好的深度神经网络模型进行人脸属性识别。本发明通过改进卷积神经网络，并增加双向长短期记忆网络构建深度神经网络，利用长短期记忆网络对于序列相关性的建模能力，学习不同任务得到的人脸属性特征之间的相关性和特异性，从而提高人脸属性识别的准确度。
-
公开(公告)号：CN110503112A
公开(公告)日：2019-11-26
申请号：CN201910794606.X
申请日：2019-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种增强特征学习的小目标检测及识别方法，属于图像处理、模式识别及计算机视觉领域，解决现有技术中小目标检测与识别任务检测精度低且网络效率低的问题。本发明依次构建基础网络模块、特征提取模块、候选框产生模块和预测输出模块作为小目标检测与识别网络；基于提取小目标样本图像数据，并对提取的小目标样本图像数据进行预处理；得到预处理的小目标样本图像数据输入初始化了参数的小目标检测与识别网络中进行训练，得到训练好后的小目标检测与识别网络；将待预测的小目标图像输入已经训练好的小目标检测与识别网络，通过前向传播，实现端到端地输出小目标的预测框位置与类别信息。本发明用于小目标检测与识别。
-
公开(公告)号：CN118730967A
公开(公告)日：2024-10-01
申请号：CN202410754642.4
申请日：2024-06-12
Applicant: 杭州电子科技大学信息工程学院
IPC: G01N21/359 , G06F18/22 , G06F18/213 , G01N21/55 , G01N21/33 , G01N21/31 , G01N33/02
Abstract: 本发明涉及水果成熟度检测领域，公开了一种多频检测的水果成熟度检测方法，包括以下步骤：S10、设备准备：安装多频光源以及基于色变材料的传感器阵列，并对受检水果样品进行清洁，确保表皮干净；S20、多频光照射与智能材料反应：使用多种频率的光源照射水果，并将智能材料传感器贴附或放置在水果表面：S30、数据采集：检测水果在不同频率光波下的反射、透射和吸收特性，并观察智能材料传感器的颜色变化特征与电学特性变化特征；S40、分析判定方法；S50、成熟度判定；S60、便携数据库建立。通过综合分析光谱数据和传感器响应数据，系统能够准确地判断水果的成熟度，避免了单一检测方法可能带来的误判。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
