公开(公告)号：CN112580783A

公开(公告)日：2021-03-30

申请号：CN202011487738.7

申请日：2020-12-16

Applicant: 浙江工业大学

Inventor： 周乾伟 ,  刘一波 ,  胡海根 ,  李小薪 ,  周晨 ,  陶俊 ,  吴延壮

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 一种高维深度学习模型向低维迁移知识的跨维度知识迁移方法，1)将n‑1维数据x扩充形成伪n维数据y；2)将y输入教师网络，提取n维特征；3)将教师网络提取的n维特征在第n维度上求特征的均值；4)将x输入学生网络，提取n‑1维特征；5)通过损失函数约束，使学生网络的特征输出逼近教师网络的特征输出；6)按步骤1)～5)重复设定次数，直到学生网络的特征输出与教师网络的特征输出相差小于预设阈值；7)按照步骤1)～6)的方法，可迁移到维度n‑2，直到维度m。当只有低维数据或为了提高算法速度只能采用低维数据时，采用本发明可以得到一个低维模型，其中存储了高维模型的知识，且具备了与高维模型相近的特征提取能力。

公开(公告)号：CN110327048A

公开(公告)日：2019-10-15

申请号：CN201910179287.1

申请日：2019-03-11

Applicant: 浙江工业大学

Inventor： 张文安 ,  吴航宇 ,  徐建 ,  金聪聪 ,  李鹏 ,  胡晨佳 ,  周晨 ,  王佳凤

IPC: A61B5/11

Abstract: 一种基于可穿戴式惯性传感器的人体上肢姿态重建系统，包括下位机硬件平台和人体3D建模上位机，所述下位机硬件平台包括九轴惯性传感器和单片机，所述人体3D建模上位机包括数据通信部分、人体上肢坐标系构建部分及人体3D棍棒模型绘制部分。本发明系统将小型惯性传感器布置在人体多处关节点，通过对动作过程中各肢体部位的惯性数据进行融合与推算得到人体上肢姿态重建结果，最后使用棍棒模型将人体姿态可视化，提供了一种成本低廉、穿戴方便、使用无环境限制、数据更新速率高的人体上肢姿态重建系统。

公开(公告)号：CN111814847B

公开(公告)日：2024-03-26

申请号：CN202010564925.4

申请日：2020-06-19

Applicant: 浙江工业大学

Inventor： 周乾伟 ,  周晨 ,  胡海根 ,  李小薪 ,  郭媛

IPC: G06V10/762 ,  G06V10/74 ,  G06V20/64 ,  G06V10/44

Abstract: 一种基于车辆三维轮廓的聚类方法，通过拍摄实际车辆或者三维模型投影法生成车辆的二值三视图；计算差异矩阵M，即N辆车两两之间的差异性，通过比较三张图中的差异性，得到最大差异值，可以是不同像素点的总数；将M进行归一化，可以以最大差异值为基准；M中元素越大即为不同的像素点个数越多，相互间的差异性越强，为了能够表达相似性以便于聚类，可以将M取反，如M＝1‑M；进行聚类算法，得到K个不同的类。本发明能够可简单快速的实现轮廓聚类，且能够突出车辆姿态估计中所需关键特征上的差异。

公开(公告)号：CN114782360A

公开(公告)日：2022-07-22

申请号：CN202210409195.X

申请日：2022-04-19

Applicant: 浙江工业大学

Inventor： 禹鑫燚 ,  曹铭洲 ,  周晨 ,  欧林林 ,  魏岩 ,  周利波

IPC: G06T7/00 ,  G06N3/12 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/762

Abstract: 本发明涉及基于DCT‑YOLOv5模型的实时番茄姿态检测方法。包括如下步骤：步骤一：设计DCT‑YOLOv5主干网络及损失函数；步骤二：通过人工拍摄的方式对不同角度，不同大小，不同生长条件的番茄进行图像数据采集；步骤三：制作番茄数据集并进行训练；步骤四：将DCT‑YOLOv5压缩模型部署到AGXXavier嵌入式系统上并使用TensorRT进行模型推理加速；步骤五：使用realsense摄像头在AGX Xavier上进行实时番茄检测。本发明用于部署在NVIDIA JetsonAGX Xavier嵌入式开发板上进行实时番茄检测，在保证检测精度的同时，确保了检测的实时性以及模型运算的高效率。

公开(公告)号：CN113160032A

公开(公告)日：2021-07-23

申请号：CN202110333549.2

申请日：2021-03-29

Applicant: 浙江工业大学

Inventor： 周乾伟 ,  刘一波 ,  胡海根 ,  李小薪 ,  周晨 ,  陶俊 ,  吴延壮

IPC: G06T3/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于生成对抗网络的无监督多模态图像转换方法，包括以下步骤：1)同时输入属于A域图像xa以及属于B域图像xb进入图像跨域转换神经网络中；2)编码器将图像拆分编码为图像内容编码c以及域风格编码s；3)针对不同的域图像配置不同的特定域编码m；4)将内容编码c、域风格编码s和特定域编码m融合并解码，生成指定目标域图像；5)判别器对生成器生成的图像进行质量评判；6)按步骤1)～5)重复设定次数，直到网络收敛。本发明旨在没有互相匹配的图像数据情况下，利用深度学习技术，只需单个生成网络即可完成多域的图像生成，高效且有效地实现无监督图像跨域转换。

公开(公告)号：CN206417270U

公开(公告)日：2017-08-18

申请号：CN201621487467.4

申请日：2016-12-31

Applicant: 浙江工业大学

Inventor： 马永攀 ,  闵多多 ,  张家隆 ,  周晨 ,  王栋 ,  姬帅生 ,  谭孝检 ,  陈正军 ,  陈裘鑫 ,  蔡姚杰

IPC: B65B51/06

Abstract: 方形薄膜压紧和束口的装置，属于束口装置技术领域，包括第一气缸、压模板、压膜筒、亚克力版夹、亚克力底板座、第二气缸；所述压模板水平设置，一端固定安装在第一气缸的输出端，另一端固定安装于压膜筒；所述压膜筒中空设置，且竖立设置；压膜筒底端贴合亚克力版夹；所述亚克力版夹有两个，且相互平行设置；两个亚克力版夹间隔设置；所述亚克力版夹一端上部贴合压膜筒，另一端底部固定安装于第二气缸的输出端；所述第二气固定安装于亚克力底板座。该装置提高了效率，节省了繁琐的包装程序，降低了生产成本，提高了机构的竞争力。