-
公开(公告)号：CN108550133B
公开(公告)日：2021-05-18
申请号：CN201810174376.2
申请日：2018-03-02
Applicant: 浙江工业大学
Abstract: 一种基于Faster R‑CNN的癌细胞检测方法，所述方法包括以下步骤：步骤1，对数据进行预处理，对数据集进行人工标定，将数据集做成pascal_voc数据集格式，人工标定的目的是得到图片标签，标签为每张图片中癌细胞目标所在位置的左上角和右上角坐标和目标的类别；步骤2，对数据进行初步检测，将所述数据集和图片标签作为深度学习Faster R‑CNN神经网络的训练集，结合RPN及Fast R‑CNN卷积神经网络对数据进行训练，得到最终癌细胞的初检测模型；步骤3，对数据进行再检测，结合CSA算法进行癌细胞的再检测，得到的检测结果结合初检测结果，分析得到最终的癌细胞检测结果。本发明整体检测精度较高。
-
公开(公告)号：CN108650509B
公开(公告)日：2020-08-18
申请号：CN201810293916.9
申请日：2018-04-04
Applicant: 浙江工业大学
IPC: H04N19/14 , H04N19/146 , H04N19/124 , H04N19/85 , G06T9/00
Abstract: 一种多尺度自适应近似无损编解码方法，包括以下步骤：1)将原图像划分为多个大小不同的尺度层级，使用多尺度特征提取器提取不同尺度下的图像特征；2)由细节编码器对不同尺度下的图像特征进行编码，获得原图像的细节隐变量；3)由趋势编码器对最后一层图像特征进行编码，获得原图像的趋势编码隐变量，与细节隐变量共同构成原图像的近似无损编码；4)对趋势隐变量进行解码，获得原图像的模糊轮廓；5)对细节隐变量进行解码，获得原图像的细节信息；6)将解码得到的模糊轮廓与细节信息累加，得到原图像的近似无损还原。以及提供一种多尺度自适应近似无损编解码系统。本发明提高图像的压缩率并解决图像压缩过程中细节丢失的问题。
-
公开(公告)号：CN110189295A
公开(公告)日：2019-08-30
申请号：CN201910303510.9
申请日：2019-04-16
Applicant: 浙江工业大学
Abstract: 一种基于随机森林和中心线的眼底视网膜血管分割方法，包括如下步骤：S01：图像采集；S02：图像预处理；S03：提取特征：对眼底视网膜图像提取基于像素点的融合特征，特征以领域信息，纹理和光照不敏感特征组成；S04：随机森林分类模型训练：以新特征作为随机森林分类器输入，训练分类模型，完成粗分割；S05：提取中心线：提取粗分割血管的中心线；S06：连接中断中心线：搜索中心线像素点，判断相近的端点对，对端点对进行曲率计算，差值的绝对值小于阈值则按曲率连接两个端点；S07：血管补全：重新搜索中心线像素点，对中断处血管进行补全。本发明消除血管图像分割中的血管中断现象。
-
-
公开(公告)号：CN109959122A
公开(公告)日：2019-07-02
申请号：CN201910178740.7
申请日：2019-03-11
Applicant: 浙江工业大学
Abstract: 一种基于长短期记忆循环神经网络的空调能耗预测方法，包括以下步骤：步骤1，采集数据，采集大冲能源公司提供的水冷中央空调项目正常运行的水冷中央空调数据、对应的环境数据；步骤2，对得到正常运行的水冷中央空调数据、对应的环境数据进行数据预处理；步骤3、对数据集进行训练，实现空调能耗预测，采用LSTM‑RNN长短期记忆循环神经网络，将预处理后的数据集和对应的功耗作为LSTM‑RNN长短期记忆循环神经网络的输入，进行网络训练后，得到最终的预测模型；步骤4、将测试数据输入预测模型，得到空调当前工况下的能耗值。本发明简化了模型训练过程，提升了预测准确率。
-
Patent Agency Ranking
公开(公告)号：CN108921092A
公开(公告)日：2018-11-30
申请号：CN201810708545.6
申请日：2018-07-02
Applicant: 浙江工业大学
Abstract: 一种基于卷积神经网络模型二次集成的黑色素瘤分类方法，所述方法包括以下步骤：步骤1.基于随机掩盖来构建多个具有差异性的不同训练集；步骤2.卷积神经网络模型的构建及使用Focal loss作为模型的惩罚函数；步骤3.卷积神经网络模型的集成及二次集成。通过构建多个具有差异的训练集A、B、C等以及使用Resnet的50层卷积神经网络进行训练，最后根据模型的投票结果先进行一次集成，然后在一次集成的基础上再进行二次集成，旨在提高黑色素瘤自动识别分类的性能。
-
公开(公告)号：CN108427963A
公开(公告)日：2018-08-21
申请号：CN201810174573.4
申请日：2018-03-02
Applicant: 浙江工业大学
CPC classification number: G06K9/6268 , G06K9/342 , G06N3/02
Abstract: 一种基于深度学习的黑色素瘤皮肤病的分类识别方法，将原始图像、采用类激活图剪切的图像、医生手工分割的病变区域二值掩膜图像分别进行数据预处理；采用图像分类网络，将它们最后一层进行联合，三种训练集图片分别输入这三个网络，图片正向输入网络，并通过反向传播最小化代价函数更新权值，求出对第一类非增值性损伤皮肤病分类效果最优组合；先采用联合网络1对第一类皮肤病单独分类，再使用联合网络2将剩余数据中的第二类皮肤病分类出来；剩余的就是恶性皮肤病，得到皮肤病分类准确率1；再得到皮肤病分类准确率2；得到皮肤病分类准确率3；将最高的准确率作为最终的结果。本发明有效提高黑色素瘤皮肤病分类识别率。
-
公开(公告)号：CN105843299A
公开(公告)日：2016-08-10
申请号：CN201610207132.0
申请日：2016-04-05
Applicant: 浙江工业大学
IPC: G05D27/02
CPC classification number: G05D27/02
Abstract: 温室环境系统多变量区间控制方法，主要应用于温室生产的多变量控制系统中，通过放宽环境因子的目标控制精度，以“区间”控制目标替代传统的“点”控制目标。其步骤如下：1)初始化控制器参数，设置温室环境因子控制目标区间；2)传感器采集室内的温湿度、CO2浓度等环境因子；3)将采集得到的环境因子值与被控的目标控制区间进行比较，采用控制偏差处理算法得到控制偏差；4)控制器依据偏差进行反馈控制，偏差越大，控制作用越强，经过执行结构调节，实现温室环境多变量区间控制的目标。该方法既有效地克服了因温室环境各因子之间的强耦合性而导致无解这一局限性，又能为控制器经济优化提供广阔的自由度。
-
公开(公告)号：CN105655972A
公开(公告)日：2016-06-08
申请号：CN201610208005.2
申请日：2016-04-05
Applicant: 浙江工业大学
IPC: H02H3/32
CPC classification number: H02H3/32
Abstract: 剩余电流动作保护器自适应漏电保护方法，主要应用于低压电网配电系统的剩余电流动作保护器的安全保护，防止漏电引起人身触电、电气火灾及电气设备损坏等事故。本发明基于正常漏电电流具有随着时间而缓慢变化的这一特性，建立了一种基于误动故障的自适应漏电保护模型，可以根据漏电电流的变化快慢快速识别故障漏电与正常漏电。在判定属于正常漏电电流变化时，自动改变漏电动作档位值，实现自适应漏电保护，克服因正常漏电而产生的误动故障，即能够自适应由于用电设备数量或电网结构的改变，或大气环境的变化等因素而自动调节漏电动作档位值，从而避免漏电保护动作频繁，提高电网的运行率。
-
-
-
-
-
-
-
-
-
Search Results
190
records
(took 0.031 seconds)
