-
公开(公告)号：CN117894067A
公开(公告)日：2024-04-16
申请号：CN202311730776.4
申请日：2023-12-15
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/09 , G06N3/048 , G06N3/047 , G06N3/042
Abstract: 本发明公开了一种基于Transformer与LSTM知识共享网络的动态手势识别方法。首先获取动态手势数据集，应用不同的数据增强方法增加样本数量，得到数据增强后的数据集；之后将数据增强后的数据集中的数据输入Transformer子网络和LSTM子网络分别提取手势序列特征；将手势序列特征直接或融合输入对应分类器，得到对应的离散概率分布；最后输出类别决策，并进行知识共享和监督训练；本发明通过Transformer和LSTM来提取手势序列数据的特征，在理解序列关系的同时能够充分运用手势数据的树状结构。并且使用了知识共享的方法分享分类器中的参数信息，使得分类结果具有更高的准确性。
-
公开(公告)号：CN117834290A
公开(公告)日：2024-04-05
申请号：CN202410031036.X
申请日：2024-01-09
Applicant: 杭州电子科技大学
IPC: H04L9/40 , H04L67/1095 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种非均匀高斯分布下的网络攻击联邦检测方法及系统，该方法首先在客户端采集网络数据和攻击数据构建数据集，获取数据集的分布信息发送到中央服务器。然后中央服务器构建CNN‑Attention神经网络模型并初始化，将初始化全局模型参数下发到各个客户端。然后在客户端构建基于CNN‑Attention神经网络模型的本地模型，使用本地数据集进行训练，并输出网络攻击的检测结果，再将本地模型参数保存成数组发送到中央服务器；最后在中央服务器，接收各个客户端的本地模型参数，对全局模型进行更新，并同步到客户端。本发明对网络数据具有较好的表征能力，对攻击流量具有较高的检测能力。
-
公开(公告)号：CN117612703A
公开(公告)日：2024-02-27
申请号：CN202311579700.6
申请日：2023-11-24
Applicant: 杭州电子科技大学
IPC: G16H50/20 , G16H50/70 , G16H10/60 , G16H15/00 , G06F18/2431 , G06F18/2415
Abstract: 本发明公开了一种基于医学检验指标的糖尿病视网膜病变分类方法，包括如下步骤：S1、患者数据采集和预处理：从医学机构的数据库中获取与糖尿病视网膜病变有关的患者的电子病历和化验报告，从电子病历和化验报告中提取DR相关的检验指标；S2、遍历所有患者及其检验指标，使用基于检验指标间隔的相似度计算方法，得到所有患者之间的检验指标相似度权重，构建三元组 ，进而构建无向加权图G。S3、构建两层GCN的多分类预测模型，输入S2中患者群体图G的特征矩阵H与邻接矩阵A，对分类预测模型进行训练；S4、在实际应用中，输入一名待分类患者的电子病历信息和检验指标数据到S3中训练好的GCN模型，可得到患者DR分类情况概率。
-
公开(公告)号：CN117522813A
公开(公告)日：2024-02-06
申请号：CN202311485313.6
申请日：2023-11-09
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/80 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于ViT进行空域和频域特征融合的光场图像质量评价方法。本发明包括如下步骤：步骤S1：对光场图像进行预处理；步骤S2：对预处理后的光场图像，提取空间‑角度信息和频域‑角度信息并进行融合，得到融合特征图；步骤S3：将融合特征图输入到小样本Transformer编码网络提取失真特征；步骤S4：将得到的失真特征送入分数预测模块，得到客观质量评价分数。本发明提取米字型光场子孔径图像，并将每个方向的子孔径图像拆分成三个堆栈分别输入，在尽可能提供更多的光场角度信息的同时，控制了模型计算的复杂度。本发明使模型能够获取融合了空域、频域以及角度的特征信息。丰富的特征信息有利于模型对失真特征的提取。
-
公开(公告)号：CN114301667B
公开(公告)日：2024-01-30
申请号：CN202111617202.7
申请日：2021-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于WGAN动态惩罚的网络安全不平衡数据集分析方法，针对不平衡数据集中的少类样本构建WGAN模型。在判别器损失函数中添加一项惩罚项，约束损失函数的梯度范数，惩罚项在真实数据分布上叠加一个随机分布作为过渡分布，惩罚项的系数为真实分布与生成分布之间的均方距离。在模型训练过程中，两个数据分布之间的均方距离不断变化，即对判别器损失函数的惩罚是动态更新的，有助于提高模型训练的稳定性和效率。本发明提出的基于WGAN动态惩罚的网络安全不平衡数据集分析方法，通过生成大量少类样本，与原始样本融合，实现数据集的平衡。在基于浅层机器学习算法对数据分类时，实现对原始少类数据的高效正确检测。
-
Patent Agency Ranking
公开(公告)号：CN117408900A
公开(公告)日：2024-01-16
申请号：CN202311342526.3
申请日：2023-10-17
Applicant: 杭州电子科技大学
IPC: G06T5/50 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于注意力生成对抗网络的图像和谐方法。首先获取训练需要的图像数据集，然后进行基于注意力生成对抗网络的图像和谐理论建模，构建图像和谐模型；训练基于注意力生成对抗网络的图像和谐模型得到的图像和谐模型权重；最后经过训练的图像和谐模型接收需要进行图像和谐的图片，完成和谐处理后将图片输出。本发明创新的提出了一种基于自注意力的模块，使全局鉴别器能够在不同区域上关注不同的特征，从而更好地判断输入图像的真实性；使得生成器更好和谐前景与后景的特征。
-
公开(公告)号：CN116912362A
公开(公告)日：2023-10-20
申请号：CN202310793941.4
申请日：2023-06-30
Applicant: 杭州电子科技大学
IPC: G06T11/60 , G06N3/0475 , G06N3/094 , G06F18/24
Abstract: 本发明公开了一种基于分层分类文本指导的真实场景图像编辑方法，首先选取一个层级多标签文本分类模型，将输入的风格描述文本进行层级分类；利用e4e反演模型得到室内场景图像的潜在向量，基于StyleGAN的语义分层特性，将潜在向量进行划分；训练隐空间残差映射器，并分为四组，分别代表场景图像中的布局、对象、属性和颜色细节的生成，并可通过文本分层模型得到的二级词汇对映射模型进行选择性的训练；将文本分类模型得到的三级词汇输入到CLIP网络，并利用CLIP损失控制映射网络的训练；潜在向量通过分层输入映射网络后得到一个偏置向量，与原始向量进行求和后，输入StyleGAN，得到编辑后的图像。本发明实现对于文本指导图像的自动化编辑，减少了人为的手动操控。
-
公开(公告)号：CN116823794A
公开(公告)日：2023-09-29
申请号：CN202310853093.1
申请日：2023-07-12
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T5/00 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于多域失真学习的无参考图像质量评价方法，首先构建基于多域失真学习的无参考图像质量评价模型；然后对输入的失真图像进行退化修复；完成多域失真学习，得到对应的频率特征；再进行多尺度语义特征提取和边缘信息提取；最后根据获得的将多尺度频率特征、多尺度语义特征和图像边缘信息，实现特征融合与质量回归。本发明提出使用多域失真学习方法，帮助模型识别图像信息中的各种噪声，并有效地提高图像质量。本发明在图像语义特征的基础之上引入频域信息来辅助预测质量分数。
-
公开(公告)号：CN116098638A
公开(公告)日：2023-05-12
申请号：CN202310337622.2
申请日：2023-03-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种具有电极自贴合功能的脑电采集眼镜装置。本发明包括眼镜框架、电极、伸缩带和主控盒；其中主控盒包括脑电采集装置、可控伸缩装置、主控装置、加速度检测装置和数据传输装置，通过主控盒中各个装置的协同工作，完成电极松动脱落后的自贴合功能与脑电信号数据采集功能。本发明设计基于可控伸缩装置的脑电电极自贴合设备，保持了脑电采集电极与佩戴者皮肤的贴合良好，增强了对于不同人群的适用性，有利于贴合不同头型的人群，并具有稳定性，解决了传统脑电设备需要被测人员需要保持静息态的问题。同时通过加速度传感器来检测佩戴者是否发生身体活动的功能，并在发生活动后再次开启电极自贴合的功能。
-
公开(公告)号：CN115937143A
公开(公告)日：2023-04-07
申请号：CN202211571542.5
申请日：2022-12-08
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种织物缺陷检测方法，首先构建数据集，对数据集进行预处理；再构建织物缺陷检测R‑CNN网络模型，织物缺陷检测R‑CNN网络模型由4个卷积层和4个最大池化层，及2个全连接层组成，随后训练织物缺陷检测R‑CNN网络模型；最后使用分类阈值降低方法降低FN样本数量；本发明提出了一种新的织物缺陷检测R‑CNN网络模型。该模型不仅提供了良好的特征检测准确性，且运行成本低，易于实施，可以更好地适用于工业环境下的实际操作情况。
-
-
-
-
-
-
-
-
-
Search Results
196
records
(took 0.046 seconds)
