-
公开(公告)号：CN113989839A
公开(公告)日：2022-01-28
申请号：CN202111247839.1
申请日：2021-10-26
IPC: G06V40/10 , G06V20/40 , G06F16/783 , G06F16/78
Abstract: 本发明公开了一种基于时间戳的动物神经信号与行为视频的同步分析系统和方法，包括：视频监测装置，实时监测采集动物行为视频；行为分析系统，分析动物行为视频得到行为分析结果；神经信号采集装置，实时采集动物神经信号；计算主控系统，解码分析动物神经信号得到神经分析结果；存储系统，通过标记时间戳的方式同步流式存储动物行为视频和动物神经信号，以事件记录方式存储行为分析结果和神经分析结果；交互控制平台，依据标记时间戳或行为分析结果检索并获取动物行为视频和动物神经信号，并进行在线或离线同步显示和分析，该方法和系统通过标记时间戳和对动物神经信号与动物行为视频的存储，实现神经信号与行为视频的同步分析。
-
公开(公告)号：CN113989839B
公开(公告)日：2024-08-02
申请号：CN202111247839.1
申请日：2021-10-26
IPC: G06V40/10 , G06V20/40 , G06F16/783 , G06F16/78
Abstract: 本发明公开了一种基于时间戳的动物神经信号与行为视频的同步分析系统和方法，包括：视频监测装置，实时监测采集动物行为视频；行为分析系统，分析动物行为视频得到行为分析结果；神经信号采集装置，实时采集动物神经信号；计算主控系统，解码分析动物神经信号得到神经分析结果；存储系统，通过标记时间戳的方式同步流式存储动物行为视频和动物神经信号，以事件记录方式存储行为分析结果和神经分析结果；交互控制平台，依据标记时间戳或行为分析结果检索并获取动物行为视频和动物神经信号，并进行在线或离线同步显示和分析，该方法和系统通过标记时间戳和对动物神经信号与动物行为视频的存储，实现神经信号与行为视频的同步分析。
-
公开(公告)号：CN117058481A
公开(公告)日：2023-11-14
申请号：CN202310958010.5
申请日：2023-08-01
Applicant: 浙江大学医学院附属第一医院 , 浙江大学
IPC: G06V10/774 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G16H50/20 , G16H30/20 , G16H30/40
Abstract: 本发明提供了一种基于人工智能的早期妊娠丢失病理图像识别模型的构建方法，采集得到早期妊娠丢失病理切片集合，分别进行HE染色、P57免疫组化染色和Ki‑67免疫组化染色后通过扫描获取得到HE病理切片图像集合、P57病理切片图像集合以及Ki‑67病理切片图像集合；构建HE/P57/Ki‑67图像识别模型，使用HE/P57/Ki‑67病理切片图像集合训练HE/P57/Ki‑67图像识别模型，得到训练好的HE/P57/Ki‑67图像识别模型。本发明可以提高早期妊娠丢失病理切片图像的识别准确率和效率，可为早期妊娠丢失患者的诊断及治疗提供有效的指导意见。
-
公开(公告)号：CN117809077A
公开(公告)日：2024-04-02
申请号：CN202311600151.6
申请日：2023-11-28
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/40 , G06V20/40 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于浅层时序特征提取和树形融合的可形变物体分类方法和装置，包括获取可形变物体在变形过程的彩色图像序列；采用参数共享的多个浅层时序提取模块通过融合多尺度光流以及历史浅层特征来提取每帧彩色图像的特征；采用树形结构的特征融合模块将所有彩色图像的特征按照树形结构进行特征数量的递归融合，得到一个融合特征作为视频特征；采用全连接层对视频特征分类，其中置信度最大的类别作为可形变物体的最终分类结果。该方法和装置仅需单视角采集的彩色图像序列即可实现高精度的可形变物体分类，同时不需要提供额外视角或类型的传感器数据或人工辅助信息。
-
公开(公告)号：CN116985620A
公开(公告)日：2023-11-03
申请号：CN202310902141.1
申请日：2023-07-21
Abstract: 本发明提供了一种电气与气电集成化动力驱动装置，包括第二气动力系统、电动力系统、第一气动力系统、行星齿轮机构、输出构件、离合器组件和制动器组件；所述第一气动力系统包括压缩机和第一气马达，所述压缩机与第一气马达连接；所述第二气动力系统包括第二气马达；所述离合器组件将所述电动力系统与压缩机连接；所述离合器组件将所述行星齿轮机构分别与第一气马达、电动力系统和第二气马达连接；所述行星齿轮机构与输出构件连接；选择性控制所述离合器组件与制动器组件的接合，提供电动力系统或/和第二气马达与输出构件之间连续的传动比。本发明可通过电驱动和气驱动的单独、串联和混联的组合，实现多种驱动方式。
-
Patent Agency Ranking
公开(公告)号：CN116578929A
公开(公告)日：2023-08-11
申请号：CN202310333346.2
申请日：2023-03-30
Applicant: 浙江大学
IPC: G06F18/2415 , G06F18/214
Abstract: 本发明公开了一种基于自适应采样的异常样本检测方法，包括：准备每个批次的样本集，样本集包括正常样本和异常样本；将每个批次的样本集输入至分类模型中计算正常样本的分类概率和异常样本的异常概率，依据异常概率自适应从训练集的异常样本中采样决策边界周围的异常样本作为训练异常样本；基于训练异常样本的异常概率和正常样本的分类概率计算损失来更新分类模型的参数；参数优化的分类模型作为异常检测模型，依据对待检测样本经过异常检测模型预测的异常概率来判断是否为异常样本。该方法能够实现对未知的异常类进行更准确地检测。
-
公开(公告)号：CN115731423A
公开(公告)日：2023-03-03
申请号：CN202211532573.X
申请日：2022-12-01
Applicant: 浙江大学
IPC: G06V10/764 , G06V10/82 , G06V20/40 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于光流变化量和连续感知设定的可形变物体分类方法和装置，包括以下步骤：获取可形变物体在变形过程的深度图像序列和视频帧序列；采用深度卷积网络计算每帧深度图像中可形变物体的分类结果；依据视频帧序列计算相邻视频帧之间的光流变化量；依据相邻两帧深度图像的分类结果确定相邻视频帧之间的光流变化量的有效性；依据光流变化量的有效性计算每种物体类别的光流变化量累积值；筛选光流变化量累积值最大的物体类别作为变形过程中确定的最终分类结果。该方法和装置以实现提高物体分类鲁棒性和准确性的同时不需要提供额外的传感器数据或人工辅助信息。
-
公开(公告)号：CN113034380A
公开(公告)日：2021-06-25
申请号：CN202110178143.1
申请日：2021-02-09
Applicant: 浙江大学
Abstract: 本发明公开了一种基于改进可变形卷积校正的视频时空超分辨率方法和装置，包括：构建包含特征提取模块、帧间校正模块以及图像重建模块的视频时空超分辨率网络；对视频时空超分辨率进行网络参数优化后备用；应用时，利用特征提取模块从输入低分率的相邻视频帧提取特征图，利用帧间校正模块依据相邻视频帧对应的特征图在进行校正处理合成中间帧特征图，利用及图像重建模块对输入的中间帧特征图和相邻视频帧对应的特征图进行帧间与帧内特征的提取，重建输出高分辨率高帧率的图像序列。通过改进可变形卷积的模式、引入显式光流估计、注意力网络等技巧，使得帧间校正网络更好地胜任视频时空超分辨率任务，大大提升了复原效果。
-
公开(公告)号：CN111191549A
公开(公告)日：2020-05-22
申请号：CN201911337725.9
申请日：2019-12-23
Applicant: 浙江大学
IPC: G06K9/00
Abstract: 本发明公开了一种两级人脸防伪检测方法，包括：构建基于区域人脸防伪卷积神经网络的第一级人脸防伪检测器；构建基于LBP特征的第二级人脸防伪检测器；利用所述第一级人脸防伪检测器对输入的人脸图像进行第一级防伪检测，获得第一级人脸防伪检测结果；在所述第一级人脸防伪检测结果不满足需求时，基于所述第一级人脸防伪检测结果利用所述第二级人脸防伪检测器对输入的人脸区域图像进行第二级防伪检测，获得第二级人脸防伪检测结果；融合所述第一级人脸防伪检测结果和所述第二级人脸防伪检测结果，获得最终人脸防伪检测结果。该方法能够直接使用原始图片进行人脸活体检测，不需要预先对图片进行人脸检测和裁剪，符合实际应用场景。
-
公开(公告)号：CN110191299A
公开(公告)日：2019-08-30
申请号：CN201910300915.7
申请日：2019-04-15
Applicant: 浙江大学
Abstract: 本发明公开了一种基于卷积神经网络的多重帧插值方法，包括：(1)截取连续n帧为一个训练样本组成训练集，(2)对训练样本进行数据增强；(3)构建深度卷积神经网络，包括用于提取尾帧相对于首帧的相位差的相位子网络，用于提取尾帧相对于首帧的运动特征的编码子网络，用于根据相位差和运动特征生成光流场图的多端解码网络，以及对多端解码网络的输出与首帧和尾帧进行融合输出插值图像的合成子网络；(4)设计损失函数；(5)利用训练样本对深度卷积神经网络进行训练，获得多重帧插值模型；(6)输入连续的两帧图像至多重帧插值模型，经计算输出两帧图像之间的插值帧图像。该多重帧插值方法可以处理光照变化较大的场景。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.025 seconds)
