“上海交通大学”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果36214个，建议您升级VIP下载更多相关专利

[发明专利]一种基于级联全桥的均流电路及其控制方法-CN202111292367.1有效
发明人：吴西奇;李睿 -专利权人： 上海交通大学
申请日： 2021-11-03 - 公布日： 2023-10-27 - 主分类号： H02M3/335 文献下载
摘要：本发明提供了一种基于级联全桥的均流电路及控制方法，其中，变压器第一、第二副边绕组同名端接到第一、第二全桥电路的第一桥臂中点，第一副边绕组异名端接到第N全桥电路的第二桥臂中点，第二副边绕组异名端接到第一全桥电路的第二桥臂中点；变压器第N副边绕组同名端接到第N全桥电路的第一桥臂中点，异名端接到第N‑1全桥电路的第二桥臂中点；第N全桥电路直流端口与第N电容并联，正端与第N电感连接；第一至第N电感的第二端点相连接，并与输出电容的正端相连接，第一至第N全桥电路直流端口的负端相连，并与输出电容的负端相连接。本发明实现了对绕组和开关的电流均衡，不增加变压器磁芯的体积和最大磁密。
一种基于级联流电及其控制方法

[发明专利]基于主动轮廓模型的无监督医学图像分割方法和系统-CN202110826817.4有效
发明人：张小云;杜连宇;张娅;王延峰;陈思衡;王钰 -专利权人： 上海交通大学
申请日： 2021-07-21 - 公布日： 2023-10-27 - 主分类号： G06T7/11 文献下载
摘要：本发明提供一种基于主动轮廓模型的无监督医学图像分割方法和系统，该方法通过基于人工设置参数的主动轮廓模型生成部分数据的标注用于分割网络的预训练。在分割网络得到预训练后，针对大量不含有标注的新图像，使用分割网络进行预测，得到粗糙的预测结果，再按照设定策略对主动轮廓模型的参数进行自动调整，利用图像底层信息得到更加精确的目标区域轮廓。在经过质量评价网络对生成轮廓进行筛选后，使用较高质量的轮廓作为伪标签进一步对分割网络进行训练。不断循环迭代，实现不依赖人工标注的情况下对图像进行分割。本发明实现了无监督情况下的医学图像分割，在保证准确率的情况下极大地避免对成本高昂的数据标注依赖，具有很好的泛化性。
基于主动轮廓模型监督医学图像分割方法系统

[发明专利]无监督行人重识别方法、系统、终端及介质-CN202111097831.1有效
发明人：杨华;陈琳 -专利权人： 上海交通大学
申请日： 2021-09-18 - 公布日： 2023-10-27 - 主分类号： G06V40/10 文献下载
摘要：本发明提供了一种无监督行人重识别方法及系统，基于图神经网络，包括：提取行人特征作为节点，根据邻域信息构建图卷积神经网络；利用来自带标签的源域数据的先验损失和来自无标签目标数据的一致性损失对图网络进行约束训练；设计递进的交替更新算法用于基于图网络的聚类模块和行人重识别网络之间的相互促进，从而提升最后的性能。同时还提供了一种相应的终端及介质。本发明具有很好的鲁棒性，能更好地应对距离敏感的传统聚类模块的缺陷，得到更准确的伪标签生成，从而帮助下一步的行人特征学习。
监督行人识别方法系统终端介质

[发明专利]一种基于信息物理融合模型的主动配电网优化控制方法-CN202110195060.3有效
发明人：刘东;陈飞;王云;翁嘉明 -专利权人： 上海交通大学
申请日： 2021-02-20 - 公布日： 2023-10-27 - 主分类号： H02J3/00 文献下载
摘要：本发明提供了一种基于信息物理融合模型的主动配电网优化控制方法，包括以下步骤：S1：设置控制周期T；S2：设置控制信号状态向量维数s，建立控制信息转换模型；S3：设置控制控制系统节点连接关系关联矩阵#imgabs0#建立分层分布控制系统模型；S4：初始化时间为起始时刻Time＝t，建立一次系统混合系统模型；S5：建立主动配电网分层布控制系统的信息物理融合模型；S6：构造控制目标函数min J；S7：转化为目标函数中具有二次项的混合整数规划问题并求解一个控制周期内的控制量；S8：执行控制周期s个控制量；S9：时间递推为下一时刻Time＝t+ΔT，若当前时间Time为截止时间则停止，否则转步骤S5，对下一周期进行优化控制。
一种基于信息物理融合模型主动配电网优化控制方法

[发明专利]新型京尼平衍生物，及其制备方法和应用-CN202110246027.9有效
发明人：姜发琴;雷纾雯;吕丹;张勇;杜溢 -专利权人： 上海交通大学
申请日： 2021-03-05 - 公布日： 2023-10-27 - 主分类号： C07H17/04 文献下载
摘要：本发明提供了新型京尼平类衍生物及其制备方法，包括京尼平苷类衍生物和京尼平类衍生物。属于医药药物化学领域，所述京尼平苷类衍生物的结构如式(I)所示：#imgabs0#。
新型平衍生物及其制备方法应用

[发明专利]基于扩散信息的在有雾条件下的水面目标检测方法及系统-CN202110848037.X有效
发明人：贺越生;杨明;孙玉山;曹炳全 -专利权人： 上海交通大学
申请日： 2021-07-27 - 公布日： 2023-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于扩散信息的在有雾条件下的水面目标检测方法及系统，该方法包括：采集待检测区域的有雾图像；利用图像扩散对采集的有雾图像进行图像信息增强；将经过处理后的图像输出；根据输出的图像进行目标检测。该系统包括：图像采集模块、去雾处理模块、图像输出模块以及目标检测模块。通过本发明，基于图像扩散的形成机理来实现图像去雾，可以获得更好的去雾效果，进而可获得更好的目标检测结果。
基于扩散信息条件下水面目标检测方法系统

[发明专利]一种钢木元件木材蠕变耐久性评估的多尺度方法-CN202111019646.0有效
发明人：承颖瑶;刘清风;杨健 -专利权人： 上海交通大学
申请日： 2021-09-01 - 公布日： 2023-10-27 - 主分类号： G16C60/00 文献下载
摘要：本发明提供一种钢木元件木材蠕变耐久性评估的多尺度方法、装置和介质，包括：设置木材细胞壁纤维素聚合物微观仿真参数；建立多场耦合作用下纤维素聚合物的运动方程，构建大规模分子动力学仿真模块；进行木材细胞壁分子微观结构演化模拟并得到具有随机特性的木材细胞壁蠕变曲线；根据微观仿真结果，得到具有随机特性的木材宏观蠕变柔量曲线；建立包含随机特性的Kelvin‑Voigt蠕变模型，利用最小二乘拟合准则识别Kelvin‑Voigt模型中的参数，并标定它们的变异性；根据蠕变模型得到钢木元件的蠕变柔量和时间的关系，并评估其耐久性。本发明从木材蠕变产生的微观机理出发，便于根据建筑结构所处的气象环境，更快速准确评估木材蠕变对其构件的耐久性。
一种元件木材耐久性评估尺度方法

[发明专利]基于非配对学习的提升视频清晰度的方法及装置-CN202110884878.6有效
发明人：宋利;陈晋进;解蓉;甘文耀 -专利权人： 上海交通大学
申请日： 2021-08-03 - 公布日： 2023-10-27 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种基于非配对学习的提升视频清晰度的方法及装置，包括：对于给定的低清晰度视频，选择内容相似的非配对高清晰度视频作为参考并进行降采样使其相似度相近，取高低清晰度视频关键帧中的亮度分量进行量化并随机裁切图像块，形成低清晰度‑非配对高清晰度图像数据集；建立基于卷积神经网络的低清晰度图像生成器、低清晰度图像判别器和高清晰度图像生成器；通过综合目标函数训练生成对抗网络，使得两个生成器都能实现更好的低高清晰度图像域之间的相互映射。本发明使用视频内容主体相似的非配对真实低高清视频进行训练，跳脱出了以往配对学习方法中特定质量退化方式的限制，利用非配对学习的方法实现了低清晰度视频图像的联合增强。
基于配对学习提升视频清晰度方法装置

[发明专利]基于深度学习的视障辅助的图像增强方法、设备和介质-CN202110829947.3有效
发明人：翟广涛;吴思婧;段慧煜;闵雄阔;高艺璇;曹于勤 -专利权人： 上海交通大学
申请日： 2021-07-22 - 公布日： 2023-10-27 - 主分类号： G06T5/00 文献下载
摘要：本发明提供一种基于深度学习的视障辅助的图像增强方法、设备和介质，包括：将卷积神经网络的输出端与模拟视障患者的视觉系统的输入端进行连接，得到级联系统；对卷积神经网络进行训练得到图像增强网络，其中：将原始图像输入卷积神经网络进行增强，将增强结果输入模拟视障患者的视觉系统进行模拟，级联系统输出为该视障症状的模拟的感知图像；计算级联系统输出和原始图像的损失，以最小化级联系统的输入输出图像间的差异为目标，对原始图像进行增强以补偿模拟的视障患者的视觉系统带来的失真。本发明得到的图像增强网络能有效地实现针对视障辅助的图像增强，实验表明针对中心视力下降的图像增强能有效改善患者的视觉功能和主观感知质量。
基于深度学习辅助图像增强方法设备介质

[发明专利]一种目标重识别方法及装置-CN202110766661.5有效
发明人：杨华;刘创 -专利权人： 上海交通大学
申请日： 2021-07-07 - 公布日： 2023-10-27 - 主分类号： G06V40/10 文献下载
摘要：本发明公开了一种目标重识别方法及装置、计算机设备、计算机可读存储介质。所述方法包括：获取图像集中各目标图像对应的扩展图。基于图神经网络获取各目标图像对应的扩展图的图嵌入向量。基于待识别的目标图像对应的扩展图的图嵌入向量和其他目标图像对应的扩展图的图嵌入向量，确定与待识别目标相同的目标。其中，任一目标图像对应的扩展图至少包括：以该目标为中心的中心节点，以与该目标距离在第一阈值以内的其他目标为邻节点的节点，以各个邻接点为中心，与各邻节点距离在第二阈值以内的其他目标为邻接点的节点，以及由邻节点指向与其对应的中心节点的边。本发明的方案，在一定程度上提高了目标重识别的准确度的同时，也具有较强的鲁棒性。
一种目标识别方法装置

[发明专利]基于离散表示学习的图像超分辨率方法和系统、终端-CN202110755689.9有效
发明人：张小云;黄一轩;乔宇;董超;张娅;王延峰 -专利权人： 上海交通大学
申请日： 2021-07-05 - 公布日： 2023-10-27 - 主分类号： G06T3/40 文献下载
摘要：本发明提供一种基于离散表示学习的图像超分辨率方法和系统、终端，所述方法包括：分别创建低分辨率以及高分辨率的离散字典；将低分辨率图像输入卷积神经网络得到提取的图像特征，并参照低分辨率离散字典，将图像特征转换为离散表示；将基于低分辨率字典的离散表示通过自回归网络，映射成基于高分辨率字典的离散表示；将离散表示参照高分辨率字典，转换为高分辨率图像特征，再通过卷积神经网络，进行反卷积的操作，生成输入低分辨率图像对应的高分辨率图像。本发明能够利用低清高清数据对来分别建立低分辨率以及高分辨率离散字典，将输入的低分辨率图像通过这两个字典变为对应的高分辨率图像，提升图像的清晰度。
基于离散表示学习图像分辨率方法系统终端

[发明专利]人脸图像超分辨率方法和系统-CN202110749972.0有效
发明人：张娅;姜文波;赵贵华;张小云;董洋轶;张毅军;王延峰;蔺飞;袁旭稚 -专利权人： 上海交通大学
申请日： 2021-07-02 - 公布日： 2023-10-27 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种人脸超分辨率方法及系统，包括：对输入的人脸属性标签信息，使用全连接网络与激活层进行特征优化，获得属性语义特征；对输入的低分辨率图像信息，使用卷积神经网络提取视觉特征；对属性语义特征与视觉特征使用特征融合网络进行特征融合，并在训练时与教师特征通过属性法向量约束，从而保持融合特征与教师特征属性一致；使用图像恢复网络将融合特征映射为输出图像，由于图像恢复网络经过预训练，它生成的图像具有逼真的细节。通过本发明，生成的人脸高清图像具有属性保持与细节。
图像分辨率方法系统

[发明专利]基于神经网络及阻抗辩识校正的电池状态估计方法、系统-CN202210786408.0有效
发明人：李睿;彭程 -专利权人： 上海交通大学
申请日： 2022-07-04 - 公布日： 2023-10-27 - 主分类号： G01R31/382 文献下载
摘要：本发明提供了一种基于神经网络及阻抗辩识校正的电池状态估计方法、系统，其中方法包括：对同一批次电池电芯随机抽样获得测试样本，对测试样本进行循环寿命测试并采集不同温度、荷电状态、电池老化状态下的电化学阻抗谱；利用神经网络拟合任意3个参数相对另一个参数的函数；对将用于储能系统的电芯进行一次混合功率脉冲测试，标定各个参数，并与获得的电化学阻抗谱函数进行对照校正；组配电芯获得储能系统并投入运行，采用粒子滤波器获得电池运行时的荷电状态及老化状态；定时对电池电化学阻抗在线测量或校正，并利用函数进行参数校正并判断是否存在异常电池。本发明具有拟合容易、可解释性强、估算准确度高、能够实时监测电池状态等特点。
基于神经网络阻抗校正电池状态估计方法系统

[发明专利]基于联合显著图的全局到局部非刚性图像配准方法及装置-CN201910565742.1有效
发明人：秦斌杰;傅泽山 -专利权人： 上海交通大学
申请日： 2019-06-27 - 公布日： 2023-10-27 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于联合显著图的全局到局部非刚性图像配准方法及装置，该方法基于预训练的图像配准模型对待配准的参考图像和浮动图像进行处理，获得精确重建形变场，所述图像配准模型包括基于无监督误差函数的全局粗糙估计网络和局部精确重建网络，所述精确重建形变场的具体获得步骤包括：1)拼接所述参考图像和浮动图像，输入全局粗糙估计网络，得到粗糙形变场；2)基于粗糙形变场和浮动图像进行插值，获取形变图像；对形变图像和参考图像进行联合显著图提取，获取联合显著图；3)拼接联合显著图和粗糙形变场，输入局部精确重建网络，获取精确重建形变场。与现有技术相比，本发明图像配准的速度更快、精度更高，并且适用于无真值标签的应用场景。
基于联合显著全局局部刚性图像方法装置

[发明专利]基于时空判别性特征学习的冠状动脉序列血管分割方法-CN201910565859.X有效
发明人：郝冬冬;秦斌杰 -专利权人： 上海交通大学
申请日： 2019-06-27 - 公布日： 2023-10-27 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种基于时空判别性特征学习的冠状动脉序列血管分割方法，对心脏冠状动脉造影序列图像进行血管分割处理，该方法基于预训练的改进U‑net网络模型对当前帧图像及其临近几帧图像进行处理，获取当前帧图像的血管分割结果，所述改进U‑net网络模型包括编码部分、跳跃连接层和解码部分，所述编码部分采用3D卷积层进行时间空间特征提取，所述解码部分设有通道注意力模块，所述跳跃连接层对编码部分提取的特征进行聚合，得到聚合特征图并传输至解码部分。与现有技术相比，本发明引入时空特征进行心脏冠状动脉血管分割，并降低了时域噪声的干扰，强调了血管特征，缓解了血管分割中类别不平衡的问题，具有更高的血管分割准确率。
基于时空判别特征学习冠状动脉序列血管分割方法