“蒋荣欣”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61个，建议您升级VIP下载更多相关专利

[发明专利]一种基于辅助实例集成的分类网络知识蒸馏方法-CN202310742713.4在审
发明人：田翔;叶欣;蒋荣欣;陈耀武 -专利权人：浙江大学
申请日： 2023-06-21 - 公布日： 2023-10-20 - 主分类号： G06N3/096 文献下载
摘要：本发明公开了一种基于辅助实例集成的分类网络知识蒸馏方法，包括以下步骤：利用深度学习框架搭建部署实例；利用多阶段分支法构建多阶段实例群；基于多阶段实例群构建多对一的网络蒸馏损失函数；对多阶段实例群进行模型训练和优化，在训练结束后，固定并保存为多阶段实例群网络模型及网络模型参数；对优化后的多阶段实例群网络模型进行部署，优化裁剪网络模型参数，得到图像分类模型，图像分类模型的输出即为图像类别预测结果。本发明方法能够有效提高蒸馏后部署实例的性能，减少训练部署的时间及硬件需求，适用于多种时空受限或对精度要求更高的分类任务应用场景。
一种基于辅助实例集成分类网络知识蒸馏方法

[发明专利]一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法-CN202310281692.0在审
发明人： 蒋荣欣;蒋施瑶;刘雪松;辜博轩;陈耀武 -专利权人：浙江大学
申请日： 2023-03-16 - 公布日： 2023-07-18 - 主分类号： G01S7/539 文献下载
摘要：本发明公开了一种基于概率映射的复数域快速软阈值迭代反卷积波束形成方法，以对声呐阵列的回波信号的常规波束形成结果为初次迭代初值；将迭代初值做复数梯度下降，并采用快速傅里叶变换加速梯度下降中矩阵乘计算，以得到梯度下降中间结果；建立概率映射模型，添加波束聚类先验，采用多任务贝叶斯压缩感知快速求解波束结果和对应高斯分布参数；根据波束结果做动量更新，以得到下次迭代的迭代初值，加速迭代收敛。将反卷积波束形成扩展到复数域，充分利用了波束相位信息，更贴合实际应用，有效降低了主瓣宽度和旁瓣强度，且具有较高的抗噪能力，提高了阵列成像质量。
一种基于概率映射复数快速阈值迭代反卷积波束形成方法

[发明专利]一种具备三维定位能力的多波束成像声纳实时信号处理装置-CN202010398304.3有效
发明人：陈耀武;刘雪松;蒋荣欣;王斐 -专利权人：浙江大学
申请日： 2020-05-12 - 公布日： 2023-07-11 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种具备三维定位能力的多波束成像声纳实时信号处理装置，包括嵌入式GPU信号处理子系统、信号交互子系统、多个信号采集子系统；信号采集子系统包含并行的至少2个采集组件，每个采集组件受信号交互子系统控制同步并行采集声纳线阵数据，并对采集数据进行预处理后传输至信号交互子系统；信号交互子系统同时控制多个信号采集子系统采集声纳线阵数据，作为中间桥梁实现嵌入式GPU信号处理子系统与信号采集子系统之间声纳线阵数据的传输；嵌入式GPU信号处理子系统控制信号交互子系统传输声纳线阵数据，并对声纳线阵数据进行波束形成算法和互谱法的实时计算，以获得二维声学图像数据和目标三维定位结果并上传至上位机以显示。
一种具备三维定位能力波束成像声纳实时信号处理装置

[发明专利]基于凸优化和神经网络的平面阵列幅相误差校正方法-CN202011411528.X有效
发明人： 蒋荣欣;刘雪松;辜博轩;陈耀武 -专利权人：浙江大学
申请日： 2020-12-04 - 公布日： 2023-07-07 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种基于凸优化和神经网络的平面阵列幅相误差校正方法，包括：(1)设置校正声源位于相对于传感器平面阵列的未知远场方向，并将将校正声源的波达方向估计问题转换为通过阵列采样信号重构求解校正声源信号的优化问题，采用凸优化方法估计求解该优化问题初步估计得到校正声源的波达方向；(2)根据步骤(1)初步估计的波达方向确定校正声源位置，并获取以校正声源位置为中心的领域范围内的波束强度，并利用基于深度学习网络构建的波达方向估计模型根据波束强度进行进一步估计，获得最终估计的校正声源的波达方向；(3)基于最终估计的校正声源的波达方向，通过空间匹配滤波器来估计幅相误差。该方法可以准确估计和校正幅相误差。
基于优化神经网络平面阵列误差校正方法

[发明专利]一种水下声呐系统目标提取方法-CN202010394202.4有效
发明人：陈耀武;蒋荣欣;刘雪松;蒋施瑶 -专利权人：浙江大学
申请日： 2020-05-11 - 公布日： 2023-03-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种水下声呐系统目标提取方法，包括：(1)将采集的原始声纳点云数据根据回波强度大小转化为彩色图片；(2)依次对彩色图片进行灰度化、二值化、膨胀处理，获得处理后图片；(3)提取处理后图片的连通区域，并筛选排除连通区域面积过小以及连通区域内强度值像素未达到要求的连通区域，剩余区域即为可能目标区域；(4)放大可能目标区域后提取可能目标区域的特征向量；(5)利用目标识别模型对可能区域的特征向量进行目标识别，获得目标分类识别结果；(6)依据目标分类识别结果返回彩色图片刻画出目标具体信息。该方法原理简单，实用性强，针对水声信号有较强的适应性。
一种水下声呐系统目标提取方法

[发明专利]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-CN202211532573.X在审
发明人：黄利;蒋荣欣;田翔;陈耀武 -专利权人：浙江大学
申请日： 2022-12-01 - 公布日： 2023-03-03 - 主分类号： G06V10/764 文献下载
摘要：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。
一种基于流变连续感知设定形变物体分类方法装置

[发明专利]基于贝叶斯压缩感知算法的自适应波束形成器设计方法-CN202011009033.4有效
发明人：陈耀武;林振伟;刘雪松;蒋荣欣 -专利权人：浙江大学
申请日： 2020-09-23 - 公布日： 2022-12-27 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种基于贝叶斯压缩感知算法的自适应波束形成器设计方法，包括：(1)平面阵列阵元接收声波入射信号，所述声波入射信号包含目标信号和干扰信号，基于声波入射信号构建自适应波束形成器，采用贝叶斯压缩感知算法对声波入射信号进行波达方向估计；(2)根据干扰信号的波达方向和入声波入射信号的Capon空间谱重构得到干扰加噪声协方差矩阵；(3)定义最大旁瓣水平约束值，并根据最大旁瓣水平约束值对目标波束图的旁瓣进行约束，同时根据干扰加噪声协方差矩阵通过凸优化方法计算自适应波束形成器的阵元权重系数。具有更大的输出信干燥比。
基于贝叶斯压缩感知算法自适应波束形成设计方法

[发明专利]一种基于FPGA和MCU的无线多通道神经信号采集设备-CN202210842416.2在审
发明人：周凡;王斐;刘雪松;蒋荣欣 -专利权人：浙江大学滨江研究院
申请日： 2022-07-18 - 公布日： 2022-11-25 - 主分类号： A61B5/294 文献下载
摘要：本发明公开了一种基于FPGA和MCU的无线多通道神经信号采集设备，通过FPGA与多通道神经信号采集芯片实现多达64通道神经信号的同步采集，达到同类产品中的前沿水平。同时通过FPGA实现多达64通道Spike信号的并行检测，Spike检测结果而非原始数据通过BLE模块传送到上位机进行显示和进一步分析，即通过绘制Spike波形和光栅图后进行显示；可编程MCU提供的OTA接口和模拟JTAG接口，实现对BLE模块和FPGA的二次编程，以实现特定的算法和功能，具有更强的工具性和灵活性；设备无须电缆连接即可传输数据，为动物神经实验提供极大便利。
一种基于 fpga mcu 无线通道神经信号采集设备

[发明专利]基于子区域模型和非均匀傅里叶变换的近场快速波束形成方法-CN202210804587.6在审
发明人： 蒋荣欣;王斐;刘雪松;辜博轩;周凡 -专利权人：浙江大学
申请日： 2022-07-08 - 公布日： 2022-11-01 - 主分类号： G06F17/14 文献下载
摘要：本发明公开了一种基于子区域模型和非均匀傅里叶变换的近场快速波束形成方法，包括以下步骤：将观测范围的坐标系顺时针旋转45°，并均匀划分为多个子区域；简化每个子区域的近场时延参数，并利用最小二乘方法对简化参数加权；对二维换能器阵列产生的阵列响应信号执行非均匀傅里叶变换(NUFFT)方法，并行计算每个子区域内的波束；重映射波束的坐标，得到高精度的波束图。本发明在保持低计算负担的同时有效扩展了相控阵三维摄像声纳系统的近场探测范围，提高了三维摄像声纳系统的成像质量和探测性能。
基于区域模型均匀傅里叶变换近场快速波束形成方法

[发明专利]一种基于单个深度神经网络的多噪声类型盲去噪方法-CN201911346539.1有效
发明人：陈耀武;谢才扬;蒋荣欣 -专利权人：浙江大学
申请日： 2019-12-24 - 公布日： 2022-07-01 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于单个深度神经网络的多噪声类型盲去噪方法，包括以下步骤：基于卷积神经网络构建多任务噪声估计子网络，利用该多任务噪声估计子网络对输入原始噪声图像进行噪声类型估计和噪声水平估计；基于卷积层构建去噪子网络，利用该去噪子网络对多任务噪声估计子网络输出的噪声类型和噪声水平整合获得的混合图像进行去噪，输出噪声残差图像；融合原始噪声图像和噪声残差图像，获得去噪后图像。该多噪声类型盲去噪方法通过对噪声进行分类然后针对每类噪声单独去噪，大大提升了去噪效果。
一种基于单个深度神经网络噪声类型盲去噪方法

[发明专利]基于近场测量数据的阵列诊断方法-CN202011025794.9有效
发明人：陈耀武;林振伟;蒋荣欣;刘雪松 -专利权人：浙江大学
申请日： 2020-09-25 - 公布日： 2022-06-28 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种基于近场测量数据的阵列诊断方法，包括以下步骤：(1)平面阵列阵元接收声波入射信号，基于接收的声波入射信号构建参考阵列和待测阵列的近场波束图；(2)计算参考阵列的近场波束图和待测阵列的近场波束图之差得到差分波束图，并将差分波束图看作参考阵列与待测阵列的阵元系数差分向量与观测矩阵相乘的结果；(3)利用贝叶斯压缩感知算法求解参考阵列与待测阵列的阵元系数差分向量，从而定位到故障阵元的位置和系数，实现阵列诊断的诊断。该阵列诊断方法基于贝叶斯压缩感知的方法采用近场测量数据，将故障阵元诊断问题转化为贝叶斯概率框架下的稀疏向量求解，有效地提高了诊断的准确率和计算效率。
基于近场测量数据阵列诊断方法

[发明专利]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-CN202110178143.1有效
发明人： 蒋荣欣;蔡卓骏;田翔;陈耀武 -专利权人：浙江大学
申请日： 2021-02-09 - 公布日： 2022-06-10 - 主分类号： G06T5/00 文献下载
摘要：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。
基于改进变形卷积校正视频时空分辨率方法装置

[发明专利]一种相控阵三维摄像声纳系统换能器阵列的近场模型幅相误差校准方法-CN202111196862.2在审
发明人： 蒋荣欣;田翔;王斐;辜博轩;陈耀武 -专利权人：浙江大学
申请日： 2021-10-14 - 公布日： 2022-02-18 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种相控阵三维摄像声纳系统换能器阵列的近场模型幅相误差校准方法，预处理阵列响应信号获得新的虚拟阵列响应；对其进行离散相位变换得到降阶数组；利用快速傅里叶变换处理降阶数组，粗略估计归一化调频率；采用三步迭代计算提高估计精度；利用归一化调频率的估计值解调虚拟阵列响应；利用快速傅里叶变换处理解调数组，粗略估计归一化角频率；采用三步迭代计算提高估计精度；基于已有的估计值，采用空域匹配滤波算法估计幅相误差因子；利用估计结果补偿采样信号，最后通过数字波束形成算法获得校准后的三维图像。本发明仅使用一个未知方位的校准源，没有远场要求；避免了大量的谱峰搜索，适合大型换能器阵列的快速校准。
一种相控阵三维摄像声纳系统换能器阵列近场模型误差校准方法

[发明专利]基于贝叶斯压缩感知算法的稀疏阵列优化方法-CN201911347839.1有效
发明人：陈耀武;林振伟;刘雪松;蒋荣欣;高翔 -专利权人：浙江大学
申请日： 2019-12-24 - 公布日： 2021-11-09 - 主分类号： G01S15/89 文献下载
摘要：本发明公开了一种基于贝叶斯压缩感知算法的稀疏阵列优化方法，包括以下步骤：(1)将阵列稀疏问题转化为阵列的参考波束的贝叶斯概率匹配问题，并通过求解相关向量机得到初始稀疏阵列；(2)对获得的初始稀疏阵列进行一阶泰勒近似展开以增加阵元位置的位置偏移量，对增加位置偏移量的稀疏阵列进行优化；(3)定义一个最小阵元间距值，将间距小于该最小阵元间距值的阵元点合并以达到约束最小阵元间距的目的，最后通过凸优化技术计算阵元的权重系数。该稀疏阵列优化方法具有较高的计算效率，采用更少的换能器数量获得相同的波束方向图性能，同时，稀疏阵的阵元最小间距被约束在了一个合理的数值上。
基于贝叶斯压缩感知算法稀疏阵列优化方法

[发明专利]一种基于多尺度并行门控神经网络的图像降噪方法-CN201910300009.7有效
发明人：陈耀武;李圣昱;蒋荣欣;田翔 -专利权人：浙江大学
申请日： 2019-04-15 - 公布日： 2021-01-26 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于多尺度并行门控神经网络的图像降噪方法，包括以下步骤：将清晰图像和与清晰图像对应的噪声图像作为一个训练样本，以此构建训练集；构造图像降噪网络，该图像降噪网络包括用于提取图像特征的特征提取单元、用于对提取的图像特征进行逐步降噪的降噪处理单元、以及用于对降噪后的特征进行融合的特征重建单元；其中，降噪处理单元包含7个依次连接的多尺度门控模块；利用训练集训练图像降噪网络，获得图像降噪模型；应用时，将噪声图像输入至图像降噪模型中，经计算输出降噪图像。该方法能够充分利用多尺度信息，在去除噪声的同时最大程度保留图像原有信息。
一种基于尺度并行门控神经网络图像方法

1
2
3
4
5
下一页»
尾页
共 61 条