“曹九稳”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112个，建议您升级VIP下载更多相关专利

[发明专利]基于深度学习与形态学的睡眠癫痫电持续活动量化方法-CN202310793934.4在审
发明人： 曹九稳;金琛智;郑润泽;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2023-06-30 - 公布日： 2023-09-15 - 主分类号： A61B5/374 文献下载
摘要：本发明公开了一种基于深度学习与形态学的睡眠癫痫电持续活动量化方法。本发明包括如下步骤：1、对信号进行预处理操作；2、将预处理后的T3通道信号输入到改进后的语义分割网络进行棘波识别，该网络能够识别出患者的棘波放电的位置与持续时间，并输出具有棘波数据段细粒度标签的信号；3、将获得的带棘波信息的信号作为形态学模块的输入，对候选区域进行判断，得到癫痫样棘慢波片段的个数和持续时长，并得到总的放电时间，从而计算每个样本的放电指数；4、将Cz通道信号输入到基于Resnet34的睡眠分期模块，实现对每一个30s长度样本的睡眠分期。本发明能够实现儿童睡眠中癫痫电持续活动识别与量化。
基于深度学习形态学睡眠癫痫持续活动量化方法

[发明专利]一种基于R-D图与深度神经网络的低空小目标检测方法-CN202010103060.1有效
发明人： 曹九稳;王陈幸;田江敏;佟力;王晓洪;张鑫 -专利权人：杭州电子科技大学
申请日： 2020-02-19 - 公布日： 2023-09-08 - 主分类号： G06F18/10 文献下载
摘要：本发明公开了一种基于R‑D图与深度神经网络的低空小目标检测方法。本发明包括如下步骤：步骤1、对雷达接收机采集的回波信号进行预处理，获取信号的R‑D图；步骤2、构建深度卷积神经网络并利用网络预测R‑D图中每个局部区域分别属于目标和背景的类别概率，以及该区域包含目标时，其中心与目标位置之间的偏移量；步骤3、结合预测的类别概率和位置回归的偏移量，判断是否存在，以及存在目标时的目标位置。本发明在类别预测基础上增加了对目标位置的回归，并通过回归结果的投票统计获得目标的精确位置，从而可以实现预测精度更高、虚警率更低的雷达小目标检测效果。
一种基于深度神经网络低空目标检测方法

[发明专利]一种基于视听跨模态生成的重型工程器械识别方法及系统-CN202310726447.6在审
发明人：王天磊;徐朱滨;曹九稳 -专利权人：杭州电子科技大学
申请日： 2023-06-19 - 公布日： 2023-09-05 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于视听跨模态生成的重型工程器械识别方法及系统。首先进行重型工程器械数据集的处理和标注；将得到的样本数据输入第一级变分自编码器网络进行训练得到每个模态对应的潜在向量；再将潜在向量进行融合得到联合模态表示，同时在训练阶段对缺失模态数据采用模态重建处理，映射得到近似模态数据；之后将联合模态数据输入第二级对抗变分自编码器网络进行训练，解码得到最后的生成数据。最后将最后生成的数据输入预训练好的识别模块进行识别。本发明为了解决变分自编码器模型生成数据模糊的问题，提出了使用生成对抗模型中的对抗学习方法，更好的学习数据分布的细微特征和模式，从而提高模型的表达能力。
一种基于视听跨模态生成重型工程器械识别方法系统

[发明专利]一种基于多任务分类网络的新生儿肢体动作监控方法-CN202310117833.5在审
发明人：王天磊;於汉杰;曹九稳;林鹏;徐方勇 -专利权人：杭州电子科技大学
申请日： 2023-02-15 - 公布日： 2023-07-25 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种基于多任务分类网络的新生儿肢体动作监控方法。本发明包括主任务和辅助任务；其中主任务主要是对新生儿四肢、头部进行运动检测，通过分类网络对四肢和头部五个类别进行多标签分类任务；辅助任务主针对新生儿静止、单肢体运动和多肢体运动三种运动状态进行的多分类任务。本发明相比于传统基于传感器和人工临床巡检的监测方法，本发明可以与新生儿零接触的基础上辅助临床医生进行新生儿肢体实时监测分析。采用联合分类任务和多标签分类任务特征共享限制新生儿无意识细微动作识别中的模糊性，提高肢体动作识别准确率。采用多标签硬编码的方式对婴幼儿肢体运动视频样本进行标签标记，能更好地对婴儿无意识的肢体运动进行建模。
一种基于任务分类网络新生儿肢体动作监控方法

[发明专利]多损失函数智能融合的新生儿动作监测系统及方法-CN202310255944.2在审
发明人： 曹九稳;雷洪亮;鲍先富;王天磊;林鹏 -专利权人：杭州电子科技大学
申请日： 2023-03-16 - 公布日： 2023-06-13 - 主分类号： G06V20/52 文献下载
摘要：本发明公开了一种多损失函数智能融合的新生儿动作监测系统及方法。多损失函数智能融合的新生儿动作监测系统，包括保育箱摄像头终端、RTSP流服务器、运算服务器、中心服务器以及结果输出模块。本发明针对目前保育箱内的早产儿提出一种基于视觉的、无接触式的实时动作监控方式，对新生儿动作进行实时识别，并克服了在训练模型过程中存在数据集类别数量分布不均衡问题，改善了由于数据分布不均衡导致训练结果不佳的问题。
损失函数智能融合新生儿动作监测系统方法

[发明专利]基于递归图和深度卷积网络的压气机振动故障检测法-CN202010419501.9有效
发明人：韦吉祥;林鹏;曹九稳 -专利权人：杭州电子科技大学
申请日： 2020-05-18 - 公布日： 2023-05-26 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种基于递归图和深度卷积网络的压气机振动故障检测法。本发明构造压气机气动失稳振动故障数据库，选取已有的实验数据，通过数据预处理获取大量的故障数据库。其次，选取二维图像转化方法，将一维振动信号转化为二维图像，最后，选取深度卷积神经网络Inception V3模型，采用迁移学习保持模型特征提取环节不变，通过调节特征整合环节结构对二维图像递归图进行故障特征提取与检测。本发明由二维图像反映时间序列内部动力学系统中的相空间流形，揭示系统的动力学特性，适合于对非平稳非线性的时间序列进行特征分析。本发明将机器视觉中的优势应用于非视觉领域，采用深度卷积神经网络Inception V3模型进行机械振动故障检测，减少手工设计特征的巨大工作量。
基于递归深度卷积网络压气振动故障检测

[发明专利]基于多分支深度神经网络的机载电路板智能化测试诊断方法-CN202211695531.8在审
发明人：李金猛;潘庆国;项卓;田江敏;曹九稳 -专利权人：国营芜湖机械厂
申请日： 2022-12-28 - 公布日： 2023-05-09 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及电路板自动化测试与故障诊断领域，具体是基于多分支深度神经网络的机载电路板智能化测试诊断方法，其具体步骤如下：S01、故障数据库的建立；S02、数据预处理；S03、网络前向推理；S04、参数反向更新；S05、多分支预测结果融合；采用飞针测试仪进行电路板的测试和数据采集，并根据元器件特性变化设计数据增强算法，完成数据库的搭建；设计的深度神经网络在不同特征层采用了不同的卷积核和池化核，以专注于不同维度的特征；设计的多分支深度神经网络以多个节点的VI特征曲线为输入，提升了测试和诊断结果的准确率和鲁棒性，尤其是降低了人为因素产生的特征不完备和环境变化引起的元器件参数变化而导致的识别误差。
基于分支深度神经网络机载电路板智能化测试诊断方法

[发明专利]一种基于视角自适应特征学习的行人性别识别方法-CN201911370041.9有效
发明人：曾焕强;蔡磊;陈婧;朱建清;曹九稳;王勇涛 -专利权人：华侨大学
申请日： 2019-12-26 - 公布日： 2023-03-31 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于视角自适应特征学习的行人性别识别方法包括：视角自适应训练过程，性别识别过程。本发明利用输入行人的视角信息来指导卷积神经网络的特征学习过程，以减轻行人视角变化对神经网络进行性别识别的影响，使训练得到的网络模型具有更加准确的行人性别识别效果。本发明结合了行人的视角信息，解决了以往基于卷积神经网络用在行人性别识别问题上的不足，有效地提高了行人性别识别精度。本发明可以被广泛地应用在智能视频监控场景，例如大型商场，机场，火车站等。
一种基于视角自适应特征学习行人性别识别方法

[发明专利]基于单目视觉的内河船舶干舷自动测量方法-CN202211609615.5在审
发明人： 曹九稳;刘华峰;刘德康;陈家贵 -专利权人：杭州电子科技大学;杭州志创科技有限公司
申请日： 2022-12-14 - 公布日： 2023-03-28 - 主分类号： G06T7/80 文献下载
摘要：本发明公开了一种基于单目视觉的内河船舶干舷测量方法。首先通过张正友标定法使用棋盘格对单目相机进行内参标定，获得相机的内部参数；通过相机拍摄船舶侧视图，根据船舶侧视图使用Deeplabv3+模型对船舶甲板线和吃水线之间部分进行分割；进而进行船舶甲板线和吃水线的检测，以此来确定船舶干舷位置，计算出船舶干舷像素高度；通过标定获得的相机内参实现像素高度到实际高度的转换，计算出船舶干舷真实值。本发明通过对相机自身参数进行建模，不依赖于消失点和消失线进行船舶干舷测量，作为船舶超载检测的基础，为内河船舶水上安全航行提供辅助。
基于目视内河船舶自动测量方法

[发明专利]基于振动信号处理的超高速碰撞源智能定位方法-CN201910389192.2有效
发明人： 曹九稳;刘力夫 -专利权人：杭州电子科技大学
申请日： 2019-05-10 - 公布日： 2023-03-28 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于振动信号处理的超高速碰撞源智能定位方法。本发明步骤如下：步骤1.用四个加速度传感器，分别采集3类振动信号和到达距离，建立振动信号样本库；步骤2.将每个样本进行连续小波变换，得到每个样本信号的特征矩阵Xk(n)；步骤3.将特征矩阵Xk(n)的幅值按行进行计算平均值，并拼接出CWTM特征向量；步骤4.将CWTM特征向量作为输入，通过KNN分类算法和KELM回归算法构建信号识别和距离估计模型，获取预测距离；步骤5.把预测距离作为输入，运用FCL算法计算振源的估计坐标(X,Y)。本发明实现了超高速碰撞源的智能识别与定位方法，具有定位精度高，实时估计速度快，鲁棒性好等优点。
基于振动信号处理超高速碰撞智能定位方法

[发明专利]基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法-CN202010103082.8有效
发明人： 曹九稳;徐镇迪;胡丁寒;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2020-02-19 - 公布日： 2023-03-28 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了一种基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法。本发明步骤：步骤1、对输入的原始多导联脑电进行滤波以及心电、咀嚼吞咽的生理活动造成的伪迹消除；对处理后的信号首先依据检测目标波形时长特征，在时域对其进行分割，将信号转化为后续步骤的识别形式；步骤2、将分割后信号中每条通道的数据经由长短时记忆神经网络进行特征提取，并通过自适应加权融合算法进行特征融合；步骤3、利用特征融合得到的结果，通过全连接神经网络对多通道信号片段进行分类，最终得到整段信号不同时段的分类结果，从而达到尖棘波放电检测的目的。本发明能够实现在多通道信号输入下精度更高、抗干扰能力更强的尖棘波检测效果。
基于 lstm 通道癫痫尖棘波放电联合检测方法

[发明专利]一种基于场景迁移的行人性别识别方法-CN201911367254.6有效
发明人：曾焕强;蔡磊;朱建清;曹九稳;张云;马凯光 -专利权人：华侨大学
申请日： 2019-12-26 - 公布日： 2023-03-24 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于场景迁移的行人性别识别方法，包括场景迁移过程与性别识别过程。本发明通过对偶生成对抗模型对来自不同场景的行人图像集进行图像迁移，减小不同数据集中行人场景的差异。利用迁移图像训练卷积神经网络，使网络模型具有较高精度的性别识别能力。本发明结合了对偶生成对抗模型用于图像迁移的优点，解决了以往基于卷积神经网络在行人性别识别问题上的不足，有效地提高了行人性别识别精度。本发明可以被广泛地应用在智能视频监控场景，大型商场的人口统计等。
一种基于场景迁移行人性别识别方法

[发明专利]基于多尺度轮廓波特征的全参考光场图像质量评价方法-CN202010285704.3有效
发明人：曾焕强;黄海靓;陈婧;朱建清;曹九稳;马凯光 -专利权人：华侨大学
申请日： 2020-04-13 - 公布日： 2023-03-24 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种基于多尺度轮廓波特征的全参考光场图像质量评价方法，基于光场图像表面的轮廓和曲线具有感知相关性，通过具有良好各向异性的多尺度多方向轮廓波变换有效地捕捉光场图像中场景结构变化的边缘和轮廓细节，充分考虑了人眼视觉系统对于光场图像的主观感知度，具有较好的光场图像质量评价性能。本发明的实施，能够得到匹配于人眼视觉的主观感知度的评价结果。
基于尺度轮廓波特参考图像质量评价方法

[发明专利]基于多尺度熵的模拟电路故障检测方法-CN202211302240.8在审
发明人：潘庆国;刘姚军;郭佳;林鹏;曹九稳 -专利权人：国营芜湖机械厂
申请日： 2022-10-24 - 公布日： 2023-03-03 - 主分类号： G01R31/28 文献下载
摘要：本发明涉及模拟电路故障检测技术领域，具体为基于多尺度熵的模拟电路故障检测方法，包括步骤如下：步骤(一)电路故障时域特征的选取；步骤(二)电路故障多尺度熵值的计算；步骤(三)基于组合特征的电路故障特征提取。本发明具有以下优点：故障数据量要求低，与神经网络算法需要大量的测试数据进行训练不同，在实际故障数据较小的情况下，本发明也能提取故障特征，此外与神经网络计算相比，本发明还具有较小的计算量，计算时间短等特点；对电路的故障检测，不需要建立复杂的故障模型，降低人员对电路原理、功能理解的要求，使得方法应用范围更广。
基于尺度模拟电路故障检测方法

[发明专利]多任务深度网络的癫痫综合征脑电分析方法-CN202211162253.X在审
发明人： 曹九稳;陈耀辉;郑润泽;赖晓平;蒋铁甲;高峰 -专利权人：杭州电子科技大学
申请日： 2022-09-23 - 公布日： 2023-01-24 - 主分类号： A61B5/00 文献下载
摘要：本发明公开了一种多任务深度网络的癫痫综合征脑电分析方法。本发明包括如下步骤：步骤1、对原始采集的脑电信号数据进行切分，切割发作期脑电信号和发作间期脑电信号，并为它们打上标签，已备后续神经网络训练；步骤2、对原始采集的脑电信号进行预处理；步骤3、对预处理后的脑电信号每4s一段采用STFT提取时频特征图，最终将21通道提取的时频特征图组合成21*32*32的3D特征；步骤4、得到的3D特征和预处理后的脑电信号作为输入传入多任务深度神经网络进行训练。本发明相比于单任务(癫痫综合征分类或癫痫时期分类)能够获得更高的分类准确率。本发明的多任务双流融合模型的每一任务分类准确率都有提高，实现了对儿童癫痫综合征及癫痫时期的精确分类。
任务深度网络癫痫综合征分析方法

1
2
3
4
5
6
7
8
下一页»
尾页
共 112 条