“张勇东”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527个，建议您升级VIP下载更多相关专利

[发明专利]一种基于EfficientDet的小麦麦穗检测方法-CN202110400439.3在审
发明人：颜成钢;黄培武;吕坤;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-14 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于EfficientDet的小麦麦穗检测方法；首先收集数据，构建小麦图像数据集，然后划分原始训练集和测试集，并标注原始训练集数据；采用K‑Fold分层交叉验证，将原始训练集数据划分出分层训练集和验证集，对分层训练集进行图像预处理；再进行模型训练，模型采用Efficientdet‑D7为baseline；通过测试集数据进行模型测试；最后采用伪标签方法，进行模型的迭代训练，得到最终的麦穗检测模型；本发明方法能够减小麦穗重叠带来的对检测结果的干扰，且对不同品种、不同生长时期的小麦具有较强的泛化能力。同时兼顾检测速度和精度，能够在不同情况下，部署在各种设备上。节省了大量人力物力。
一种基于 efficientdet 小麦麦穗检测方法

[发明专利]一种基于注意力机制与数据不平衡的跨年龄人脸识别方法-CN202110401376.3在审
发明人：颜成钢;张杰华;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-14 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于注意力机制与数据不平衡的跨年龄人脸识别方法。首先从跨年龄人脸识别数据集中抽取同一个人不同年龄的面部照片组成人脸时间序列，通过自注意力机制进行处理得到处理后的特征序列；然后将自注意力机制处理后的特征序列进行线性融合；将将融合后的面部特征分解为身份特征与年龄特征；采用重加权的年龄损失和身份损失分别对年龄估计和身份估计任务进行监督，并采用相关性损失约束年龄特征与身份特征之间的相似性。本发明方法通过融合同一个身份不同年龄的面部照片以及自注意力机制，学习了年龄对面部的影响，提取了更加鲁棒的身份特征；通过重加权年龄损失，缓解了年龄数据分布不平衡导致的准确率下降。
一种基于注意力机制数据不平衡年龄识别方法

[发明专利]一种基于通道注意力机制的图像质量增强方法-CN202110474102.7在审
发明人：颜成钢;肇恒润;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-29 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公共了一种基于通道注意力机制的图像质量增强方法首先将高质量原图处理成对应的低质量图像，得到低质量‑高质量图像对照组；然后搭建图像增强网络模型，通过得到的低质量图像训练图像增强网络模型；最后将低质量的图像输入训练好的图像增强网络模型得到高质量图像。本发明方法通过采用具有残差网络模块和通道注意力模块的神经网络模型作为图像增强模型，进行图像增强，通过残差网络和通道注意力网络模型配合，能利用低质量图像输出具有更丰富的细节的高质量图像。
一种基于通道注意力机制图像质量增强方法

[发明专利]一种跨域红外目标检测方法-CN202110474134.7在审
发明人：颜成钢;路统宇;戴振宇;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-29 - 公布日： 2021-07-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种跨域红外目标检测方法，首先获取有标签的源域数据和含少量标签以及没有标签的目标域数据：然后利用含有标签的源域数据训练Mask R‑CNN‑1网络：利用源域数据和目标域数据对一个新的Mask R‑CNN‑2做域适应训练：最后将待进行目标检测的红外图像输入中训练好的Mask R‑CNN‑2网络，最终实现目标检测功能。本发明方法利用域适应技术，解决了目标域数据标签不足情况下网络训练效果较差的问题，提高了目标检测的准确度；补充了仅在特征层面进行域适应任务的不足，使用了Mask R‑CNN网络，在目标检测的基础上更进一步，实现了像素级目标检测。
一种红外目标检测方法

[发明专利]一种基于半监督学习的医学图像自动标注方法-CN202110441605.4在审
发明人：颜成钢;张二四;彭开来;朱晨瑞;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于半监督学习的医学图像自动标注方法。首先将训练集输入到一级分类网络中得到一级通用深度卷积特征，然后根据输出结果对数据进行预分类，并得到预分类的混淆矩阵。接着通过谱聚类得到类别训练子集，输入到将其输入到二级分类网络中，得到二级特殊深度卷积特征；将两者融合得到图像的深度卷积特征。将患者的附加信息通过word2vec编码成多源异构特征，与深度卷积特征进行融合并通过SVM分类器得到最后的输出结果。本发明所述的方法只需使用少量有标注的医学数据即可完成对大量医学数据的自动标注。极大了减少了人工标注所耗费的大量的人力物力。相比于现有的自动标注方法，本方法效率更高，标注结果更加准确。
一种基于监督学习医学图像自动标注方法

[发明专利]一种基于RGB-D传感器的室内三维重建方法-CN202110441618.1在审
发明人：颜成钢;吕坤;朱尊杰;黄培武;徐枫;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06T17/10 文献下载
摘要：本发明公开了一种基于RGB‑D传感器的室内三维重建方法，本发明方法通过将RGB信息引入物体识别分类，通过使用图注意模块，能够更好地避免噪声对原始扫描数据干扰导致物体识别结果并不理想的情况，并且，有别于以往的重建过程，应用CAD模型替换扫描场景中的物体来得到整洁、紧凑的表示，在最后重建完成的时候通过将CAD模型与场景中的物体进行关键点差异的比较，通过迭代优化减少对齐误差，使得CAD模型在大小及位姿上都与场景中的物体一致。本发明可以解决由于传感器噪声干扰以及传感器运动产生的模糊所带来的分类识别不准确，以及整体场景重建精度不够的问题，且由于引入CAD模型，可自由编辑，增加了场景的灵活性。
一种基于 rgb 传感器室内三维重建方法

[发明专利]一种基于超像素和图卷积网络的平面分割方法-CN202110441623.2在审
发明人：颜成钢;徐浙峰;朱尊杰;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于超像素和图卷积网络的平面分割方法；首对输入的彩色图像进行预处理，获得预处理后的图像；然后根据图像分辨率，将预处理后的图像分割为合适数量的超像素，并转化为无向图结构；构造图卷积网络，并使用数据集对其进行训练；最后使用训练好的图卷积网络对超像素构成的图进行预测，给每一个超像素进行平面分类，从而完成平面分割。本发明将图像分割为超像素，可以很好地保留原始图像中的边缘信息，并减轻后续图神经网络的学习负担，防止分割出的平面边缘与实际情况差距过大；利用现有数据集，通过特定算法提取特定标签，作为后续监督神经网络学习的训练集，解决了没有针对平面分割数据集的问题，避免了人工标记的巨大成本。
一种基于像素图卷网络平面分割方法

[发明专利]一种基于深度学习的弱监督语义分割方法-CN202110441665.6在审
发明人：颜成钢;张二四;高宇涵;朱晨瑞;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06K9/34 文献下载
摘要：本发明公开了一种基于深度学习的弱监督语义分割方法；首先利用已有的数据集在预训练的Resnet50上进行微调，然后利用训练好的Resnet50得到相应的类激活图，利用设定的阈值得到分割的伪标签，并采用全连接的条件随机场Dense conditional random fields，Dense CRF)对标签进行优化。最后，利用优化后的伪标签训练分割网络。本发明所述的方法只需使用图像级别的标签就可以完成目标的分类以及语义分割任务，极大了减少了人工标注所耗费的大量的人力物力。相比于现有的弱监督方法，本方法效率更高，定位结果更加准确。
一种基于深度学习监督语义分割方法

[发明专利]一种短视频自动生成字幕的方法及系统-CN202110442856.4在审
发明人：颜成钢;高含笑;潘潇恺;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种短视频自动生成字幕的方法及系统。通过3D卷积网络进行视频的特征提取，获得视频特征序列，使用DAPs模型对接收到的视频特征序列进行事件检测，得到预测的事件片段并且对每个片段打分。单独处理获得的每个事件片段，首先对事件片段进行视觉嵌入操作，然后将进行视觉嵌入操作后的事件片段输入Transformer模型中，通过获得预测的文本。本发明通过融合跨模态技术，前期处理包含事件检测，缩小了后续文本生成工作的范围，增加了生成的文本与事件的匹配度。文本生成部分发挥Transformer在特征编码、解码方面的出色表现。
一种视频自动生成字幕方法系统

[发明专利]一种基于注意力模块的高动态范围去重影成像系统及方法-CN202110442869.1在审
发明人：颜成钢;潘潇恺;高含笑;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于注意力模块的高动态范围去重影成像系统及方法，本发明将注意力网络应用于高动态范围去重影算法中，引导不同图像地融合，抑制图像地饱和与非对准区域；本发明创新性地提出了利用可学习的注意力网络来指导合并过程。利用注意力网络生成注意力映射，来评估不同图像区域对获得所需高动态范围图像的重要性，可以突出和参考图像互补的特征，来排除运动和严重饱和的区域，将具有注意力引导的低动态范围图像特征输入到融合网络中。利用空洞残差块来构造融合网络，有助于充分利用来自不同卷积层的信息，从而从输入的低动态范围图像中保留更多的细节，空洞卷积扩大了感受野，有助于恢复过饱和区域和运动造成的细节缺失。
一种基于注意力模块动态范围重影成像系统方法

[发明专利]一种基于动态区域卷积的图像去模糊方法-CN202110442873.8在审
发明人：颜成钢;徐浙峰;朱尊杰;李明珠;徐枫;孙垚棋;张继勇;李宗鹏;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-04-23 - 公布日： 2021-07-23 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于动态区域卷积的图像去模糊方法，首先构造动态卷积层，在输入的不同区域中使用不同的卷积核进行卷积；然后使用动态卷积层构造生成器，将模糊图转变为清晰图像；构造判别器，与生成器构成生成对抗网络，并使用真实的清晰图像与生成器生成的清晰图像的损失网络进行训练；训练结束后，仅保留生成器；将模糊图像输入训练后的生成器即可获得清晰图像。本发明利用动态卷积，考虑到了输入数据的区域之间的差异性，针对不同区域使用不同卷积核进行卷积，从而提升特征提取能力。由动态卷积构造的生成对抗网络在单张图像去模糊任务中性能有所提升。
一种基于动态区域卷积图像模糊方法

[发明专利]一种基于时间和空间信息融合技术的步态重识别方法-CN202110295901.8在审
发明人：颜成钢;郑锦凯;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-19 - 公布日： 2021-07-20 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于时间和空间信息融合技术的步态重识别方法。首先构建双路步态识别网络，包括GaitSet网络和ResNet50网络；然后将步态序列图输入GaitSet网络，得到步态时间特征；然后将步态序列图进行能量压缩，得到步态能量图，将步态能量图输入ResNet50网络，得到步态空间特征；融合步态时间特征和步态空间特征，得到步态时空特征，传入步态损失函数；反向传播同时更新GaitSet网络和ResNet50网络参数。本发明从步态序列图中学习到有效的时间特征，融合步态时间特征和步态空间特征，得到步态时空特征；本发明进一步的推动了基于深度学习的步态识别研究进展。
一种基于时间空间信息融合技术步态识别方法

[发明专利]一种基于深度图的室内实时三维语义分割方法-CN202110297418.3在审
发明人：颜成钢;路荣丰;裘健鋆;朱尊杰;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-19 - 公布日： 2021-07-20 - 主分类号： G06T7/10 文献下载
摘要：本发明公开了一种基于深度图的室内实时三维语义分割方法。首先通过RGB‑D相机运用三维稠密实时重建的技术，来完成实时重建，得到三维稠密的TSDF体素三维模型；然后通过计算机图形学的方法来进行平面检测，通过实时的平面检测，将平面部分剔除后，三维模型剩下的就是各个独立的三维物体的体素模型；最后获得的相互隔离的三维物体的体素模型放入到三维卷积神经网络中，进而快速和准确地实现实时三维语义分割的任务。本发明方法分割的结果能更好的表现出物体的纹理信息，能够进一步直接使用在AR或VR场景中。更加的就有可解释性，同时也大大的降低了算力，能够实现实时的语义分割；更加适用于大场景的三维语义分割。
一种基于深度室内实时三维语义分割方法

[发明专利]一种基于人工智能的舌象识别方法及系统-CN202110301301.8在审
发明人：颜成钢;彭开来;朱晨瑞;张二四;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-22 - 公布日： 2021-07-20 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于人工智能的舌象识别方法及系统。首先对获取的原始图像进行处理，得到标注图像；然后通过对标注图像进行舌体分割，得到舌体分割图像；对标注图像进行齿痕分割，得到齿痕分割图像；对舌体分割图像以及齿痕分割图像进行二值化处理，得到舌体二值化图像和齿痕二值化图像；再构建舌象识别网络，使用得到的舌体分割图像，齿痕分割图像，舌体二值化图像和齿痕二值化图像训练舌象识别网络，最后通过训练好的舌象识别网络进行舌象识别。本发明充分利用了深度卷积神经网络优越的图像表现能力；解决了中医舌诊对齿痕舌程度难以区分的问题，克服现有技术在中医舌诊运用领域齿痕特征无法有效识别的问题。
一种基于人工智能识别方法系统

[发明专利]一种基于人工智能的脑卒中MRI图像病灶区域分割方法-CN202110302126.4在审
发明人：颜成钢;高宇涵;彭开来;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2021-03-22 - 公布日： 2021-07-20 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于人工智能的脑卒中MRI图像病灶区域分割方法。在Unet++的基础上增加了注意力机制，使得网络能够把注意力集中到对特定任务有用的显著特征，抑制输入图像中的不相关区域。结合了密集连接、深监督和注意力机制，进一步提高算法精度。本发明方法结合了Unet++中的密集连接和深监督的减小语义差异和权衡速度和精度的优点，又增加了注意力机制，可以抑制不相关背景区域的特征响应，不需要裁剪网络间的ROI；整合了不同层次的特征提升了精度，灵活的网络结构配合深监督，让参数量巨大的深度网络在可接受的精度范围内大幅度的缩减参数量。
一种基于人工智能脑卒中 mri 图像病灶区域分割方法