“樊谨”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44个，建议您升级VIP下载更多相关专利

[发明专利]一种面向跌落床下的住院病人的监护识别与导航方法-CN202310932261.6在审
发明人：夏梓源;张波涛;黄向荣;黄斌;郭毓鹏;杨名;许耀文;朱子霖;丰琦瑞;樊谨 -专利权人：杭州电子科技大学
申请日： 2023-07-27 - 公布日： 2023-10-27 - 主分类号： G01J5/48 文献下载
摘要：本发明公开了一种面向跌落床下的住院病人的监护识别与导航方法，属于机器人控制技术领域。包括以下步骤：使用深度相机获取环境信息矩阵E；使用高斯混合模型GMM前景检测对图像进行进一步处理，提取出人体轮廓与病床轮廓；对提取出的病床轮廓及人体轮廓分别拟合，通过提取出两者的特征和人体轮廓的特征来判断病人是否跌落床下；在用深度相机定位老人身上的裸露皮肤，接近并使用体温计、心率检测仪检测目标的生命体征；通过基于角点优化的双向A*遗传算法与动态人工势场结合的路径规划方案在各个病房搜索护士；找到护士后带至病人所在位置，并在路上使用语音模块播报病人状态。本发明实现通过监护与导航降低跌落下床对病人带来的二次损伤目标。
一种面向跌落住院病人监护识别导航方法

[发明专利]基于双路深度神经网络的无人驾驶场景实时语义分割方法-CN202010620281.6有效
发明人：秦飞巍;沈希乐;樊谨;李家成 -专利权人：杭州电子科技大学
申请日： 2020-06-30 - 公布日： 2023-10-27 - 主分类号： G06V20/56 文献下载
摘要：本发明公开了一种基于双路深度神经网络的无人驾驶场景实时语义分割方法。本发明步骤如下：步骤1、以残差网络ResNet‑18为基础网络，分流出空间信息分支和上下文信息分支；步骤2、对上下文信息分支的不同阶段输出使用注意力精炼模块进行优化；步骤3、对空间信息分支和上下文信息分支的输出使用特征融合模块进行多尺度融合，用于网络最终输出；步骤4、在上下文信息分支中添加两个辅助损失函数，与主损失函数共同监督训练。本发明提高了语义分割对速度和精度的兼得性，从而实现一个应用于无人驾驶的高精度实时语义分割网络。
基于深度神经网络无人驾驶场景实时语义分割方法

[发明专利]一种基于趋势相关性特征学习的长时序预测方法-CN202310042160.1在审
发明人：樊谨;王则昊;陈琪凯;邬惠峰;孙丹枫 -专利权人：杭州电子科技大学
申请日： 2023-01-28 - 公布日： 2023-10-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于趋势相关性特征学习的长时序预测方法，设计了一种名为相关性分布特征提取网络即ACDN模型，ACDN模型采用分布处理模块，用于预测未来时间序列中的分布，以便在面对分布偏移时提高模型准确性；采用自/互相关系数计算模块，以更好地捕捉动态改变时间序列的全局属性，比如趋势成分，其中自相关系数反映局部段内的波动，而互相关系数反映了各个局部子序列中的变化；采用细微特征保留模块，以增强模型对细微特征的感知。本发明对来自不同领域的六个数据集的一系列实验表明，对比FEDformer方法，相关性分布特征提取网络(ACDN)在五个数据集上均方误差(MSE)平均降低了21.99％。
一种基于趋势相关性特征学习时序预测方法

[发明专利]一种基于人机交互药物识别获取方法、设备及存储介质-CN202211486821.1有效
发明人：黄向荣;王坚;余佳珂;夏梓源;涂昱坦;杨名;樊谨;张波涛 -专利权人：杭州电子科技大学
申请日： 2022-11-25 - 公布日： 2023-09-22 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了一种基于人机交互药物识别获取方法，包括如下步骤：确定所需药物种类；机器人通过SLAM技术移动至固定的存药位置，采用视觉伺服的方法获取并存储现场信息；采用直方图均衡化的方法对深度相机所获图像进行处理，增强图像整体对比度；采用多特征融合物体识别方法对目标物体进行识别，确定目标药品的位置信息；利用多自由度软体爪机械臂初次抓取匹配度排序第一的药品，将其带到老人视野中，询问是否为所需药品，若满足要求则运动至老人面前。该方法提出了遮挡物体识别、全局最优路径规划方案，大大减轻了复杂环境对机器人工作效率的影响，对指定药品的识别与抓取精确度进一步提高。
一种基于人机交互药物识别获取方法设备存储介质

[发明专利]一种基于反光条组路标的激光雷达定位方法及系统-CN202310813931.2在审
发明人：杨名;张波涛;袁晓扬;许耀文;夏梓源;黄斌;郭毓鹏;樊谨 -专利权人：杭州电子科技大学
申请日： 2023-07-04 - 公布日： 2023-09-01 - 主分类号： G01S17/06 文献下载
摘要：本发明公开一种基于反光条组路标的激光雷达定位方法及系统。将反光条组路标贴在一个竖直平面上；利用激光雷达初次筛选障碍点、二次筛选障碍点，并构建集合C；定位主反光条、次反光条；获取路标方位角以及路标的编号；利用路标回环优化建图并定位。本发明引入发光条组路标辅助，通过激光雷达识别定位，避免传感器的使用，降低成本；同时无需使用摄像头捕捉定位标识，降低摄像头成本。
一种基于反光路标激光雷达定位方法系统

[发明专利]一种基于时域频域对抗学习的多元时序异常检测方法-CN202310622647.7在审
发明人：樊谨;王则昊;陈琪凯;张心怡;杨海龙 -专利权人：杭州电子科技大学
申请日： 2023-05-30 - 公布日： 2023-08-15 - 主分类号： G06F18/214 文献下载
摘要：本发明涉及时间序列异常检测领域，且公开了一种基于时域频域对抗学习的多元时序异常检测方法，包括以下步骤：步骤一：数据预处理；步骤二：选取训练数据输入到ATF‑UAD中；步骤三：得到时域重构序列；步骤四：得到频域重构序列；步骤五：得到加权重构序列；步骤六：完成模型训练；步骤七：将验证数据集输入到ATF‑UAD中；步骤八：重复步骤二至步骤七，直至模型结束训练；步骤九：将测试数据集输入到ATF‑UAD中；步骤十：重复步骤一至步骤九，完成ATF‑UAD在数据集上的异常检测获得最终得分。本发明采用上述基于时域频域对抗学习的多元时序异常检测方法，利用ATF‑UAD通过双视图对抗学习机制处理两个重建器的重建序列，最小化误差重建值并最大化任何残差异常值。
一种基于时域对抗学习多元时序异常检测方法

[发明专利]基于计算机视觉的脊柱冠状面平衡参数自动测量方法-CN202010633104.1有效
发明人：於文卓;秦飞巍;樊谨;李济舟;蒋超;潘奕彤 -专利权人：杭州电子科技大学
申请日： 2020-07-02 - 公布日： 2023-08-01 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于计算机视觉的脊柱冠状面平衡参数自动测量方法，首先对获得的x光影像图进行预处理，分为上下半身影像图；分别采用基于边缘检测和基于单阈值分割的轮廓提取方法对上下半身影像图进行轮廓提取；基于SIFT特征检测的图像配准技术和启发式算法筛选候选框；计算沿筛选出的颈7骨和骶骨候选框的中心坐标做出的垂线之间的像素距离，并根据影像图dpi大小将像素距离转换为物理距离，完成脊柱冠状位平衡参数CVA的自动测量。本发明选用不同的计算机视觉算法获取目标选框，并结合SIFT图像配准技术和启发式算法思想，减少选框数量，极大提高了选框的精度，保证了量测的准确率。
基于计算机视觉脊柱冠状平衡参数自动测量方法

[发明专利]一种基于动态图卷积的交通预测方法-CN202211695882.9在审
发明人：樊谨;翁文超;田浩;祝苻;陈溪源 -专利权人：杭州电子科技大学;浙江省交通运输科学研究院
申请日： 2022-12-28 - 公布日： 2023-05-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于动态图卷积的交通预测方法，采用时间embedding生成器和MLP层来提取时空embedding和动态信号，并将两者结合得到动态图embedding用来生成动态图。为了提取交通信号的时空依赖关系，使用动态图构建了一个基于RNN的动态图卷积递归模块(DGCRM)来提取交通信号的时空特征。为了识别交通信号中的主体信号和异常信号，使用残差分解机制来分解得到异常信号并使用DGCRM进行建模预测。本发明采用上述的一种基于动态图卷积的交通预测方法，该方法不依赖任何先验知识，生成的动态邻接矩阵能根据当前时间特征和交通信号来挖掘节点间的动态关系，该方法可以识别交通信号中的主体信号和异常信号并对其分开建模以提升效果。
一种基于动态图卷交通预测方法

[发明专利]一种基于时空注意力的双通道神经网络的兴趣点推荐方法-CN202211317767.8在审
发明人：汪森;樊谨;张心怡;朱海斌;刘真 -专利权人：杭州电子科技大学
申请日： 2022-10-26 - 公布日： 2023-03-07 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于时空注意力的双通道神经网络的兴趣点推荐方法，采用双通道神经网络的架构，以用户群体作为输入提取用户群体的时间偏好特征与地点偏好特征，以单个用户作为输入提取用户的个性化偏好特征。通过图神经网络学习用户的轨迹意图，并且结合时间地点偏好特征为用户做出个性化的推荐。本方法可学习非相邻位置和非连续访问之间的相关性。通过用户时间偏好与兴趣点时间偏好匹配层为用户匹配合合适的下一个兴趣点，且面对冷启动问题时更加有效。本发明的采样方式在计算损失时，采样损失对正确预测仍有动量影响，所有负采样都有机会参与交叉熵损失的计算。本发明在多个数据集上都显得更加有效，在序列较短时表现突出。
一种基于时空注意力双通道神经网络兴趣推荐方法

[发明专利]基于多元时序数据分析的交通序列预测方法-CN202211452377.1在审
发明人：翁文超;樊谨;田浩 -专利权人：杭州电子科技大学;浙江省交通运输科学研究院
申请日： 2022-11-21 - 公布日： 2023-02-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多元时序数据分析的交通序列预测方法，采用随机图扩散注意力机制提取交通序列的全局和局部空间特征，使用时间注意力提取时间特征，提升了预测精度，降低了模型的内存使用量，提升了模型在长期预测上的效果。本发明所述的基于多元时序数据分析的交通序列预测方法，使已有模型在保持长期预测的精度的前提下，解决短期预测精度不足、计算复杂度过高导致占用内存规模较大以及不够轻量化的问题。
基于多元时序数据分析交通序列预测方法

[发明专利]基于特征提取强化的高鲁棒性异质图节点分类方法及系统-CN202211323554.6在审
发明人：樊谨;王则昊;张心怡;葛岩;邬惠峰;孙丹凤 -专利权人：杭州电子科技大学
申请日： 2022-10-25 - 公布日： 2023-01-31 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了一种基于特征提取强化的高鲁棒性异质图节点分类方法及系统，涉及异质图节点分类技术领域。该方法包括：获取目标异质图数据；将所述目标异质图数据输入到训练好的鲁棒性特征强化框架模型中，以对所述目标异质图数据中的节点进行分类；所述训练好的鲁棒性特征强化框架模型是基于离散映射模块、协作分离模块、异质图节点分类器、超参优化模块和样本数据集确定的；所述样本数据集包括多个异质图数据集以及相应的节点分类标签；所述节点分类标签包括：节点特征、邻接矩阵和元路径。本发明通过使用鲁棒性特征强化框架模型，优化异质图神经网络的特征嵌入的学习性能，以解决现有模型特征提取能力不足、精度不足和实验结果不稳定等问题。
基于特征提取强化高鲁棒性异质图节点分类方法系统

[发明专利]一种基于分段策略与多成分分解算法的多元时间序列预测方法-CN202211369761.5在审
发明人：陈金华;樊谨;徐周希;项嘉倩;章复嘉 -专利权人：杭州电子科技大学
申请日： 2022-11-03 - 公布日： 2023-01-13 - 主分类号： G06N3/0455 文献下载
摘要：本发明公开了一种基于分段策略与多成分分解算法的多元时间序列预测方法，使用分解‑协作框架与段注意力机制，分离时间序列中的多成分和全局‑局部特征，在提高多元时间序列预测效果的同时保持了近似线性复杂度的计算开销和预测长序列的能力。本发明以编码器‑解码器架构为基础嵌入多成分分解块和用于信息交互的协作块形成具备双通道的分解‑协作架构。基于分段策略将注意力机制应用到位置依赖关系建模和信息聚合的过程中。挖掘历史数据中的段与段之间的深度依赖关系，聚合历史数据的深度特征信息，产生最终的预测结果。本发明有效地提升了模型在多个多元时间序列数据集上的预测任务效果。
一种基于分段策略成分分解算法多元时间序列预测方法

[发明专利]移动互联网上的低俗图片自动识别与内容过滤方法-CN202011084050.4有效
发明人：秦飞巍;涂岱键;姚金良;樊谨;沈梦欣;黄瓯涵 -专利权人：杭州电子科技大学
申请日： 2020-10-12 - 公布日： 2022-06-14 - 主分类号： G06F16/535 文献下载
摘要：本发明公开了一种移动互联网上的低俗图片自动识别与内容过滤方法。本发明步骤：1.基于两大开源数据集建立用于训练和测试四分类低俗图像数据集；2.进行数据预处理；3.构建多阶段注意力机制的神经网络架构；4.基于四分类低俗图像数据集，对多阶段注意力机制的神经网络架构进行训练，获得注意力机制模型；5.将训练过后的注意力机制模型用数据的测试集进行测试，以验证模型的准确率指标；6.将最优的注意力机制模型用于数据的可视化，以热力图的形式展现出图像的高权重重点区域。本发明通过部署注意力机制，对图像的特征图的关键特征所在的区域进行加权操作。通过热力图的形式对特征图进行了数据可视化，通过可视化实验更好地解释模型的决策过程。
移动互联网低俗图片自动识别内容过滤方法

[发明专利]一种基于多元时序流数据的无监督异常检测分析解决方法-CN202111386406.4在审
发明人：司展宇;樊谨;汪森;汪炜杰;孙丹枫;邬惠峰 -专利权人：杭州电子科技大学
申请日： 2021-11-22 - 公布日： 2022-05-13 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种基于多元时序流数据的无监督异常检测分析解决方法。本发明分为三个阶段：离线训练阶段，在线部署阶段，智能异常分析阶段。模型通过时间卷积网络和变分自编码器来解构和重构多元时间序列流数据，学习正常模式。在线流数据检测时，封装成块送入模型得到得分和分类标签，并根据提出的“异常反转机制”，解决在线异常检测中的概念漂移问题，并重训练模型，动态更新分类阈值，提高了处理在线流数据异常的准确度。之后，并行或串行的进行维度粒度的智能异常分析，生成不定维度的异常分析报告。本发明能够对多维度的、复杂的检测指标以及飞速增长的数据流进行智能异常识别、检测、分析，流程完善，为系统安全运行提供了保障。
一种基于多元时序数据监督异常检测分析解决方法

[发明专利]一种基于多行为特征增强的注意力序列推荐方法-CN202111670732.8在审
发明人：俞晓锋;樊谨;王则昊;汪炜杰;孙丹枫;邬惠峰 -专利权人：杭州电子科技大学
申请日： 2021-12-31 - 公布日： 2022-04-12 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于多行为特征增强的注意力序列推荐方法。本发明采用项目交互模式模块和自适应增强的注意力模块，对注意力图进行修正，使得注意力机制更关注符合用户行为规律的局部特征。项目交互模式模块有四种类型的项目交互模式，分别来增强注意力机制对用户行为序列的正反向行为不对称信息、瞬时性信息、连续性信息、非强顺序依赖性信息的感知能力。自适应增强的注意力模块主要有两种增强的结构，单通道结构可以更高效地增强注意力机制，双通道结构则具有更好的推荐性能。自适应增强的注意力模块采用可学习参数对机制可以对局部特征增强程序进行精准的阈值控制。本发明在花费极小的计算开销情况下，提高真实场景下行为序列推荐的准确率。
一种基于行为特征增强注意力序列推荐方法

1
2
3
下一页»
尾页
共 44 条