“陈胜勇”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410个，建议您升级VIP下载更多相关专利

[发明专利]一种应用于RBF神经网络的改进Sobol敏感性分析方法-CN201710669961.5在审
发明人： 陈胜勇;程徐;石凡;栾昊;邱会丽;薛佳乐 -专利权人：天津理工大学
申请日： 2017-08-08 - 公布日： 2018-01-26 - 主分类号： G06N3/04 文献下载
摘要：一种应用于RBF神经网络的改进Sobol敏感性分析方法，包括如下步骤①数据预处理将历史运行数据中大的离群点数据剔除，确定输入变量和输出变量，确定神经网络的训练样本和测试样本，确定神经网络的拓扑结构；②确定各个输入变量的输入范围；③对输入变量进行拉丁‑超立方采样；④往输入采样中注入“探针变量”；⑤建立起原函数的RBF模型，产生模型输出；⑥利用Sobol进行敏感性分析，产生敏感性分析结果。本发明在训练数据中注入了一组敏感性非常低的“探针变量”，最终结果中敏感性低于“探针变量”的认为低敏感度可以直接剔除，反之可以保留，进一步分析各个变量之间相互影响关系，借此来分析原模型的复杂性和潜在特性。
一种应用于 rbf 神经网络改进 sobol 敏感性分析方法

[发明专利]一种面向严重退化视频的实时光流分析跟踪方法-CN201710616690.7在审
发明人：刘盛;冯缘;陈一彬;沈康;陈胜勇 -专利权人：浙江工业大学
申请日： 2017-07-26 - 公布日： 2018-01-12 - 主分类号： G06T7/246 文献下载
摘要：一种面向严重退化视频的实时光流分析跟踪方法，包括如下步骤1)统计退化特征，对每一个像素计算其运用方向，并以此来描述这个像素的运动退化情况，单一像素的方向评估是通过一个局部自相关函数获得的，构建单位矢量来表示一个像素的运动；2)构建统计退化模型，在模型中引入了三个不同的特征来应对具有挑战性的跟踪任务，包括对目标变形鲁棒的颜色分布，对照明变化鲁棒的梯度分布，以及对快速运动和运动模糊鲁棒的退化分布，对于每个特征，学习目标的特征得分；获得指示目标位置的最终得分。本发明提供了一种实时性较好、有效实现实时跟踪、跟踪准确率较高的面向严重退化视频的实时光流分析跟踪方法。
一种面向严重退化视频实时分析跟踪方法

[发明专利]基于前景和背景先验的多模态区域一致性的显著性对象检测方法-CN201510072313.2有效
发明人：张剑华;王其超;谢榛;赵妍珠;陈胜勇;张建伟 -专利权人：浙江工业大学
申请日： 2015-02-11 - 公布日： 2017-12-19 - 主分类号： G06T7/10 文献下载
摘要：一种基于前景和背景先验的多模态区域一致性的显著性对象检测方法，包括如下步骤1)获得场景的颜色图像和深度图像，同时生成点云；2)采用颜色图和深度图将场景分割；3)采用基于对象区域检测方法，对图像的所有区域进行检测得到焦点区域，在颜色图像中将焦点区域作为前景先验；4)检测出点云的平面区域作为背景先验，从颜色图像和对应深度图像中得到点云数据，在点云数据中检测出平面结构，然后计算连接场景边界的边界长度，计算出平面分割的背景连通度，并且得到过分割的背景权重；5)计算得到全局区域对比度SG(rk)，显著性图通过下面的公式得到S(rk)＝SF(rk)×SB(rk)×SG(rk)。本发明有效提升正确率。
基于前景背景先验多模态区域一致性显著对象检测方法

[发明专利]一种基于深度学习的果蔬检测方法-CN201710544590.8在审
发明人：胡海根;周莉莉;黄玉娇;肖杰;管秋;陈胜勇 -专利权人：浙江工业大学
申请日： 2017-07-06 - 公布日： 2017-12-08 - 主分类号： G06K9/62 文献下载
摘要：一种基于深度学习的果蔬检测方法，包括步骤1，首先对数据进行预处理；对原始图片事先进行手工标定，获得分割标签。标定是指原始图片中目标框的左上角点与右下角点的坐标，标签是指判定每个标定框中目标是否为果蔬及确定果蔬的类别；步骤2，其次对数据进行训练；将所述原始图片和图片标签作为深度学习神经网络的训练集，结合区域建议网络RPN及Fast R‑CNN卷积神经网络对数据进行训练，得到最终果蔬检测模型；步骤3，最后对测试数据进行测试；调用最终果蔬检测模型及测试程序，对测试图片进行果蔬的检测，通过观察测试结果，分析最终果蔬检测模型效果的好坏。
一种基于深度学习检测方法

[发明专利]一种基于深度感应器的脑电信号电极采集方法-CN201710238062.X在审
发明人：周小龙;张阳阳;陈胜勇;何煜;邱慧丽;李军伟 -专利权人：浙江工业大学
申请日： 2017-04-13 - 公布日： 2017-12-08 - 主分类号： A61B5/0476 文献下载
摘要：一种基于深度感应器的脑电信号电极采集方法，包括以下步骤1)利用彩色相机和深度感应器相结合相机组作为采集设备在五个角度对目标进行数据采集；2)对五个角度采集的彩色图像进行EEG电极采集，得到EEG电极的图像坐标；3)将EEG电极的二维坐标转换为三维空间位置；4)将五个角度的电极空间坐标统一转换到同一个坐标系下，完成电极摄影测量。本发明充分的利用了深度感应器可直接获取三维信息的优势，并设计了在五个角度采集目标数据的摄影测量框架，这使得在操作和计算的过程中更快，更便捷，获取的不同类型电极位置结果更加稳定。
一种基于深度感应器电信号电极采集方法

[发明专利]一种飞行器月表软着陆的实时动态选址方法-CN201510424070.4有效
发明人：张剑华;任亲虎;万富华;谢榛;贺亮;刘盛;陈胜勇 -专利权人：浙江工业大学
申请日： 2015-07-17 - 公布日： 2017-12-05 - 主分类号： G01C21/24 文献下载
摘要：一种飞行器月表软着陆的实时动态选址方法，包括如下步骤1)着陆场景选择；2)基于阴影和高亮的障碍物检测，对捕获到的图像进行处理，如果在捕获到的图像有障碍物，在障碍物的附近除了阴影之外会有高亮区域；3)基于阴影和高亮的障碍物检测的寻址；4)实时动态选址的实现。本发明提供一种对光照强度变化具有鲁棒性、准确率较高、实时性较高的飞行器月表软着陆的实时动态选址方法。
一种飞行器软着陆实时动态选址方法

[发明专利]一种基于多序列医学图像的血管配准方法-CN201510088135.2有效
发明人：汪晓妍;李军伟;黄晓洁;张剑华;滕忠照;陈胜勇 -专利权人：浙江工业大学
申请日： 2015-02-26 - 公布日： 2017-12-05 - 主分类号： G06T7/33 文献下载
摘要：一种基于多序列医学图像的血管配准方法，包括以下步骤1)获取多序列医学血管图像，选定一个序列图像为配准的参考图像，其他序列图像作为浮动图像；2)对所述多序列医学血管图像进行去噪处理；3)血管边缘的shape context描述；4)边缘点匹配；5)滤除误匹配；6)边缘校正与插值根据匹配点对血管壁做迭代演化，使形变后的参考图像与浮动图像血管轮廓能量函数E(pi,qj)达到最小，根据边缘校正后的结果，采用样条插值的方法对浮动图像的局部血管区域做插值，最终得到配准后的结果。本发明提供一种精度较高的基于多序列医学图像的血管配准方法。
一种基于序列医学图像血管方法

[发明专利]一种基于视觉显著性融合的图像检索方法-CN201710479300.6在审
发明人：白琮;陈佳楠;黄玲;郝鹏翼;陈胜勇 -专利权人：浙江工业大学
申请日： 2017-06-22 - 公布日： 2017-11-17 - 主分类号： G06F17/30 文献下载
摘要：一种基于视觉显著性融合的图像检索方法，检索对象为彩色图像，所述图像检索方法包括训练过程和测试过程；所述训练过程包括步骤一、建立视觉词汇字典依次对训练图像集中的每张图像进行分析处理，为后续检索建立一个视觉词汇字典；步骤二、利用图像的视觉显著性特征融合算法得到视觉显著性图，再根据显著图分割得到图像的前景目标图和背景区域图；步骤三、对前景目标图和背景区域图分别提取图像的色彩特征和纹理特征；步骤四、在步骤一的操作基础上，统计数据库中每张图片的视觉词汇分布直方图；所述测试过程包括步骤五；对测试图像进行检索。本发明提供一种分割效果较好、检索性能较高的基于视觉显著性融合的图像检索方法。
一种基于视觉显著融合图像检索方法

[发明专利]一种植物杂交育种组合的标记方法-CN201710807926.5在审
发明人：何霭如;余小丽;陈胜勇;李观康;陈宇辉;冯恩友;谭家壮;莫定鸣;梁永军;陈雄进 -专利权人：湛江市农业科学研究院（广东省（湛江）区域性农业试验中心）
申请日： 2017-09-08 - 公布日： 2017-11-10 - 主分类号： A01H1/02 文献下载
摘要：本发明公开了一种植物杂交育种组合的标记方法，先将母本按品种或品系进行划分，使相同品种或品系的母本栽种在同一小区；再按育种计划，用不同颜色的线系在母本的花柄上，以区分同一小区内同一母本与不同父本的杂交组合，然后将小区编号、母本与不同父本的组合及其对应的线的颜色记录下来，再进行杂交；种子成熟后，每个小区都按照母本花柄上的线的颜色来采收种子，同一颜色线标记的种子放一起，待采收结束后再按照事先记录的信息区分亲本组合，进行后续试验。本发明的标记方法简单方便，成本低，而且轻巧，不易折断花蕾且不易褪色；同时，采收简单，无须看牌、解线，而且不容易混淆，能使植物杂交效率提高1倍以上，具有较大的应用前景。
一种植物杂交育种组合标记方法

[发明专利]一种甘薯苗圃快速增量扩繁的方法-CN201710682171.0在审
发明人：何霭如;陈胜勇;余小丽;李观康;陈宇辉;梁永军;莫定鸣;冯恩友;谭家壮 -专利权人：湛江市农业科学研究院（广东省（湛江）区域性农业试验中心）
申请日： 2017-08-10 - 公布日： 2017-10-27 - 主分类号： A01G1/00 文献下载
摘要：本发明涉及一种甘薯苗圃快速增量扩繁的方法，包括用薯块露地育苗或加盖薄膜育苗；剪苗移栽到苗圃进行扩繁，采用双苗双行的栽插方式栽种；苗圃栽种薯苗后垄中间铺上滴灌带，并喷施除草剂水溶液；打顶；采苗到大田用作生产；本发明利用双苗双行栽插，配以电动割草机打顶，在相同的土地面积上产出更多的薯苗供生产用，节约成本，增效增收。
一种甘薯苗圃快速增量方法

[发明专利]一种适用于严重退化图像的基于显著性的对象分割方法-CN201510069617.3有效
发明人：刘盛;王建峰;张少波;陈胜勇 -专利权人：浙江工业大学
申请日： 2015-02-10 - 公布日： 2017-10-13 - 主分类号： G06T7/11 文献下载
摘要：一种适用于严重退化图像的基于显著性的对象分割方法，包括以下步骤(1)通过显著图生成初始化的显著对象种子；(2)生成基于局部自相关性的骨架；(3)在显著对象的边缘上生成用于扩展的起始点；(4)为每个起始点初始化扩展的方向；(5)设置扩展的终止条件并完成扩展操作；(6)标记没能找到终止点的起始点作为退化区域标记点；(7)对扩展后的结果进行修补和平滑；(8)根据退化区域标记点用超像素修补对象分割结果。本发明结合局部自相关性以及超像素能有效地提高分割结果的准确性和完整性，避免了由严重图像退化所带来的分割结果丢失部分区域的问题，提高了显著对象分割对于图像退化的鲁棒性。
一种适用于严重退化图像基于显著对象分割方法

[发明专利]一种面向月面导航的自适应的地标选取方法-CN201510442396.X有效
发明人：张剑华;冯余剑;谢榛;任亲虎;步青;刘盛;陈胜勇 -专利权人：浙江工业大学
申请日： 2015-07-24 - 公布日： 2017-09-26 - 主分类号： G01C21/24 文献下载
摘要：一种面向月面导航的自适应的地标选取方法，包括如下步骤1)利用SiftGPU算法进行sift特征点的提取；2)进行特征点的降采样；3)采用自适应的DBSCAN聚类算法对第二步操作后的特征点进行聚类，过程如下3.1)根据每个特征点的最短距离分布，来获取聚类算法的初始化参数；3.2)采用非递归的方式进行DBSCAN算法的实现，得到多个候选的地标；4)通过对相邻两帧图像进行匹配，获取当前地标中正确匹配上的特征点M，以及所有地标中匹配上特征点最多的Mmax和检测到的特征点数A，利用评价函数函数来获取得分最高的地标为选取地标。本发明自适应能力较好、实时性良好。
一种面向导航自适应地标选取方法

[发明专利]一种基于时间金字塔局部匹配窗口的动作识别方法-CN201410433290.9有效
发明人：王鑫;汪晓妍;沃波海;王其超;管秋;陈胜勇 -专利权人：浙江工业大学
申请日： 2014-08-28 - 公布日： 2017-06-30 - 主分类号： G06K9/00 文献下载
摘要：一种基于时间金字塔局部匹配窗口的动作识别方法，包括如下步骤1)从立体相机中获得场景中人的深度图序列，从深度图中提取出3D关节点的位置，用姿态之间的3D位移差作为每帧深度图的特征表达；2)用聚类方法对训练集中的描述子进行学习，得到特征集合，并用它对每个描述子进行特征表达，从而得到每帧图像的编码表示；3)采用基于时间金字塔的局部匹配模型，对整个动作图像序列进行动作片段划分，并得到每个动作片段的特征直方图表达；4)用一个长向量把所有片段的特征直方图表达串联起来，就是整个动作的特征表达。本发明有效识别相似的动作、识别率较高。
一种基于时间金字塔局部匹配窗口动作识别方法

[发明专利]基于形状先验和相似性约束的颈动脉内外壁自动分割方法-CN201510088158.3有效
发明人：张剑华;何俊丽;陈磊;汪晓妍;滕忠照;管秋;陈胜勇 -专利权人：浙江工业大学
申请日： 2015-02-26 - 公布日： 2017-06-20 - 主分类号： G06T7/11 文献下载
摘要：一种基于形状先验和相似性约束的颈动脉内外壁自动分割方法，所述分割方法包括如下步骤1)通过SVM方法检测颈动脉内腔，得到内腔所在位置；2)使用各向异性的分割方法分割内壁；3)在分割内壁的基础上，结合外壁的特征学习回归模型，估算外壁大致位置，并构造概率模型；4)使用相似性约束算法分割外壁。本发明提供了一种自动方式、有效实现内外壁分割、精确度较高的基于形状先验和相似性约束的颈动脉内外壁自动分割方法。
基于形状先验相似性约束颈动脉外壁自动分割方法

[发明专利]一种基于显著性分割的基于内容的图像检索方法-CN201710151860.9在审
发明人：白琮;陈佳楠;黄玲;郝鹏翼;陈胜勇 -专利权人：浙江工业大学
申请日： 2017-03-15 - 公布日： 2017-06-13 - 主分类号： G06F17/30 文献下载
摘要：一种基于显著性分割的基于内容的图像检索方法，包括训练过程和测试过程；所述训练过程包括以下步骤步骤一、建立视觉词汇字典依次对训练图像集中的每张图像进行分析处理，为后续检索建立一个视觉词汇字典；步骤二、利用图像的视觉显著性特征，分割得到图像的前景目标图和背景区域图；步骤三、对前景目标图和背景区域图分别提取图像的色彩特征和纹理特征；步骤四、在步骤一的操作基础上，统计数据库中每张图片的视觉词汇分布直方图；所述测试过程包括步骤五，在步骤一到步骤四操作的基础上，对测试图像进行检索，可实现对测试图像的检索。本发明提供了一种有效减少语义鸿沟、准确性较高的基于显著性分割的基于内容的图像检索方法。
一种基于显著分割内容图像检索方法