“孙垚棋”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337个，建议您升级VIP下载更多相关专利

[发明专利]特征金字塔图卷积神经网络及其在3D点云分类中的应用-CN202010355030.X有效
发明人：颜成钢;白俊杰;龚镖;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-29 - 公布日： 2023-10-20 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种特征金字塔图卷积神经网络及其在3D点云分类中的应用。本发明通过对图卷积网络提取到的多种不同尺度的特征信息进行特征提取，在网络进行特征提取的过程中，不同深度的网络提取出的信息会有不同，通过对多种尺度可以更充分的使用网络中的特征信息，提高网络的效果。同时本发明通过深层残差图网络结构对特征进行进行提取，并构建了一种特征金字塔结构，在网络进行预测结果的以后充分的使用多种层次的特征信息，通过这种方法使得网络在进行3D点云分类的时候拥有更好的效果，同时该结构还能运用到其他任务重，本发明可以充分的利用图网络中提取的数据关系信息，提高图网络对数据的关系处理能力，提高在点云分类等图数据中的能力。
特征金字塔图卷神经网络及其分类中的应用

[发明专利]一种基于T型注意力结构的医学图像分割方法-CN202010355011.7有效
发明人：颜成钢;杨祥宇;杨建;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： 2020-04-29 - 公布日： 2023-10-17 - 主分类号： G06T7/10 文献下载
摘要：本发明提供一种基于T型注意力结构的医学图像分割方法。本发明提出了一种用于医学图像分割的改进的U‑Net模型，在U‑Net网络的解码网络结构中引入带有T注意力模块的门控注意力机制，在编码网络结构和解码网络结构中加入ResNet残差模块；通过带有T注意力模块的门控注意力机制，可以将浅层的输入图像的全局特征信息提取出来，解决了之前因为直接进行跳跃结构引起的图像特征不充分问题。并且T注意力模块之间共享模型参数，降低时间和空间复杂度。对于每一个卷积层，加入了残差模块，解决了训练过程中梯度消失和爆炸问题，网络训练时更容易优化。
一种基于注意力结构医学图像分割方法

[发明专利]一种基于图像清晰度的车辆图像语义分割方法-CN202010363326.6有效
发明人：颜成钢;沈少强;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-30 - 公布日： 2023-10-17 - 主分类号： G06T7/12 文献下载
摘要：本发明公开了一种基于图像清晰度的车辆图像语义分割方法。本发明设计了一个清晰度判别模块，并将结果导入总的损失函数中，实现更加精确的分割效果，具体实现如下：步骤1、采用Tenengrad函数来对输入的车辆图像进行清晰度判定；步骤2、采用DeepLab V3+作为语义分割主干网络进行训练；步骤3、用训练完的网络输出语义分割结果。本发明对于清晰度做出判定，根据判别结果，本发明设计了相应的损失函数LD，并将其加入到语义分割主干网络的损失函数中，从而使网络具有判别车辆图像清晰度的能力，增加了网络对车辆图像语义分割的针对性，提高语义分割主干网络的分割精度。
一种基于图像清晰度车辆语义分割方法

[发明专利]一种基于图论的功能脑网络中枢节点的动态检测方法-CN202010364805.X有效
发明人：颜成钢;陈安琪;朱嘉凯;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-04-30 - 公布日： 2023-10-13 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于图论的功能脑网络中枢节点的动态检测方法。本发明在多变量中枢节点检测方法的基础上进行了改进，使得能够检测出更加可靠的符合神经科学认知活动的中枢节点。首先，利用滑动窗口的技术，把血氧信号以时间为维度平均分成几段。在每一段时间的滑动窗口内，检测出对应时间窗口内的中枢节点，从而得到一条中枢节点随着滑动窗口移动的一条变化轨迹。最后，把这条变化轨迹作为一种约束作用在多变量检测的方法上，从而能够动态的检测出更加可靠准确的中枢节点。
一种基于功能网络中枢节点动态检测方法

[发明专利]一种基于深度先验的深度估计空间划分优化方法及系统-CN202310448412.0在审
发明人：颜成钢;杨智文;李亮;张杰华;殷海兵;王鸿奎;赵治栋;孙垚棋;朱尊杰;王帅;高宇涵;张继勇;李宗鹏 -专利权人：杭州电子科技大学丽水研究院
申请日： 2023-04-24 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度先验的深度估计空间划分优化方法，首先获取RGB图及对应的稀疏深度图，通过轻量化特征提取模块处理稀疏深度图，获得空间划分结果；再通过深度估计网络进行概率预测；最后将得到的空间划分结果和概率结合起来得到最终的深度图。本发明相较于传统的分类‑回归类单目深度估计方法增加了基于稀疏深度图的引导，在一定程度上提升了深度空间划分的质量，达到使深度估计结果更加准确的效果。
一种基于深度先验估计空间划分优化方法系统

[发明专利]一种基于局部子图的实时回环检测方法-CN202010757742.4有效
发明人：颜成钢;朱尊杰;李明珠;李彬;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-07-31 - 公布日： 2023-10-03 - 主分类号： G06T7/55 文献下载
摘要：本发明提供一种基于局部子图的实时回环检测方法，首先创建基于各子图的特征数据库；然后在检测回环之前，对当前帧的相邻子图进行筛选；最后通过相邻子图的特征数据库中的关键帧信息进行回环检测与关键帧添加。本发明设计了通用的回环检测框架，对现有的回环检测技术结合局部子图的数据结构，实现检测时间不随地图(关键帧数量)的增大而增大，有效保证了现有三维重建技术在重建大场景时的实时性。
一种基于局部实时回环检测方法

[发明专利]一种基于编解码结构的多模态显著性对象检测方法-CN202010494739.8有效
发明人：周晓飞;颜成钢;潘亮;贺熠凡;孙垚棋;张继勇;张勇东 -专利权人：杭州电子科技大学
申请日： 2020-06-03 - 公布日： 2023-10-03 - 主分类号： G06V10/46 文献下载
摘要：本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
一种基于解码结构多模态显著对象检测方法

[发明专利]一种三维场景移动物体检测方法-CN202310393130.5在审
发明人：颜成钢;郭泰佑;胡江涛;徐浙峰;宣仲玮;朱尊杰;徐枫;王帅;高宇涵;王廷宇;孙垚棋;王鸿奎;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-04-13 - 公布日： 2023-09-29 - 主分类号： G06T7/73 文献下载
摘要：本发明公开了一种三维场景移动物体检测方法，首先对同一场景在两个时间点创建的点云模型进行预处理，再将预处理后的两个点云进行配准；将配准后的两个点云分别进行物体检测，得到两个物体集合；之后将配准后的两个点云进行差分，得到它们的差异区域,根据差异区域从两个物体集合中分别提取得到两个候选移动物体集合；最后将候选移动物体集合进行暴力配准物体匹配，得到最终移动信息。本发明方法更加轻量简洁，便于用于公安，安防，机器人等地方。
一种三维场景移动物体检测方法

[发明专利]一种多智能体未来轨迹预测系统及方法-CN202310448424.3在审
发明人：颜成钢;陈宏磊;翟春杰;陈楚翘;陈慧勤;尹克;孙垚棋;朱尊杰;王帅;王鸿奎;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-04-24 - 公布日： 2023-09-29 - 主分类号： B60W50/00 文献下载
摘要：本发明公开了一种智能体未来轨迹预测系统及方法，包括特征编码器、建议解码器、有向无环图编码器和分解联合解码器，特征编码器对场景上下文信息和历史轨迹进行编码，得到智能体编码，建议解码器对特征编码器的输出的智能体编码进行解码输出智能体的边际未来轨迹，有向无环图编码器根据建议解码器输出智能体的边际未来轨迹建立多智能体之间交互的交互图结构，分解联合解码器根据交互图结构和智能体编码生成多智能体未来联合的轨迹预测。对于有向无环交互图上的源节点，本发明方法能够并行处理，并且在无交互关系的两个智能体也能并行处理，从而提高了轨迹预测的计算效率。
一种智能未来轨迹预测系统方法

[发明专利]一种基于时变循环神经网络的时序预测方法-CN202310285123.3在审
发明人：颜成钢;赵健祥;陆雯;何敏;王帅;高宇涵;孙垚棋;朱尊杰;王鸿奎;王廷宇;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-03-22 - 公布日： 2023-09-29 - 主分类号： G06N3/0442 文献下载
摘要：本发明公开了一种基于时变循环神经网络的时序预测方法，首先使用基展开构造动态时变矩阵；然后通过动态时变矩阵替换循环神经网络中的固定矩阵，使之成为时变循环神经网络；最后将改进的时变循环神经网络应用在时序预测任务上，得到更好的性能。本发明方法结合了功能数据分析(FDA)实践中常用的基展开技术，以生成独特的动态时变矩阵，更能体现输入数据的动态特性，将其应用在时序预测的实验中，预测性能得到了提高。
一种基于循环神经网络时序预测方法

[发明专利]一种基于自注意力机制的图像数据融合方法-CN202310393126.9在审
发明人：颜成钢;黄科杰;王帅;高宇涵;王廷宇;孙垚棋;朱尊杰;王鸿奎;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-04-13 - 公布日： 2023-09-29 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于自注意力机制的图像数据融合方法，首先对图像进行预处理，然后对图像进行分层；再对分层后的图像数据进行编码；通过多尺度融合的全局注意力网络生成融合数据；最后将多尺度融合的全局注意力网络生成的融合数据进行进一步处理，得到最终融合的编码数据，解码数据得到最后输出结果。本发明提高了图片信息利用率，在各阶段之间引入了多尺度融合的全局注意力网络(SICA)，使得目标事件准确度提升。
一种基于注意力机制图像数据融合方法

[发明专利]一种基于FPGA的国密SM3杂凑算法的硬件优化方法-CN202310414530.X在审
发明人：颜成钢;陈旺;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学
申请日： 2023-04-13 - 公布日： 2023-09-22 - 主分类号： H04L9/06 文献下载
摘要：本发明公开了一种基于SM3密码杂凑算法的硬件实现方法，首先进行输入消息填充，将消息填充后的结果分成若干消息块，对消息块进行消息扩展；再对扩展数据进行消息压缩最后得到输入数据的杂凑值。本发明将在硬件平台上实现消息填充模块；另外相比传统SM3算法运行周期减少，在压缩模块中对关键路径做出改善，使得电路的延迟得到缓解，这使得性能得到了显著提升。
一种基于 fpga sm3 杂凑算法硬件优化方法

[发明专利]一种基于特征提炼的伪装物体检测方法-CN202310327951.9在审
发明人：颜成钢;马立栋;陈泉;孙垚棋;朱尊杰;高宇涵;王鸿奎;王帅;王廷宇;殷海兵;张继勇;李宗鹏;赵治栋 -专利权人：杭州电子科技大学丽水研究院
申请日： 2023-03-30 - 公布日： 2023-09-22 - 主分类号： G06V10/26 文献下载
摘要：本发明公开了一种基于特征提炼的伪装物体检测方法，首先获取伪装物体检测数据集，进行数据预处理；构建基于特征提炼的伪装物体检测模型；再通过训练集对构建好的基于特征提炼的伪装物体检测模型训练，对预测结果使用结构损失函数进行监督学习。最后对模型训练结果加以验证。本发明基于特征提炼的方式来构建伪装物体检测模型，对伪装物体图像的特征进行增强处理以及去除背景噪声，利用结构损失函数对结果进行监督学习，使得预测结果更加准确，具有较强的鲁棒性，从而实现对伪装物体的精确分割，对社会具有重要意义。
一种基于特征提炼伪装物体检测方法

[发明专利]一种基于边缘信息的钢铁表面缺陷显著性检测方法-CN202111551782.4有效
发明人：沈坤烨;周晓飞;张继勇;孙垚棋;颜成钢 -专利权人：杭州电子科技大学
申请日： 2021-12-17 - 公布日： 2023-09-22 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于边缘信息的钢铁表面缺陷显著性检测方法，首先构建基于边缘信息的钢铁表面缺陷显著性检测模型，包括编码器部分、边缘信息提取模块和解码器部分；通过编码器部分提取显著性信息，通过边缘信息提取模块获得边缘信息，最后通过解码器部分融合显著性信息与边缘信息，输出模型预测的结果图。本发明方法通过在编码器部分引入通道注意力机制，对于所提取信息当中重要的部分赋予更大权重，从而使得编码器能更有效地提取信息。本发明还利用编码器输出的信息，提取获得边缘信息并用于指导解码器部分结果图的生成，加强了前景与背景边界区域的检测能力，从而有效地对钢铁表面缺陷区域进行显著性检测。
一种基于边缘信息钢铁表面缺陷显著检测方法

[发明专利]一种基于边缘主体融合信息的遥感目标显著性检测方法-CN202011494987.9有效
发明人：周晓飞;王灵波;颜成钢;孙垚棋;张继勇 -专利权人：杭州电子科技大学
申请日： 2020-12-17 - 公布日： 2023-09-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于边缘主体融合信息的遥感目标显著性检测方法。本发明步骤：1、图像数据预处理；2、网络搭建：网络包括encoder部分和decoder部分；encoder部分包括一个输入卷积层和六个卷积块，其中前四个卷积块采用ResNet34；encoder和decoder之间添加3个3*3的卷积层作为桥接；Decoder部分与encoder部分为对称结构，每个解码块与对应encoder部分concat的同时，还将前一个解码块concat到当前解码块；3、数据输入和训练。本发明有效利用了编码阶段的边缘信息和主体信息，并选择使用多loss融合的模式对U‑net解码部分的各个边缘输出进行约束，同时对各个边缘输出进行融合，使得遥感目标的检测取得了显著提升。
一种基于边缘主体融合信息遥感目标显著检测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 337 条