“应娜”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62个，建议您升级VIP下载更多相关专利

[实用新型]一种木结构组合柱-CN201921275454.4有效
发明人：刘杨梅;吴青思;祝强;应娜 -专利权人：湖北福汉绿色建筑有限公司
申请日： 2019-08-07 - 公布日： 2020-07-14 - 主分类号： E04B1/26 文献下载
摘要：本实用新型公开了一种木结构组合柱,包括上钢板、下钢板、螺栓和大柱体，上钢板通过螺栓固定于大柱体的上端，下钢板通过螺栓固定于大柱体的下端，大柱体包括四根拼装一起的立柱，每根立柱其中一侧边设置有凸条，立柱其中另一侧边设置有与凸条配合连接的凹槽。本实用新型有益效果：本实用新型设置有上钢板、下钢板、螺栓和大柱体,凸条与凹槽便于立柱之间拼装成大柱体，大柱体采用木材料制成的木柱体,自重不是很大,搬运安装简便；采用立柱和钢板组合提高的立柱的强度，满足实际生产使用要求。
一种木结构组合

[发明专利]基于生成对抗网络与自适应比例生成样本图片的方法-CN201810762313.9有效
发明人：郭春生;夏尚琴;都文龙;应娜 -专利权人：杭州电子科技大学
申请日： 2018-07-12 - 公布日： 2020-06-23 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于生成对抗网络与自适应比例生成新图片的方法，包括以下步骤:S1，在输入图片上直接添加由生成对抗网络生成的与输入图片分布接近的噪声；S2根据图片方差构造自适应比例，将输入图片与生成对抗网络生成的噪声以该比例进行融合生成新图片,新图片根据自适应比例调节噪声与输入图片比重；S3通过图片和噪声像素相加的操作为新图片补充原图片信息，生成有益于提高DNN检测率的最终图片。采用本方法提高了DNN的准确率，成本相对较小的，复杂度也更低。
基于生成对抗网络自适应比例样本图片方法

[发明专利]一种基于生成对抗网络的异常检测方法-CN201711032917.X有效
发明人：应娜;蒋威;郭春生;黄铎;王金华 -专利权人：杭州电子科技大学
申请日： 2017-10-30 - 公布日： 2020-06-05 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于生成对抗网络的异常检测方法，包括步骤：S1：处理语义分割图像数据集，得到满足原始图像的数据集和Mask图像的数据集；S2：建立包括生成网络和鉴别网络的异常检测生成对抗网络结构；S3：训练所述满足原始图像的数据集和Mask图像的数据集，得到异常检测的生产对抗网络模型；S4：输入原始图像，得到特定异常类型的图像。本发明与现有技术相比有如下优点：1.本发明以异常部分图像作为模型训练目标，不同于传统异常检测方法，以异常部分具体定位信息作为训练目标，使得图像异常部分更加直观性。2.本发明建立生成对抗网络模型，不同于传统异常检测方法单一一体的网络结构。弥补了无法输出异常部分的图像的缺点。
一种基于生成对抗网络异常检测方法

[发明专利]基于注意力地图的目标检测方法-CN201810110564.9有效
发明人：郭春生;李慧娟;陈华华;应娜 -专利权人：杭州电子科技大学
申请日： 2018-02-05 - 公布日： 2020-05-15 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于注意力地图的目标检测方法。本发明将自上而下的注意力引入当前主流的目标检测框架中，生成了可反映输入图像上各区域与待检测目标相关性的注意力地图，并基于生成的注意力地图对原先的候选框融合方案进行了优化，将自顶向下以及自底向上的信息结合进候选框的融合中，优化了目标检测的性能。本发明是一种更有效更接近生物视觉机制的目标检测方法。
基于注意力地图目标检测方法

[发明专利]一种基于改进VGG-16网络的步态识别方法及系统-CN201910449120.2在审
发明人：蔡哲栋;应娜;郭春生;陈华华;朱宸都;刘赵森;杨鹏 -专利权人：杭州电子科技大学
申请日： 2019-05-28 - 公布日： 2019-08-23 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于改进VGG‑16网络的步态识别方法及系统，包括步骤：S1、基于改进VGG‑16网络对原始行人步态数据集进行处理，提取静态特征和动态特征；S2、训练所述静态特征和动态特征，得到静态识别网络、动态识别网络、特征融合模块和综合识别模块；S3、基于所述静态识别网络、动态识别网络、特征融合模块和综合识别模块识别图像或视频中的步态。本发明与现有技术相比有如下优点：1.本发明结合卷积神经网络进行行人步态识别，利用卷积神经网络优秀的特征提取能力和计算能力，大幅提升对行人步态识别的准确性和实时性。2.本发明结合行人走路时的静态特征与动态特征进行步态识别，可以有效去除由于角度、衣着和距离远近造成的负面影响。
步态识别动态特征静态特征网络卷积神经网络特征融合模块动态识别改进步态数据负面影响计算能力模块识别特征提取实时性步态去除视频走路图像

[发明专利]一种基于神经网络的室内典型场景匹配定位方法-CN201910422946.X在审
发明人：郭春生;容培盛;应娜;陈华华;杨萌;章建武 -专利权人：杭州电子科技大学
申请日： 2019-05-21 - 公布日： 2019-08-16 - 主分类号： G06T7/30 文献下载
摘要：本发明提出一种基于神经网络的室内典型场景匹配定位方法，包括：步骤一、在服务器端建立标准典型场景定位图像库；步骤二、采用Siamese深度神经网络模型，通过大量数据训练，使神经网络从数据中学习判断相似性度量的方法；步骤三、深度神经网络输出特征向量，利用特征向量计算与标准典型场景图像库的相似度，通过相似度大小来判断典型场景匹配程度的高低，评估模型的好坏；步骤四、将训练好的模型搭载入服务器，获取视频数据送入服务器中训练好的深度神经网络进行计算相似度，判别当前所在的位置。本发明所述方法具有训练效率高、收敛性强、建模精度高、匹配效果好、满足复杂环境等优点，可准确、高效地实现设备在线室内典型场景中的匹配定位。
典型场景神经网络匹配定位相似度室内服务器神经网络模型神经网络输出特征向量计算计算相似度相似性度量定位图像服务器端复杂环境匹配效果评估模型设备在线视频数据数据训练特征向量训练效率收敛性图像库建模匹配送入载入学习

[发明专利]一种基于SSD与双摄像头的多目标识别与定位方法-CN201910422933.2在审
发明人：郭春生;韩鹏举;应娜;陈华华;杨萌;章建武 -专利权人：杭州电子科技大学
申请日： 2019-05-21 - 公布日： 2019-08-16 - 主分类号： G06T7/73 文献下载
摘要：本发明提供一种基于SSD与双摄像头的多目标识别与定位方法，包括：基于张氏标定法的相机标定，利用内参使用EPnP算法和Levenberg‑Marquardt算法计算得到精确相机位姿；利用深度学习目标检测框架SSD训练多目标检测模型，可以精准识别双摄像头视线内的多目标；利用SIFT特征把左右摄像机检测出的目标匹配，根据得到的相机位姿，求解目标在现实世界中的位置，实现目标的定位。本发明在室内定位导航中利用深度学习训练模型对多目标进行检测，识别的目标可以包括但不限于行人、狗、车等；既能够实现双摄像头在远距离情况下的定位，又利用了深度学习识别目标的鲁棒性，实现双摄像头多目标快速识别和定位。
双摄像头多目标位姿相机多目标检测摄像机检测快速识别目标匹配室内定位算法计算现实世界相机标定学习目标学习训练鲁棒性远距离标定检测求解算法内参视线学习

[发明专利]一种人脸识别和步态识别融合的门禁系统-CN201910163121.0在审
发明人：张书哲;应娜;陆游飞;朱宸都;李怡菲;杨鹏;徐婷婷;方怡 -专利权人：杭州电子科技大学
申请日： 2019-03-05 - 公布日： 2019-06-21 - 主分类号： G07C9/00 文献下载
摘要：本发明涉及一种人脸识别和步态识别融合的门禁系统，包括步态采集装置、人脸采集装置、步态数据库、人脸数据库、步态匹配模块、人脸匹配模块、特征融合模块、中央控制器、电源模块、电脑记录仪、门禁控制器和警报器，电源模块、电脑记录仪、门禁控制器、警报器分别连接中央控制器，步态采集装置和步态数据库都连接步态匹配模块，人脸采集装置和人脸数据库都连接人脸匹配模块，步态匹配模块和人脸匹配模块都连接特征融合模块。本系统采用特征融合的方式进行身份识别，鲁棒性好，识别率高，电脑记录仪实时记录通过和未通过门禁的数据，整个系统管理方便，安全高效。
匹配模块步态电脑记录仪人脸警报器步态数据库门禁控制器人脸数据库中央控制器步态识别采集装置电源模块门禁系统人脸采集人脸识别特征融合模块连接特征融合模块身份识别实时记录特征融合系统管理融合鲁棒性识别率门禁安全

[发明专利]一种基于强化学习优化的多人姿态检测方法-CN201910080912.7在审
发明人：黄铎;应娜;郭春生;朱宸都;蔡哲栋;刘兆森 -专利权人：杭州电子科技大学
申请日： 2019-01-28 - 公布日： 2019-06-07 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于强化学习优化的多人姿态检测方法。针对传统方法中目标检测器所定位的有些包围框不能很好地贴合人体，导致姿态检测器的检测精度下降，进而影响到整个多人姿态检测算法的精度，提出了基于强化学习的目标精细模型，针对不够精确的包围框进行调整。目标精细模型使得包围框能更加贴合人体，减少了包围框中图像的冗余信息，可以提高姿态检测器的检测精度。
包围框强化学习姿态检测姿态检测器精细模型贴合目标检测器冗余信息检测算法优化图像

[发明专利]一种基于YOLOv3算法的多人姿态估计方法-CN201910069350.6在审
发明人：蔡哲栋;应娜;黄铎;杨鹏 -专利权人：杭州电子科技大学
申请日： 2019-01-24 - 公布日： 2019-05-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于YOLOv3算法的多人姿态估计方法，包括步骤：S1:处理综合数据集，得到满足方法需要的单类行人数据集；S2：设计图片切割提取模块，将YOLOv3算法和Stacked Hourglass算法合理结合得到多人姿态估计网络框架；S3：训练S1所述数据集得到单类行人检测的YOLOv3网络模型，训练MPII数据集得到Hourglass姿态估计网络模型。将训练得到的YOLOv3网络模型和级联4个Hourglass网络得到的Stacked Hourglass网络模型进行合理结合，得到基于YOLOv3算法的多人姿态估计网络模型；S4：输入原始图像，得到多人姿态估计建议的图像。本发明基于最新的YOLOv3算法，通过提升人体检测器的检测能力，提高了多人姿态估计的准确性，提升了对全局性的把控。
姿态估计算法网络模型数据集单类人体检测器提取模块图片切割网络框架行人检测行人数据原始图像综合数据级联图像检测网络

[发明专利]一种基于3D卷积的行人异常行为识别方法-CN201910079769.X在审
发明人：刘兆森;应娜;郭春生;朱辰都;杨鹏;李怡菲 -专利权人：杭州电子科技大学
申请日： 2019-01-28 - 公布日： 2019-04-16 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于3D卷积的行人异常行为识别方法，包括步骤：S1：创建一个包含打架斗殴、遛狗、摔倒等异常行为的数据集；S2：结合最新的视频行为识别方案，构建一个兼顾精度与速率的3D卷积神经网络；S3：对数据集中图像进行预处理后送入3D卷积神经网络，得到视频异常行为识别模型；S4：输入测试行人监控视频，输出异常行为类型。本发明所述识别方法将轻量级的2D卷积网络MobileNet思想迁移到3D网络中，可以在保持识别性能的基础上降低计算成本；同时，采用自适应池化层与稀疏时间采样策略，可以减少连续帧中包含大量冗余的信息与模糊噪声。
异常行为卷积卷积神经网络视频预处理监控视频时间采样识别性能输出异常输入测试数据集中行为类型行为识别冗余连续帧数据集自适应池化构建稀疏遛狗噪声摔倒送入迁移网络图像模糊创建

[实用新型]一种牙刷-CN200920177671.X无效
发明人：应娜 -专利权人：应娜
申请日： 2009-09-10 - 公布日： 2010-05-26 - 主分类号： A46B5/00 文献下载
摘要：本实用新型公开了一种牙刷，它包括刷柄(1)、与刷柄(1)为一整体的刷头(2)以及连接在刷头(2)上的若干刷毛；所述刷毛末端磨圆；所述刷毛包括斜向刷毛I(3)和斜向刷毛II(4)；所述斜向刷毛I(3)的倾斜方向与斜向刷毛II(4)的倾斜方向相反；所述斜向刷毛I(3)位于斜向刷毛II(4)的两边。本实用新型的优点在于：不但能有效清洁牙齿表面，而且还能够有效剔除牙缝深处的残留物。
一种牙刷

[实用新型]螺帽-CN200920177673.9无效
发明人：应娜 -专利权人：应娜
申请日： 2009-09-10 - 公布日： 2010-05-26 - 主分类号： F16B37/00 文献下载
摘要：本实用新型公开了一种螺帽，它包括一个带有螺纹通孔(1)的螺帽本体(2)；所述螺帽本体(2)的一个端面上设有一个环形凸台(3)；所述环形凸台(2)的内壁上紧配有橡胶垫圈(4)；所述橡胶垫圈(4)的内径略小于螺纹通孔(1)的内径。本实用新型的优点在于：使用成本低、装配简单、方便。
螺帽

[实用新型]儿童牙刷-CN200920177669.2无效
发明人：应娜 -专利权人：应娜
申请日： 2009-09-10 - 公布日： 2010-05-26 - 主分类号： A46B3/20 文献下载
摘要：本实用新型公开了一种儿童牙刷，它包括刷柄(1)、刷毛(2)以及与刷柄(1)为一整体的刷头(3)；所述刷头(2)的一端连接有弧形弹性胶体(4)；所述刷毛(2)连接在刷头(3)和弹性胶体(4)上。本实用新型通过弹性胶体的设置大大缓冲了儿童刷牙时刷头对儿童牙齿的力量，有效防止了因儿童刷牙用力不当对牙齿的损伤。
儿童牙刷

[实用新型]牙刷-CN200920177672.4无效
发明人：应娜 -专利权人：应娜
申请日： 2009-09-10 - 公布日： 2010-05-26 - 主分类号： A46B3/00 文献下载
摘要：本实用新型公开了一种牙刷，它包括刷柄(1)、若干橡胶套(4)、与刷柄(1)为一整体的刷头(2)以及连接在刷头(2)上的刷毛(3)；所述橡胶套(4)套紧在刷柄(1)上。本实用新型的优点在于：加工简单，使用时刷柄不易打滑。
牙刷