“赵治栋”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128个，建议您升级VIP下载更多相关专利

[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]一种基于深度学习的快速增量式室内语义建图方法-CN202310782575.2在审
发明人：颜成钢;任浩帆;李宗鹏;丁贵广;付莹;郭雨晨;赵思成;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;赵治栋;殷海兵;张继勇;薛安克 -专利权人：杭州电子科技大学
申请日： 2023-06-29 - 公布日： 2023-09-12 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于深度学习的快速增量式室内语义建图方法，首先构造识别墙面、地板和天花板的主平面识别深度神经网络；对于增量式的RGBD序列，基于主平面识别深度神经网络获取序列的每一帧彩色图中的墙面、地板和天花板的掩膜；根据获取的掩膜进行快速的物体聚类后，通过相机内外参数，获得点云簇；计算聚类后物体的属性，构建图神经网络所需的图表示，通过图神经网络获取语义信息，从而实现语义建图。本发明无需提前获取完整的三维地图，在机器人运动的过程当中就可以获取语义信息，而且处理速度较快。
一种基于深度学习快速增量室内语义方法

[发明专利]一种引入自适应深度块的单目深度图补全方法-CN202310888502.1在审
发明人：陈奕礽;方楼;颜成钢;赵思成;孙垚棋;朱尊杰;王帅;高宇涵;王鸿奎;赵治栋;殷海兵;张继勇;李宗鹏;丁贵广;付莹;郭雨晨 -专利权人：杭州电子科技大学
申请日： 2023-07-19 - 公布日： 2023-09-12 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种引入自适应深度块的单目深度图补全方法，首先对输入的RGB图像和稀疏深度图进行编码和解码；然后利用Transformer从解码器输出的特征张量中预测自适应深度块；最后预测RGB图像每个像素点在每个自适应深度块上的概率，计算每个像素点的具体深度，再对像素点进行平滑化处理，最终得到稠密深度图。本发明将需要预测的深度图像的深度由连续的深度划分为离散的深度块，将深度补全任务从回归任务转化为分类任务，极大提高了深度补全的效率。
一种引入自适应深度图补全方法

[发明专利]基于半脑不对称性的AD脑网络预测与分类方法及系统-CN202310668915.9在审
发明人：赵健祥;颜成钢;沈晨雨;杨德富;乔松;吕骏晖;何敏;王帅;殷海兵;王鸿奎;赵治栋;高宇涵;孙垚棋;朱尊杰;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2023-06-07 - 公布日： 2023-09-08 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了基于半脑不对称性的AD脑网络预测与分类方法及系统。针对AD脑网络预测与分类问题，采取了基于半脑不对称性的AD脑网络预测与分类方法，根据AD病理的半脑不对称性，通过全脑结构脑网络求出左右半脑网络，然后使用图同构神经网络对这三类数据进行脑图的嵌入学习，在嵌入学习时学习的是三者的共同特征，从而提高嵌入向量所含有的特征信息，从而最终提高脑图预测与分类的准确率。
基于半脑不对称性 ad 网络预测分类方法系统

[发明专利]一种基于超图变分编码器的多行为推荐系统及推荐方法-CN202310692449.8在审
发明人：刘佳宁;赵治栋;焦鹏飞 -专利权人：杭州电子科技大学平湖数字技术创新研究院有限公司;杭州电子科技大学
申请日： 2023-06-13 - 公布日： 2023-09-08 - 主分类号： G06Q30/0601 文献下载
摘要：本发明公开了一种基于超图变分编码器的多行为推荐方法，包括如下步骤：将所述原始多行为数据集整合到一个统一的图中；分别通过节点编码器和超边编码器得到节点潜在特征和超边潜在特征；节点潜在特征和超边潜在特征进行增强；使用随机变分推理从增强后的潜在空间获得节点、超边的潜在表示，并通过最小化变分后验分布和先验分布的KL散度对节点、超边的潜在表示正则化；对节点、超边的潜在表示进行细化；嵌入表示联合解码，重构用户商品交互概率分布，并计算重构误差；优化多行为推荐模型；为用户生成推荐商品列表。该方法解决所述现有技术无法从多行为历史数据中发掘用户的潜在兴趣，不能为用户推荐全新的商品导致推荐商品类型单一的技术问题。
一种基于超图编码器行为推荐系统方法

[发明专利]一种基于脑网络拓扑结构的自适应hub节点识别方法-CN202310662526.5在审
发明人：赵健祥;颜成钢;秦汉;杨德富;吕骏晖;乔松;何敏;王帅;王鸿奎;赵治栋;高宇涵;孙垚棋;朱尊杰;张继勇;李宗鹏;殷海兵 -专利权人：杭州电子科技大学
申请日： 2023-06-06 - 公布日： 2023-08-29 - 主分类号： G06F18/20 文献下载
摘要：本发明公开了一种基于脑网络拓扑结构的自适应hub节点识别方法，首先确定脑网络的基本数学模型；构建自适应hub识别的能量函数；再确定自适应hub识别的最优化方法；之后预处理真实的神经影像数据，最后执行优化算法求取hub节点。本发明的自适应hub识别方法可以依靠在方法中加入的自适应识别策略自动为每个网络选择最佳的hub数目，极大的提高了识别hub脑区的准确性和效率。
一种基于网络拓扑结构自适应 hub 节点识别方法

[发明专利]一种心电脉搏监测马桶及其血压获取方法-CN201811108041.7有效
发明人： 赵治栋;唐陶波;邓艳军;黄经州;郭春伟 -专利权人：杭州电子科技大学
申请日： 2018-09-21 - 公布日： 2023-08-22 - 主分类号： A61B5/0205 文献下载
摘要：本发明公开了一种心电脉搏监测马桶及其血压获取方法。部分状态较差的人群在上厕所过程中，容易血压升高，动脉扩张，严重的可能导致血管破裂而猝死。本发明一种心电脉搏监测马桶，包括手柄、脉搏传感器、第一电极片、第二电极片、第三电极片和信息处理电路。脉搏传感器设置在手柄的外端。所述的第一电极片设置在手柄的中部。第二电极片及第三电极片均设置在马桶圈上。信息处理电路包括稳压电路、脉搏信号滤波电路、心电采集电路和控制器。脉搏信号滤波电路将脉搏信号滤波后传输给控制器；心电采集电路将心电信号转化为数字信号后传输给控制器。本发明能够实现对使用者心电、脉搏、血压的实时精准检测，对使用者的身体健康有很好的监测作用。
一种脉搏监测马桶及其血压获取方法

[发明专利]一种基于自优化激活函数的生物信息时间序列预测方法-CN202310662530.1在审
发明人：赵健祥;颜成钢;杨德富;张莹;何敏;王帅;高宇涵;殷海兵;王鸿奎;赵治栋;孙垚棋;朱尊杰;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2023-06-06 - 公布日： 2023-08-15 - 主分类号： G16B5/00 文献下载
摘要：本发明公开了一种基于自优化激活函数的生物信息时间序列预测方法，首先构建一个包含多种激活函数候选集；然后搭建自优化激活函数模块；将新的激活函数应用于循环神经网络中，用于实现非线性变换；最后通过改进后的循环神经网络对生物信息时间序列进行预测。本发明提出了一种新颖的自优化激活函数，使循环神经网络的每个激活函数能随着任务的不同自我优化改变自生结构，实现了循环神经网络设计和优化的更加灵活。与传统方法相比，本发明不仅提高了循环神经网络性能，还有效减少了选择激活函数所需的时间和成本。
一种基于优化激活函数生物信息时间序列预测方法

[发明专利]基于傅里叶神经网络的生物动力学模型求解方法及系统-CN202310662539.2在审
发明人：赵健祥;颜成钢;杨德富;张莹;何敏;王帅;孙垚棋;高宇涵;殷海兵;王鸿奎;赵治栋;朱尊杰;张继勇;李宗鹏 -专利权人：杭州电子科技大学
申请日： 2023-06-06 - 公布日： 2023-08-15 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于傅里叶神经网络的生物动力学模型求解方法及系统。本发明提出了一种加入了傅里叶变换的神经网络(SB‑FNN)，并于物理知识嵌入的优化方式相结合构成傅里叶神经网络。SB‑FNN的傅里叶变换能力使其能够捕获复杂的模式和特征，这些模式和特征在空间域中具有挑战性，但在频域空间中很容易识别。这种可以捕获复杂特征的能力在系统生物学中尤为重要。生物动力学模型求解系统，包括微分方程组构建模块、惩罚函数构建模块、求解模块和变化推算模块。可以通过已知的物理知识，将其作为软约束，在无数据样本的情况下可以求解生物动力学模型。
基于傅里叶神经网络生物动力学模型求解方法系统

1
2
3
4
5
6
7
8
9
下一页»
尾页
共 128 条