-
公开(公告)号：CN114022714B
公开(公告)日：2024-04-16
申请号：CN202111333621.8
申请日：2021-11-11
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于Harris的数据增强图像分类方法及系统，它属于数据处理技术与计算机视觉技术相结合的学科交叉领域。本发明解决了采用现有的数据增强方法获得的图像分类准确率低的问题。本发明通过采用Harris算法进行数据增强，使训练好的卷积神经网络提取图像信息特征的强大功能得以充分利用，提高了对图像分类的准确率、鲁棒性以及泛化性能；与现有的数据增强算法相比，在相同难度的图像分类任务中，本发明方法的收敛速度较快，算法的运行效率更高，总回报增多，能够有效进行训练数据集的遮挡，加大训练难度，使分类算法的准确率上升了3.86％，从而提高了算法的性能。本发明可以应用于图像分类领域。
-
公开(公告)号：CN113642245A
公开(公告)日：2021-11-12
申请号：CN202110975058.8
申请日：2021-08-24
Applicant: 哈尔滨工程大学
Abstract: 一种舰船辐射噪声数据集的构建方法，它属于水声信号识别领域。本发明解决了实采舰船辐射噪音样本稀缺的问题。本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求。本发明可以应用于对舰船辐射噪声数据集的构建。
-
公开(公告)号：CN113642245B
公开(公告)日：2024-03-19
申请号：CN202110975058.8
申请日：2021-08-24
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F17/14 , G06F16/36 , G06F16/21 , G06N3/0475 , G06N3/094 , G06F119/10
Abstract: 一种舰船辐射噪声数据集的构建方法，它属于水声信号识别领域。本发明解决了实采舰船辐射噪音样本稀缺的问题。本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求。本发明可以应用于对舰船辐射噪声数据集的构建。
-
公开(公告)号：CN113673627B
公开(公告)日：2024-02-13
申请号：CN202111026189.8
申请日：2021-09-02
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06Q30/0601
Abstract: 一种具有解释性的商品自动分类方法及系统，它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性，导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集，利用构建的数据集对设计的网络架构进行训练，再采用训练好的网络架构对图像进行分类，同时在网页中展示其可视化结果，实现一个分类准确率高且解释力强的商品识别分类模型，解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
公开(公告)号：CN113673627A
公开(公告)日：2021-11-19
申请号：CN202111026189.8
申请日：2021-09-02
Applicant: 哈尔滨工程大学
Abstract: 一种具有解释性的商品自动分类方法及系统，它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性，导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集，利用构建的数据集对设计的网络架构进行训练，再采用训练好的网络架构对图像进行分类，同时在网页中展示其可视化结果，实现一个分类准确率高且解释力强的商品识别分类模型，解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
Patent Agency Ranking
公开(公告)号：CN113532422A
公开(公告)日：2021-10-22
申请号：CN202110784798.3
申请日：2021-07-12
Applicant: 哈尔滨工程大学
Abstract: 一种基于距离图和数据清洗的多传感器航迹融合方法，它属于多传感器信息融合技术领域。本发明是为解决现有多传感器航迹融合方法存在着计算量与融合精度不平衡的问题。本发明将采样点的距离作为判定两条航迹在该时刻是否关联的依据，在此基础上构造距离图，通过对距离图的剪枝完成航迹关联，从而更好的放映航迹之间的关联关系，以较小的时间代价获得了较高的关联精度。运用格拉布斯准则对关联航迹进行数据清洗，剔除传感器航迹中的离群点，用较少的融合时间达到了较高的融合精度，为多传感器航迹融合问题提供了技术支持。本发明可以应用于对多传感器航迹进行融合。
-
公开(公告)号：CN113537113B
公开(公告)日：2022-10-25
申请号：CN202110844909.5
申请日：2021-07-26
Applicant: 哈尔滨工程大学
Abstract: 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
公开(公告)号：CN113532422B
公开(公告)日：2022-06-21
申请号：CN202110784798.3
申请日：2021-07-12
Applicant: 哈尔滨工程大学
Abstract: 一种基于距离图和数据清洗的多传感器航迹融合方法，它属于多传感器信息融合技术领域。本发明是为解决现有多传感器航迹融合方法存在着计算量与融合精度不平衡的问题。本发明将采样点的距离作为判定两条航迹在该时刻是否关联的依据，在此基础上构造距离图，通过对距离图的剪枝完成航迹关联，从而更好的放映航迹之间的关联关系，以较小的时间代价获得了较高的关联精度。运用格拉布斯准则对关联航迹进行数据清洗，剔除传感器航迹中的离群点，用较少的融合时间达到了较高的融合精度，为多传感器航迹融合问题提供了技术支持。本发明可以应用于对多传感器航迹进行融合。
-
公开(公告)号：CN114022714A
公开(公告)日：2022-02-08
申请号：CN202111333621.8
申请日：2021-11-11
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于Harris的数据增强图像分类方法及系统，它属于数据处理技术与计算机视觉技术相结合的学科交叉领域。本发明解决了采用现有的数据增强方法获得的图像分类准确率低的问题。本发明通过采用Harris算法进行数据增强，使训练好的卷积神经网络提取图像信息特征的强大功能得以充分利用，提高了对图像分类的准确率、鲁棒性以及泛化性能；与现有的数据增强算法相比，在相同难度的图像分类任务中，本发明方法的收敛速度较快，算法的运行效率更高，总回报增多，能够有效进行训练数据集的遮挡，加大训练难度，使分类算法的准确率上升了3.86％，从而提高了算法的性能。本发明可以应用于图像分类领域。
-
公开(公告)号：CN113537113A
公开(公告)日：2021-10-22
申请号：CN202110844909.5
申请日：2021-07-26
Applicant: 哈尔滨工程大学
Abstract: 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
