-
公开(公告)号：CN114627202A
公开(公告)日：2022-06-14
申请号：CN202210212867.8
申请日：2022-03-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T11/00 , G06N20/00 , H04L67/1097
Abstract: 本申请提供了一种基于特异性联邦学习的模型训练方法及装置，方法包括：在每一轮通信中，服务器端将全局共享模型发送至每个客户端，每个客户端根据服务器端当前传输的全局共享模型进行局部梯度更新，本地更新完成后，客户端参与服务器端的全局梯度更新，并将更新结果返回至服务器端，服务器端根据客户端返回的更新结果确定下一轮的全局共享模型，并且从第二轮起引入加权对比正则化对客户端的局部梯度更新进行校正；经过多轮通信后，客户端逐渐具有全局共享模型的特征。本申请可以在满足隐私保护机制的同时缓解客户端在训练过程中的域漂移，促进收敛。
-
公开(公告)号：CN114550254A
公开(公告)日：2022-05-27
申请号：CN202210162913.8
申请日：2022-02-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种面向嵌入式平台的实时人脸性别识别方法、系统及存储介质，实时人脸性别识别方法，包括如下步骤：步骤1：输入人脸图片；步骤2：将输入的人脸图片进行分割，获得每个子块图像；步骤3：对子块图像使用特征提取器来提取人脸相关的特征，提取的人脸相关的特征称为子块特征图；步骤4：对步骤3提取的子块特征图进行价值特征排序，利用排序模型为每部分的图片信息给予一个关键权重，首先子块特征图会经过在排序模型提取出各个图像子块的特征权重后，将特征权重对应的乘回子块特征图中；步骤5：将加权后的子块特征图输入softmax来做性别二分类，最终判断步骤1中输入的人脸图片是男性别还是女性别。本发明的有益效果是：本发明的人脸区域分割结合区域权重排序模块保证了该人脸识别系统的抗干扰性，尤其是在佩戴眼镜、口罩等场景下。五层卷积神经网络的轻量级提取模块保证了系统的实时运行效果。
-
公开(公告)号：CN114387987A
公开(公告)日：2022-04-22
申请号：CN202111679656.7
申请日：2021-12-31
Applicant: 中建科技集团有限公司 , 哈尔滨工业大学(深圳)
IPC: G10L21/0208 , G10L21/0264 , G10L25/84
Abstract: 本申请提供生态噪声源的测量方法、装置、终端及存储介质，适用数据处理及生态环境技术领域，该方法包括：获取待测量的生态噪声源的声学及心理声学参数；根据声学及心理声学参数及预设的生态噪声源识别模型，得对应的目标噪度等级；获取预设时长内目标噪度等级对应的感知分贝值及绝对声级分贝值；根据感知分贝值及绝对声级分贝值，确定待测量的生态噪声源的噪声值。本方案通过分析环境声的生态性质，量化测量生态噪声源，区分不同声源的噪度影响，测量的噪声值可以反映生态环境条件下不同环境声源的噪声程度，所得噪声测量值精准标识了环境声噪度，解决环境噪声测量不反映噪声源噪度而导致的噪声监测不准以及自然声超标问题。
-
公开(公告)号：CN109191424B
公开(公告)日：2022-04-22
申请号：CN201810810971.0
申请日：2018-07-23
Applicant: 哈尔滨工业大学(深圳) , 北京大学深圳研究生院
Abstract: 本发明公开了一种乳腺肿块检测与分类系统、计算机可读存储介质，通过对乳腺图像的每一个像素进行分类，直接将像素分为三类：普通像素、良性肿块像素和恶性肿块像素，实现快速准确地对乳腺图像进行肿块检测和肿块分类，克服现有技术割裂肿块检测和分类两个步骤，导致准确率低下且效率低的技术问题。
-
公开(公告)号：CN114353804A
公开(公告)日：2022-04-15
申请号：CN202210005720.1
申请日：2022-01-04
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种火灾应急疏散路径规划方法、装置、智能终端及存储介质，上述方法包括：基于火灾场景的空间结构，获得元胞集；基于所述环境数据和所述人员数据，获得所述元胞集的所有元胞的疏散风险因子；基于所述疏散风险因子，根据疏散路径规划模型，获得疏散路径。与现有技术相比，本发明方案通过采集火灾场景的环境数据和人员数据，获得疏散风险因子，并将该疏散风险因子纳入疏散路径规划模型，从而动态规划疏散路径时同时兼顾疏散时效性和疏散安全性，使得规划的路径更加合理。
-
Patent Agency Ranking
公开(公告)号：CN114202880A
公开(公告)日：2022-03-18
申请号：CN202111517765.9
申请日：2021-12-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种火灾检测方法、系统、智能终端及存储介质，其中，上述火灾检测方法包括：通过无线基站实时获取目标火灾检测传感器发送的连接请求信息，其中，上述目标火灾检测传感器是待检测区域中检测到火灾发生的火灾检测传感器；基于所有上述连接请求信息获取上述待检测区域的火灾信息；基于上述火灾信息进行火灾预警。与现有技术相比，本发明中只需要获取目标火灾检测传感器发送的连接请求信息即可获取待检测区域的火灾信息。连接请求信息与视频数据信息相比，数据量小，容易传输且传输速度快，同时传输质量不容易受到网络的影响，因此有利于提升火灾检测的效率、实时性和准确性，进而有利于提升消防安全。
-
公开(公告)号：CN114155465A
公开(公告)日：2022-03-08
申请号：CN202111440706.6
申请日：2021-11-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种多场景火焰检测方法、设备及存储介质。属于图像检测领域。本发明的多场景火焰检测方法可以获取待检测图像信息；通过预设的筛选模型对待检测图像信息进行筛选处理，生成运动区域图；对运动区域图进行颜色分析处理，得到差分数值；将差分数值与预设的第一判别阈值进行比对，得到比对结果；其中比对结果包括第一比对结果或者第二比对结果；当接收到第一比对结果时，根据待检测图像信息计算生成判别置信度，并与预设的第二判别阈值进行比对，得到判别数据；当接收到第一判别数据时，根据预设的检测模型检测待检测图像信息，生成第一场景信息或者第二场景信息，该方法能够自动且准确的监测多场景下的火焰图形。
-
公开(公告)号：CN114049408A
公开(公告)日：2022-02-15
申请号：CN202111348120.7
申请日：2021-11-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种本发明的提出了一种用于加速多模态MR成像的深度网络模型以及基于该模型的多模态MR成像方法。所述用于加速多模态MR成像的深度网络模型融合不同模态磁共振图像特征。该模型利用双支路Transformer产生的多尺度patch来表示不同的模态，并将它们进行合并，使之相互补充。本发明通过多模态交叉注意力机制实现基于Transformer的多模态MR成像的特征融合策略，每个分支都将另一个分支的特征作为键和值，然后使用它们进行有效查询，来从另一种模态中获得有用的信息。此外，两个分支的多尺度patch不仅可以捕获不同的结构信息，还可以捕获细微的像素级信息。结果表明，对于图像重建和超分这两个加速MR成像任务，该方法在定性和定量评价两个方面均优于其他多模态MR成像方法。
-
公开(公告)号：CN113592972A
公开(公告)日：2021-11-02
申请号：CN202110873802.3
申请日：2021-07-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种基于多模态聚合的磁共振图像重建方法及装置。方法包括：获取样本图像和图像处理网络；样本图像包括全采样第一样本图像，全采样第二样本图像和欠采样第二样本图像；图像处理网络包括频域处理网络和图像域处理网络；将样本图像输入频域处理网络，依据频域重建结果生成频域损失函数；将频域重建结果输入图像域处理网络，依据图像域重建结果生成图像域损失函数；依据频域损失函数和图像域损失函数对图像处理网络进行训练，生成混合域学习网络；获取全采样第一目标图像和欠采样第二目标图像并输入混合域学习网络，生成无伪影第二目标图像。本申请能够从全采样的辅助模态图像和欠采样的目标模态图像中重建出无混叠伪影的目标模态图像。
-
公开(公告)号：CN113505665A
公开(公告)日：2021-10-15
申请号：CN202110720198.0
申请日：2021-06-28
Applicant: 哈尔滨工业大学(深圳)
Inventor： 徐勇
Abstract: 本申请提供了一种基于视频的学生在校情绪判读方法以及装置。通过获取情绪样本图像集，并依据所述情绪样本图像集、基准分数以及单位矩阵建立情绪等级矩阵矢量；获取笑容样本图像集，并依据所述笑容样本图像集、所述基准分数以及所述单位矩阵建立笑容矩阵矢量；获取预设周期内的视频数据，所述视频数据包括目标学生群体的人脸图像；所述目标学生群体由若干学生个体组成；依据所述视频数据确定所述目标学生群体的个人列向量组集；依据所述个人列向量组集、所述情绪等级矩阵矢量、所述笑容矩阵矢量以及所述基准分数确定所述情绪状态异常的学生个体。通过将个人情绪综合评分低于预设排名的学生推送给相关教师和家长，有利于学生的心理健康成长。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.033 seconds)
