公开(公告)号：CN109087273A

公开(公告)日：2018-12-25

申请号：CN201810803674.3

申请日：2018-07-20

Applicant: 哈尔滨工业大学(深圳)

Inventor： 田春伟 ,  徐勇

IPC: G06T5/50 ,  G06T5/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于增强的神经网络的图像复原方法，所述方法包括以下步骤：S1、将待复原图像变换成不同缩放因子下的多个低分辨率图像；S2、将多个低分辨率图像分别输入至预先训练好的第一深度卷积神经网络，从而得到对应的不同缩放因子下的多个高分辨率图像；S3、将S2中的多个高分辨率图像分别变换为与待复原图像大小一样的图像，并将这些图像进行融合以得到复原后的图像。本发明还公开了相应的存储介质与图像复原系统。本发明可以防止网络在训练过程中退化并加快收敛速度。

公开(公告)号：CN103778442B

公开(公告)日：2017-04-05

申请号：CN201410067355.2

申请日：2014-02-26

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 徐勇 ,  徐亚国 ,  李彬

IPC: G06K9/62 ,  G06T7/00 ,  G05B19/418

CPC classification number: G06K9/00778 ,  G06K9/4642 ,  G06K2009/4666

Abstract: 本发明公开了一种基于视频人数统计分析的中央空调控制方法及其控制系统，包括：间断地获取监控区域内视频流数据并将视频流数据传输至服务器；服务器对同一时间段内视频流数据中的每一帧图像进行分析以统计人数；将监控区域划分为多个子区域；对每个子区域内的人数进行估算，并取视频流数据中同一时间段内的连续N幅帧图像的人数平均值，以得到各子区域在同一时间段内的人数分布情况；根据人数分布情况产生控制信号以控制位于上述子区域内的中央空调。与现有技术相比，本发明的控制方法实现了根据人数分布情况对中央空调开关、出风量及出风方向的智能控制的目的，使得中央空调发挥了最大效率，并有效地减少了能源浪费。

公开(公告)号：CN106055922A

公开(公告)日：2016-10-26

申请号：CN201610404832.9

申请日：2016-06-08

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 徐勇 ,  吴帅

IPC: G06F19/18

CPC classification number: G16B20/00

Abstract: 本发明涉及基因诊断领域，尤其涉及一种基于基因表达数据的混合网络基因筛选方法；本方案通过引入基因表达数据，设计了基于基因表达数据的混合网络基因筛选方法模型，并给出了如何通过基因表达数据构建不同网络的具体步骤，利用基因表达数据对疾病与基因，基因与基因之间的相互关系网络进行了更为细致深入的量化，从而增强整个混合模型在疾病基因筛选方面的综合能力。

公开(公告)号：CN105574215A

公开(公告)日：2016-05-11

申请号：CN201610127023.8

申请日：2016-03-04

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 徐勇 ,  顾一凡

IPC: G06F17/30 ,  G06K9/62

Abstract: 本发明涉及计算机视觉技术领域，尤其涉及一种基于多层特征表示的实例级图像搜索方法。本发明提出了一个通过深度卷积神经网络模型学习图像不同层次的特征表示，进行实例级的图像搜索的方法，使之能有效的找到相同物品的不同图像；本发明在传统网络模型基础上引入了一种编码学习过程，通过对来自于多个卷积层的特征进行自动编码，使得提取的特征更具有鲁棒性，降低背景和噪声数据对特征的影响，同时兼具局部信息和类别信息；本发明还提出了一种基于多任务的损失函数，并通过优化该函数，使学习到的特征拥有很好的泛化性能，也使学习到的特征很好的用于区分类间图像以及类内不同事物的图像。

公开(公告)号：CN104504394A

公开(公告)日：2015-04-08

申请号：CN201410756921.0

申请日：2014-12-10

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 徐勇 ,  匡慈维

IPC: G06K9/62 ,  G06N3/02

CPC classification number: G06K9/00711 ,  G06K9/00362 ,  G06K9/4647

Abstract: 本发明提出了一种基于多特征融合的密集人数估计方法与系统。首先，将图像分成N个相等的子块；然后，用基于CSLBP直方图纹理模型和混合高斯背景建模的方法，对图像进行分层次背景建模，提取各子块经透视校正后的前景面积，并结合改进的Sobel边缘检测算子检测出各子块边缘密度，还结合CSLBP变换和灰度共生矩阵提取描述图像纹理特征的四个不同方向的重要纹理特征向量；再通过主成分分析对提取到的人群前景分割特征向量和纹理特征向量进行降维处理；将降维后的特征向量输入到神经网络模型的输入层，由其输出层得到各子块的人数估计；最后，相加得到总人数。其具有较高的准确性和较好的鲁棒性，在对地铁站台监控视频的人数统计实验中取得了较好效果。

公开(公告)号：CN103679148A

公开(公告)日：2014-03-26

申请号：CN201310676217.X

申请日：2013-12-11

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 徐勇 ,  何丽文

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提出了一种聚类角点加权面积的群体聚散检测方法，包括如下步骤：A.获取视频帧图像；B.通过混合高斯背景建模方法计算出人群前景区域；C.通过Harris角点检测算法计算图像的角点；D.使用人群前景作为掩膜算子计算出图像中人群区域的角点；E.使用DBSCAN对角点进行聚类；F.使用加权法计算角点面积；G.计算角点面积的变化曲线的斜率，并结合类簇个数进行事件识别。本发明的方法通过使用角点描述人群分布，避免了对人群个体分割的不准确性；通过对人群角点进行聚类，并从人群类簇的个数可以分析出当前场景中人群整体的密集程度。通过计算角点面积变化曲线的斜率来进行事件决策，决策简单有效。事件决策过程中还增加了类簇个数变化情况进行辅助，增加了决策结果的准确性。

公开(公告)号：CN109671049B

公开(公告)日：2024-03-01

申请号：CN201811320629.9

申请日：2018-11-07

Applicant: 哈尔滨工业大学(深圳) ,  深圳市第二人民医院

Inventor： 徐勇 ,  罗笑玲 ,  蒲祖辉 ,  牟丽莎 ,  胡吉英

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/764

Abstract: 本发明公开了一种医学图像处理方法、系统、设备、存储介质，一方面通过病灶图像获取多个第一异常概率，另一方面通过医学图像和病灶图像获取多个第二异常概率，再根据多个第一异常概率、多个第二异常概率和不同的权重系数按照不同图像异常程度获取医学图像属于不同图像异常程度的最终概率，并将最大的最终概率的图像异常程度作为医学图像的图像异常程度，实现对医学图像的异常程度进行分析，克服现有技术中存在对病理图像处理、分析依靠肉眼，效率低下的技术问题。

公开(公告)号：CN116614820A

公开(公告)日：2023-08-18

申请号：CN202211730595.7

申请日：2022-12-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 王京华 ,  许乐 ,  匡慈维 ,  徐勇

IPC: H04W16/18 ,  H04W24/02 ,  H04W84/18

Abstract: 本发明提供了一种面向火灾监测的网络覆盖优化方法、系统及存储介质，该网络覆盖优化方法包括以下步骤：步骤A，使用非线性控制策略和Lévy飞行机制对SOA算法进行改进，得到改进的ISOA算法；步骤B，将ISOA算法和PSO算法混合形成一种ISOAPSO算法，所述ISOAPSO算法包括内层优化和外层优化，在求解面向火灾监测的网络覆盖优化问题中，首先利用内层的ISOA算法对传感器节点进行优化，然后将ISOA算法优化后的传感器节点传递给外层的PSO算法，进行二次优化，从而达到提高网络覆盖率的目的。本发明的有益效果是：本发明的网络覆盖优化方法可以更好的解决面向火灾监测的网络覆盖优化问题，提升火灾监测能力。

公开(公告)号：CN113538608B

公开(公告)日：2023-08-01

申请号：CN202110096181.2

申请日：2021-01-25

Applicant: 哈尔滨工业大学(深圳)

Inventor： 沈世龙 ,  吴爱国 ,  徐勇

IPC: G06T11/00 ,  G06T7/40 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种基于生成对抗网络的可控人物图像生成方法，包括：1、基于关键点的目标姿态图的指导下生成目标语义图；2、基于人体语义分割方法，将原图像的各个属性进行分离，通过一个共享的编码器将其映射到特征空间并将各个属性的特征图进行有序叠加得到总的纹理特征图；3、将目标语义图的目标姿态表示编码到共享的深度特征空间后，利用建立目标姿态与原图像之间的密集对应关系将原图像特征进行形变操作；4、利用目标姿态和形变的原图像特征作为解码器的输入，生成最终的图像。本发明通过建立目标姿态和原图像之间的密集对应关系，将姿态引导下的人物图像生成和服装引导下的人物图像生成有效的结合，实现了高质量可控人物图像生成。

公开(公告)号：CN115937222A

公开(公告)日：2023-04-07

申请号：CN202211731070.5

申请日：2022-12-30

Applicant: 哈尔滨工业大学(深圳)

Inventor： 徐勇 ,  孙赢利

IPC: G06T7/10 ,  G06T7/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种循环裁剪分割与多模型融合的视网膜视盘分割方法及装置。该方法包括：收集视盘分割数据集；挑选适合视盘分割的深度学习神经网络；循环先裁减后分割视盘；综合分析各个神经网络模型的优点，进行模型融合。本发明使用多种不同的神经网络模型，多种模型融合方案，在多个视盘分割数据集上进行训练，测评各个模型及模型融合的分割效果。实验结果表明，与任何单个子网络模型相比，模型融合方案取得更好的分割效果。