-
公开(公告)号：CN118799630A
公开(公告)日：2024-10-18
申请号：CN202410801194.9
申请日：2024-06-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/80 , G06V10/74 , G06V10/774 , G16H30/00 , G16H70/60
Abstract: 本发明公开了一种基于自我激励多示例学习的病理图像分类方法，所述方法通过探索实例之间的潜在关系，以及特征表达与标签预测之间的互惠关系促进更好和更可靠的决策。本发明通过引入伪包预测所提供的标签相关类别先验，捕获并聚合肿瘤特征表达，以实现高准确率的病理图像标签预测。反过来，基于预测结果优化网络，进一步提升特征表达，以改善伪包标签预测，形成了自我激励的学习。本发明引入多级特征融合策略去探索当前实例和全局历史实例知识，同时构造时间对比模块提高特征表达的鲁棒性缓解表征偏差和过拟合问题。此外，引入自我激励的特征融合模块利用伪包预测和特征表达的相互细化机制，增强了病理图像分类的准确性和可靠性。
-
公开(公告)号：CN116576863A
公开(公告)日：2023-08-11
申请号：CN202310666033.9
申请日：2023-06-06
Applicant: 哈尔滨工业大学
Abstract: 一种玉米数据采集机器人作物行间导航路径拟合方法、计算机设备及介质，属于精准农业技术领域，解决了由于机器人在运动过程中震动现象明显，采集到的原始数据中包含有大量噪声点，这些噪声点会影响后续的点云数据处理与分析，使得计算量大，从而导致计算结果更为不精准的问题。所述导航路径拟合方法包括：采集原始数据并进行预处理，获得点云数据；当所述点云数据的数量小于阈值时，不进行拟合，当所述点云数据的数量不小于阈值时，采用欧式聚类算法对所述点云数据进行分割，得到分割后的点云数据；采用随机采样一致性算法对所述分割后的点云数据进行拟合，得到作物所在直线的路径。本发明适用于玉米数据采集机器人自动作业。
-
公开(公告)号：CN116563706A
公开(公告)日：2023-08-08
申请号：CN202310508864.3
申请日：2023-05-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0442 , G06N3/049 , G06N3/08 , G06V10/74
Abstract: 一种针对多光谱图像反射率多特征的作物产量估计方法，涉及农作物生产技术领域，针对现有技术中产量估计方法不能充分的利用原有多光谱图像的信息，使得产量估计模型的能力受到限制，并直接导致最终产量估计的精准度低的问题，本申请通过利用多光谱图像各波段反射率的多种特征，能够更充分高效的利用多光谱图像数据的信息，也同时避免了植被指数公式选取难和植被指数公式选取不当导致的估产结果不准确的问题。提升产量估计的精准度。
-
公开(公告)号：CN116382290A
公开(公告)日：2023-07-04
申请号：CN202310429970.2
申请日：2023-04-19
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 一种玉米作物多模态数据采集平台车及其控制方法，涉及农业数据采集技术领域，解决的技术问题为“如何提供一种从底部采集玉米作物数据的玉米采集平台”，控制方法包括：通过激光雷达单元采集点云数据；根据所述点云数据判断平台车是否到达地头，若是则进行转弯路径拟合，否则进行直行路径拟合直至到达地头；根据拟合路径控制所述驱动模块，从而调整平台车前进方向；判断平台车是否移动预设采集距离，若是则通过数据采集模块采集玉米作物数据；该平台车及控制方法采用在底面行进的平台车从底部采集玉米作物数据，弥补了现有平台无法采集玉米中下部分数据的不足，且整个采集过程中无需人员操作即可自动完成，自动化程度更高。
-
公开(公告)号：CN115512272A
公开(公告)日：2022-12-23
申请号：CN202211223332.7
申请日：2022-10-08
IPC: G06V20/40 , G06V10/764 , G06V10/74 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种针对多事件实例视频的时序事件检测方法，所述方法包括如下步骤：一、获取视频数据；二、构建视频特征提取模型；三：使用视频特征提取模型进行特征提取，得到视频帧特征向量组；四：对视频帧特征向量所对应的标注文件进行修正，得到帧级标注与片段级标注；五：构建事件边界预测模型；六：构建多实例判别模型；七：构建视频片段交互模型；八：训练事件边界预测模型、多实例判别模型和视频片段交互模型，得到联合模型；九：调用联合模型对视频进行目标事件检测。本发明通过视频特征建模以及对比学习策略提升了时序事件检测的准确性，解决了当前复杂视频场景(多实例问题)易误判、漏判问题，能够大幅度地提高时序事件检测的性能。
-
Patent Agency Ranking
公开(公告)号：CN114184127A
公开(公告)日：2022-03-15
申请号：CN202111518104.8
申请日：2021-12-13
Applicant: 哈尔滨工业大学
IPC: G01B11/02
Abstract: 一种基于单相机无标靶的建筑物全局位移监测方法，涉及建筑物位移监测技术领域，针对现有技术中需要使用多个监测分机对目标建筑进行多位置位移监测的问题，本申请在监测一个建筑的多个目标点时步骤一到步骤四仅需进行一次，可以达到采集一个角度的视频同时追踪建筑物的多个目标点的效果，并且所述的多个目标点不需要共面，它们可以分布在建筑的任何位置。本申请仅需要一台相机就可以达到通常需要多台相机才能完成的多点同时监测，节省了建筑物位移监测系统的成本。本申请不需要安装人工标靶，仅通过建筑物本身的特征点就可以建立图像像素和建筑物的位移转换关系。
-
公开(公告)号：CN100476811C
公开(公告)日：2009-04-08
申请号：CN200510064759.7
申请日：2005-04-21
Applicant: 哈尔滨工业大学
Abstract: 图像层次分类法，属图像处理与分析的技术领域。本发明主要针对互联网上涌现的大规模图像，基于颜色(灰度)分布相似度量的图像检索和分类方法无法克服分布相似但类别不同的图像交叠的现象，提出了一种图像层次分类法，它通过给出数字图像颜色或亮度(灰度)均衡化分布属性FtUD的计算来描述图像特性，将图像按层次丰富程度及均匀性属性进行刻画，为图像检索结果分类表示提供一种解决途径。
-
公开(公告)号：CN1664820A
公开(公告)日：2005-09-07
申请号：CN200510064759.7
申请日：2005-04-21
Applicant: 哈尔滨工业大学
Abstract: 图像层次分类法，属于图像处理与分析的技术领域。本发明主要针对互联网上涌现的大规模图像，基于颜色(灰度)分布相似度量的图像检索和分类方法无法克服分布相似但类别不同的图像交叠的现象，提出了一种图像层次分类法，它通过给出数字图像颜色或亮度(灰度)均衡化分布属性FtUD的计算来描述图像特性，将图像按层次丰富程度及均匀性属性进行刻画，为图像检索结果分类表示提供一种解决途径。
-
公开(公告)号：CN116721370A
公开(公告)日：2023-09-08
申请号：CN202310510516.X
申请日：2023-05-08
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种针对长时视频监控的感兴趣动物行为片段捕获与识别方法，所述方法如下：获取视频直播流视频数据；利用动作敏感检测器发现具有意义的视频片段与素材；输出处理后的运动区域列表，写入日志；构建SlowFast的语义分析模型；对视频数据进行分割，并记录时间戳信息；获取与单个视频片段对应的视频帧组；获取各个视频片段的语义；将捕获到的运动画面分类为背景以及各种素材类别，输出发生运动的不同时间戳信息，写入日志，并且得到动物动作剪辑，提交信息至后端服务器，以便于后期处理与调度；根据运动类别结果驱动摄像头转动。该方法能够帮助媒体从业人员获取动物运动素材，减少媒体从业人员对大量视频进行二次编辑的工作量。
-
公开(公告)号：CN115410110A
公开(公告)日：2022-11-29
申请号：CN202210480001.5
申请日：2022-05-05
Applicant: 哈尔滨工业大学 , 太极计算机股份有限公司
Abstract: 一种基于卷积神经网络的场景识别方法，涉及场景识别技术领域，针对现有技术中识别游行和暴恐准确率低的问题，包括：步骤一：获取待识别图像，并对待识别图像进行预处理，将待识别图像进行归一化；步骤二：将预处理后的图像进行特征提取，得到游行活动和暴恐活动的特征；步骤三：将提取到的特征输入ResNet50网络，得到游行活动和暴恐活动的概率值；步骤四：分别设置游行活动的阈值和暴恐活动的阈值，并通过判断游行活动和暴恐活动的概率值是否超过阈值，进而识别是否发生游行活动和暴恐活动。本申请利用卷积神经网络强大的特征提取能力，显著的提高了识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.019 seconds)
