-
公开(公告)号：CN107833213A
公开(公告)日：2018-03-23
申请号：CN201711066445.X
申请日：2017-11-02
Applicant: 哈尔滨工业大学
CPC classification number: G06T7/0002 , G06K9/6267 , G06N3/084 , G06T2207/20081
Abstract: 本发明涉及一种基于伪真值自适应法的弱监督物体检测方法，是为了解决现有的全监督物体检测器需依靠大量有标注信息的数据库，以及当图片中含多个物体且物体相互遮挡时物体位置检测不准确的缺点而提出的，包括：将图片输入到弱监督物体检测器中，将检测器输出结果进行非极大抑制处理，在处理结果中选取每种物体得分最高的边界框；根据选出的边界框的位置信息训练候选区域产生网络，并保留与得分最高的边界框重合面积大于一定值的边界框，将对应于同一个物体的候选区域的像素坐标求平均值，根据计算结果确定每个物体的唯一边界框；将边界框信息作为伪真值输入给全监督物体检测器。本发明适用于物体检测技术，尤其是真实场景中的一般物体检测技术。
-
公开(公告)号：CN107341517A
公开(公告)日：2017-11-10
申请号：CN201710551916.X
申请日：2017-07-07
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及机器视觉领域中的物体检定技术，尤其涉及一种基于深度学习层级间特征融合的多尺度小物体检测方法，本发明为了解决现有物体检测在真实场景下检测精度非常低，受尺度大小约束，对于小物体的检测非常困难的缺点，而提出一种基于深度学习层级间特征融合的多尺度小物体检测方法，本发明以真实场景下的图像为研究对象，通过构建卷积神经网络提取输入图像的特征，利用候选区域生成网络产生较少的候选区域，之后将各个候选区域映射到经卷积神经网络生成的特征图上得到每个候选区域的特征，经池化层后得到固定大小、固定维度的特征输入到全连接层，全连接层后的两个分支分别输出识别类别和回归后的位置。本发明适用于机器视觉领域中的物体检定。
-
公开(公告)号：CN106843847A
公开(公告)日：2017-06-13
申请号：CN201611223171.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
IPC: G06F9/44
Abstract: 基于窗体间数据传递的可在线配置通用化软件的开发方法，涉及一种通用化软件的开发方法。为了解决现有的软件开发方法在软件开发过程中对软件测试时需要先将通用配置项保存至第三方软件并需要加载第三方软件保存的通用配置项才能开展测试工作、且不支持在线修改配置项而存在的测试效率低的问题，本发明将所有硬件资源及其对应的属性参数按照编号合理分配在配置界面上，开始测试任务时利用窗体间数据传递技术在线实时将所述的有效配置结果传递给测试界面，测试界面根据接收当前最新的有效配置结果对总硬件资源进行重构，测试界面通过与重构后硬件资源进行信息交互，实现并完成测试任务，进而实现通用化软件的开发。本发明适用通用化软件的开发。
-
公开(公告)号：CN117744706A
公开(公告)日：2024-03-22
申请号：CN202311772257.4
申请日：2023-12-21
Applicant: 哈尔滨工业大学
IPC: G06N3/045 , G06F18/2415 , G06N3/084 , G06F18/25 , G06F18/22 , G06F18/213 , G06N3/0475 , G06N3/094
Abstract: 一种基于2D预训练模型的3D小样本连续学习方法，属于3D小样本连续学习领域。本发明针对现有2D预训练模型不适用3D少样本类增量学习的问题。包括对每个点云样本进行多视角渲染与2D特征编码，并合并得到深度图全局特征；对每个点云样本进行3D编码与调节得到与2D对齐后3D点云特征；将深度图全局特征与3D点云特征融合得到融合后全局特征；采用主成分对标签特征向量和融合后全局特征进行降维操作，计算无冗余全局特征与各标签特征向量的重归一化余弦相似度，并计算分类概率损失值与对抗学习损失值，得到总损失值；对每个新增类点云样本库中的新增类点云样本进行上述过程数据处理实现3D小样本连续学习。本发明用于3D小样本连续学习。
-
-
Patent Agency Ranking
公开(公告)号：CN111062403B
公开(公告)日：2022-11-22
申请号：CN201911369737.X
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有的基于深度学习方法需要大量标记的训练样本学习模型的参数，存在针对高光谱遥感数据标记训练样本稀少的情况光谱特征提取效果差的问题。本发明所述方法利用D个一维滤波器对归一化数据进行卷积操作，在特征通道方向分成g组；每组利用多个一维滤波器进行一维卷积操作，将每组卷积结果在特征通道方向上堆栈在一起；进行全局和局部相关性并进行加权，洗牌，然后进行一维卷积操作，提取光谱特征；进而确定高光谱遥感数据深度光谱特征提取模型，训练高光谱遥感数据深度光谱特征提取模型。本发明用于高光谱遥感数据深度光谱特征的提取。
-
公开(公告)号：CN108334848B
公开(公告)日：2020-12-25
申请号：CN201810119264.7
申请日：2018-02-06
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于生成对抗网络的微小人脸识别方法。本发明是为了解决现阶段的人脸检测技术无法捕获复杂背景下的微小人脸，当基于失真的图像进行人脸检测时会导致检测率严重下降的缺点而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
公开(公告)号：CN109766868B
公开(公告)日：2020-12-11
申请号：CN201910063662.6
申请日：2019-01-23
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于身体关键点检测的真实场景遮挡行人检测网络及其检测方法，属于计算机视觉的行人检测技术领域。所述检测网络包括关键点检测网络、身体区域分割和图像合成模块以及行人分类网络。所述检测方法为：利用行人检测数据库训练生成基准行人检测器，通过基准行人检测器获取候选区域图像。通过关键点检测网络检测候选区域图像中人体身体的关键点信息，将关键点信息作为身体关键点真值，进而训练关键点检测网络。利用身体区域分割和图像合成模块获得合成图像；将合成图像输入至行人分类网络中指导训练行人分类网络。行人分类网络根据输入的合成图像判别输入图像是行人图像还是背景图像，完成真实场景中遮挡行人的检测。
-
公开(公告)号：CN109766868A
公开(公告)日：2019-05-17
申请号：CN201910063662.6
申请日：2019-01-23
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于身体关键点检测的真实场景遮挡行人检测网络及其检测方法，属于计算机视觉的行人检测技术领域。所述检测网络包括关键点检测网络、身体区域分割和图像合成模块以及行人分类网络。所述检测方法为：利用行人检测数据库训练生成基准行人检测器，通过基准行人检测器获取候选区域图像。通过关键点检测网络检测候选区域图像中人体身体的关键点信息，将关键点信息作为身体关键点真值，进而训练关键点检测网络。利用身体区域分割和图像合成模块获得合成图像；将合成图像输入至行人分类网络中指导训练行人分类网络。行人分类网络根据输入的合成图像判别输入图像是行人图像还是背景图像，完成真实场景中遮挡行人的检测。
-
公开(公告)号：CN106586041B
公开(公告)日：2019-03-15
申请号：CN201611237960.5
申请日：2016-12-28
Applicant: 哈尔滨工业大学
IPC: B64G7/00
Abstract: 本发明涉及一种用于深空探测的火星目标模拟方法，属于深空探测应用领域。为了解决现有现有技术缺少一种能够对火星的位置、大小、轮廓、成像方位、成像灰度进行模拟的方法，在工程实践中存在技术空白的缺点，而提出一种用于深空探测的火星目标模拟方法。包括：将火星中心坐标从日心黄道坐标系变换到显示器平面坐标系和投影仪坐标系；根据火星探测器的成像视场和火星与火星探测器的相对距离关系计算出火星的成像大小；模拟火星被太阳照亮的区域以及未被照亮的区域；根据太阳、火星、探测器的相对位置关系计算火星轮廓的成像方位；将火星的星等映射到计算机的灰度，以显示在界面上。本发明适用于深空探测模拟软件。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.032 seconds)
