-
公开(公告)号：CN114155835A
公开(公告)日：2022-03-08
申请号：CN202111475701.7
申请日：2021-12-06
Applicant: 哈尔滨工程大学
IPC: G10L15/02 , G10L15/06 , G10L15/16 , G10L15/26 , G10L25/30 , G10L25/51 , G06F40/216 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种音频语意概述方法，具体为一种融合全局场景与局部事件信息的音频语意概述方法，首先对实际场景中产生的音频进行建模分析，随后从声学场景的宏观全局特性入手，并融合了对于场景内各音频事件的精细化感知，最终生成贴合人类自然语言逻辑的语意概述文本，本发明对于声学场景中局部声音事件的精细化感知为构建音频特征的语意信息与自然语言语意信息的映射提供了细粒度的信息感知方式，能够有效规避传统方法对于音频事件的误识别与内容忽略，有助于构建更高语意层次的人机交互过程；此外，本发明提供了全新的注意力计算机制，相比传统注意力机制降低了计算成本。
-
公开(公告)号：CN114154538A
公开(公告)日：2022-03-08
申请号：CN202111421620.9
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于工业声音异常检测技术领域，具体涉及一种基于相位编码和设备信息的工业声音异常检测系统。本发明能借助相位信息补足工业声音信号的精细度，获得高精度的声学特征，能够对高精度的声学特征进行建模，着重提升系统对于异常信息的敏感度，同时感知到不同工业设备之间的细微差异，规避了设备之间产生的声学干扰，并对建模结果进行高效率高精度的异常分数判定，具备优秀的工业声音异常检测性能。
-
公开(公告)号：CN110474883B
公开(公告)日：2022-01-07
申请号：CN201910669487.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: H04L9/40
Abstract: 一种基于重标极差法的SDN异常流量检测方法，属于计算机网络安全技术领域。该方法包括收集SDN各节点(包括控制器和各用户终端)的正常网络流量包数量，分别计算其Hurst指数；保存并作为网络正常指标，设定正常状态的阈值；收集各节点发生某种已知异常的网络流量包数量，计算各节点Hurst指数作为该异常的指标；用窗函数截取前向序列并计算其Hurst指数，若由正常指标最终变为某种异常指标，即可确定该模式的异常发生并确定发生异常时刻点。若只是指标变化偏离了正常值，但不能找到相近的异常指标，则发生了已知模式之外的异常，并能够确定异常时刻点。本发明可以实时检测流量状态，判断流量是否异常，并且能够检测异常发生时刻，有利于加强SDN网络系统的安全性。
-
公开(公告)号：CN113269691A
公开(公告)日：2021-08-17
申请号：CN202110584825.2
申请日：2021-05-27
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
Abstract: 本发明公开的属于SAR图像去噪方法技术领域，具体为一种基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法，该基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法的具体实施方案如下：利用图像增广和图像重进消除噪声特性对于模型训练过程的影响，本发明构建的网络具有训练初期收敛效率高，末期收敛情况与其他基准模型相同的特征，利用稀疏表示与卷积滤波器的特性，进一步节省了训练时间，提高了模型的迭代效率，借助图像增广丰富数据以及图像重建消除噪声特性的设计，本发明有效地降低了SAR图像去噪过程对无噪声SAR图像的需求度，减少了实际任务中在无噪声SAR图像获取过程投入的开支，并取得更为优秀的SAR图像去噪效果。
-
公开(公告)号：CN111028277A
公开(公告)日：2020-04-17
申请号：CN201911256966.0
申请日：2019-12-10
Applicant: 中国电子科技集团公司第五十四研究所 , 哈尔滨工程大学
IPC: G06T7/33
Abstract: 本发明公开了遥感图像配准技术领域的基于伪孪生卷积神经网络的SAR和光学遥感图像配准方法，先对特征图像块的采集和匹配，再进行异常点去除和最终配准，采用了最大化正样本和难负样本之间的特征距离的策略，并且定义了新的损失函数对网络进行训练，伪孪生网络的两个分支通过卷积运算连接，得到两个输入图像块之间的相似性得分；本发明通过提出了伪孪生卷积神经网络体系结构，使得伪孪生网络的左分支和右分支能够分别输入不同大小的光学和SAR遥感图像，能够解决在极高分辨率下光学和SAR遥感图像中识别相应图像块的任务。
-
Patent Agency Ranking
公开(公告)号：CN119339125A
公开(公告)日：2025-01-21
申请号：CN202411223253.5
申请日：2024-09-03
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/098 , G06F21/60
Abstract: 一种面向类别不平衡的联邦图像分类方法，它涉及一种联邦图像分类方法。本发明为了解决现有联邦学习方法主要关注数据异构性，无法降低类别不平衡对模型性能影响的问题。本发明具体包括服务器初始化全局高斯分布原型，客户端初始化本地模型参数；将所述全局高斯分布原型下发至客户端；客户端基于本地数据集，利用高斯原型生成类内方差信息，通过配置的损失函数进行本地模型训练；客户端通过随机采样生成平衡的虚拟特征集；客户端将更新后的本地原型上传至服务器；服务器对各客户端上传的本地原型进行聚合，生成新的全局高斯分布原型，并用于下一轮训练；判断是否达到设定的训练轮次或模型收敛。本发明属于图像分类技术领域。
-
公开(公告)号：CN113838107B
公开(公告)日：2023-12-22
申请号：CN202111117036.4
申请日：2021-09-23
Applicant: 哈尔滨工程大学
IPC: G06T7/33 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/0475 , G06N3/094
Abstract: 本发明属于遥感图像配准技术领域，具体涉及一种基于稠密连接的异源图像自动配准方法。本发明先对SAR与光学图像进行转换，再使用结合注意力机制的卷积神经网络进行特征点的提取，接着将提取到的特征点进行特征编码并完成预匹配，通过使用高斯混合模型进行动态内联点选择，从而完成特征点的匹配，最后进行图像配准，得到最终结果。本发明通过使用循环生成式对抗网络，解决了异源图像因成像原理不同给配准带来的困难，同时使用改进后的稠密连接Densenet结构提取特征点，极大提高了精度，从而提升后续模型配准的性能。
-
公开(公告)号：CN116630794A
公开(公告)日：2023-08-22
申请号：CN202310457764.2
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06V20/10 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/764 , G06T7/73 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于排序样本选择的遥感图像目标检测方法、电子设备，获取遥感图像及对应的目标标签，并进行预处理；通过特征提取主干网络以及特征金字塔网络，得到对应的多尺度特征图；构建分类分支网络以及位置及角度回归分支网络，对多尺度特征图进行预测，获得目标预测值；利用目标标签以及预测值，在多尺度特征图上计算得到交并比自适应阈值，筛选样本点以获得满足条件的正负样本；计算分类排序损失、定位排序损失以及回归损失进行网络训练；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，缓解正负样本不均衡导致传统分类能力难以学习的问题，促进目标检测性能提升，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN116230012B
公开(公告)日：2023-08-08
申请号：CN202310177110.4
申请日：2023-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于元数据对比学习预训练的两阶段异音检测方法，属于声音检测领域，解决了现有单阶段异音检测方法对声音信号与其对应元数据信息匹配关系发掘程度不高，难以区分不同元数据信息下声音信号差异的问题。本发明提供的两阶段异音检测方法包含元数据对比学习预训练和自监督微调两个阶段，元数据对比学习预训练阶段加强了相同元数据信息下的声音信号关联，放大了不同元数据信息下声音信号的距离，学习到了能够根据元数据信息区分不同声音信号的能力；自监督微调部分在元数据对比学习获得的预训练参数基础上，进行优化微调，进一步提升了对不同元数据信息下声音信号的区别能力，进而提升了异音检测方法的性能表现与稳定性。
-
公开(公告)号：CN114154538B
公开(公告)日：2022-09-02
申请号：CN202111421620.9
申请日：2021-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于工业声音异常检测技术领域，具体涉及一种基于相位编码和设备信息的工业声音异常检测系统。本发明能借助相位信息补足工业声音信号的精细度，获得高精度的声学特征，能够对高精度的声学特征进行建模，着重提升系统对于异常信息的敏感度，同时感知到不同工业设备之间的细微差异，规避了设备之间产生的声学干扰，并对建模结果进行高效率高精度的异常分数判定，具备优秀的工业声音异常检测性能。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.026 seconds)
