-
公开(公告)号：CN114639387B
公开(公告)日：2024-09-10
申请号：CN202210221453.1
申请日：2022-03-07
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种声纹欺诈检测方法，将能量谱经由Q‑DCT和Q‑IDCT平滑处理的重构群延迟‑常数Q变换(以下称为RGD‑CQT)语谱图特征进行检测语音欺诈攻击的方法，解决了欺诈语音特征区分性不强及欺诈语音检测系统错误率高的问题。在训练时，先对语音序列进行填充或截取操作，进而将语音序列的每一位与索引序号加一的值进行相乘，获得新的语音序列。将两个语音序列分别进行常数Q变换(CQT,constant Q transform)，获得两个语谱图X和Y。分别提取两张语谱图的实部和虚部，对语谱图X进行Q‑DCT和Q‑IDCT，之后进行修改的群延迟的计算，最后进行归一化和取对数得到最终的语谱图。将其作为resnet18+cbam网络的输入；然后通过交叉熵损失和Adam优化器训练出一个最优的网络模型作为用于测试的模型。最终根据网络模型的分数，如果分数大于0则认为是真实语音，反之，则判断为欺诈语音。
-
公开(公告)号：CN113611285B
公开(公告)日：2023-11-24
申请号：CN202111032721.7
申请日：2021-09-03
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于层叠双向时序池化的语种识别方法，属于语种分类领域。本发明首先提取训练集和验证集音频文件的梅尔频率倒谱系数与基音参数，并切分成长度相同的片段，利用训练集段级特征训练残差‑双向长短时记忆神经网络，然后使用训练好的神经网络提取训练数据的高级时序特征，将高级时序特征进行非线性变换后，再对非线性特征进行双向时序池化。本发明可高效、准确地编码神经网络的隐藏层序列，从而获取音频的高阶动态信息，降低语种识别系统的错误率。
-
公开(公告)号：CN113537044B
公开(公告)日：2022-08-26
申请号：CN202110794610.3
申请日：2021-07-14
Applicant: 哈尔滨理工大学
Abstract: 基于STFT与改进DenseNet的航空发动机故障诊断方法，本发明涉及航空发动机故障诊断领域中，现有的方法对发动机变转速故障数据集诊断效果不好的问题。航空发动机在生产环境下的运行状况是复杂多变的，往往会经历变加速、变减速的变转速过程，现有的方法在单一转速数据集下虽然已经取得了不错的效果，但是在变转速数据集上的效果却很差；为解决这一问题，本发明提出了基于STFT与改进DenseNet的航空发动机故障诊断方法；该方法将原始信号经过STFT生成各类故障的时频图像，然后使用基于改进的DenseNet模型对故障图像进行分类；经过充分的实验验证得知，在航空发动机的故障诊断上取得了很好的效果。本发明应用于航空发动机等机械设备的故障诊断。
-
公开(公告)号：CN112419335B
公开(公告)日：2022-07-22
申请号：CN202011303854.9
申请日：2020-11-19
Applicant: 哈尔滨理工大学
Abstract: 一种细胞核分割网络的形状损失计算方法，本发明涉及智能病理诊断技术中，细胞核分割网络损失计算问题。智能病理诊断通过深度学习技术分割并识别细胞图像中的异常细胞。然而在细胞核分割网络中没有考虑细胞核的先验知识，导致部分细胞核轮廓不光滑、存在异形，影响后续分类的结果。为此，我们提出一种细胞核分割网络的形状损失计算方法。其主要思想是估计预测细胞核边缘区域对核形状特征影响的权重。通过最小化这个权重，使分割后的细胞核与实际细胞核形状上保持一致。实验表明：我们的损失计算方法可以有效解决细胞核轮廓不光滑、异形等问题。本发明应用于智能病理诊断中的细胞核分割网络损失计算。
-
公开(公告)号：CN113377994A
公开(公告)日：2021-09-10
申请号：CN202110773772.9
申请日：2021-07-08
Applicant: 哈尔滨理工大学
IPC: G06F16/632 , G06F16/65 , G06K9/62
Abstract: 本申请涉及一种基于旋律特征聚类与优化的哼唱检索方法，包括：对训练数据进行旋律特征提取，该特征为音高向量；对音高向量进行聚类并利用聚类标签训练DBN网络；利用训练好的DBN模型对测试数据提取特征；与训练集旋律特征库中的旋律特征进行匹配并找到所属类别，在类内继续匹配输出检索结果。本方法将优化初始聚类中心的k‑means算法引入到哼唱检索中，其能够依据高密度优先聚类的思想，有效提升密度差异较大数据集的聚类效果，聚类后同簇的旋律特征具有更高的结构相似性。本发明不仅检索稳定高效，而且检索精度高。
-
Patent Agency Ranking
公开(公告)号：CN112699722A
公开(公告)日：2021-04-23
申请号：CN202011118967.1
申请日：2020-10-19
Applicant: 哈尔滨理工大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G01M13/00 , G01M13/045
Abstract: 本发明涉及旋转机械的故障诊断方法。当前故障诊断软件无法实现自动对旋转机械进行诊断，且精度低，并且传统方法对设备进行故障诊断效率低下。为解决这一问题，提出了提出了一种融合CNN和GMM的故障诊断方法。该方法在训练阶段首先利用大量振动数据训练一个CNN提取振动信号特征，然后为每类故障训练一个GMM。在故障诊断阶段，新的输入信号经过特征提取后在GMM模型上分类，实现故障诊断。实验表明，与传统方法相比，所提出的方法在旋转机械故障诊断方面具有更高的准确率。本发明应用于旋转机械故障诊断领域。
-
公开(公告)号：CN107330869B
公开(公告)日：2021-04-23
申请号：CN201710504878.2
申请日：2017-06-28
Applicant: 哈尔滨理工大学
Abstract: 重叠细胞分割后的异常像素点重构，本发明涉及DNA倍体分析技术中，重叠细胞分割后出现的像素点异常的问题。DNA倍体分析技术通过图像处理技术测量细胞DNA的相对含量，在癌症诊断方面有着广泛的应用。然而重叠细胞的分割后的像素点异常，导致细胞的纹理、灰度以及最重要的光密度等特征出现异常，在诊断中极易出现误诊。为改善这一问题，本发明提出了一种基于GMM‑UBM模型的细胞重叠区域像素重构方法。实验表明，该方法能有效地调整细胞的纹理、灰度、光密度等特征值，减少DNA含量测量的误差，降低异常像素点对分类器识别率的影响。本发明应用于重叠细胞分割后的异常像素点重构。
-
公开(公告)号：CN110737788A
公开(公告)日：2020-01-31
申请号：CN201910980788.X
申请日：2019-10-16
Applicant: 哈尔滨理工大学
IPC: G06F16/51 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 快速的三维模型索引建立及检索方法，本发明涉及三维模型检索过程中，二维视图表征三维模型存在冗余的问题以及检索效率低下的问题。目前基于视图的三维模型检索是先将三维模型投影成二维视图集合，然后采用深度学习技术对其进行分类和检索。然而,现有的方法在精度和效率方面都有待提升。为此，本发明采用K-means方法选出代表性视图来替代投影所产生的所有视图，极大的减少了投影视图的数量。然后利用训练好的卷积神经网络(CNN)提取具有代表性的特征，并将特征按类别建立索引。检索时，利用CNN首先将代表性视图分到一个类别中，然后相似度匹配仅在该类别中进行而不是所有类别。通过这种方式，减少了检索算法的搜索空间。此外，本发明提出了一种视图递增的检索方法，该方法在满足条件时，提前终止检索，使得检索平均时间进一步减少，再次提高了检索效率。本发明应用于三维模型检索。
-
公开(公告)号：CN109190567A
公开(公告)日：2019-01-11
申请号：CN201811048234.8
申请日：2018-09-10
Applicant: 哈尔滨理工大学
CPC classification number: G06K9/0014 , G06K9/00147 , G06N3/0454
Abstract: 本发明公开一种基于深度卷积神经网络的异常宫颈细胞自动检测方法，主要包括以下步骤：（1）TCT宫颈细胞图片的人工标注；（2）已标注细胞图片的分割；（3）分割后细胞的多分类；（4）各类别细胞图片在迁移模型中的训练；（5）对待检测细胞图片的分割、识别、定位；（6）对于异常细胞团的再分割处理和识别。本发明所述的异常宫颈细胞自动检测方法将分割后的细胞分为9类，采用迁移学习方式进行训练，得到拟合较好的多分类模型。该模型可以对未标记的源宫颈细胞图片进行识别、筛选和准确定位，并对检测到的异常细胞做再次分割处理和识别，提升了检测的准确率。本发明在宫颈细胞病理诊断领域具有较好的辅助效果。
-
公开(公告)号：CN109001902A
公开(公告)日：2018-12-14
申请号：CN201811028727.5
申请日：2018-09-05
Applicant: 哈尔滨理工大学
Abstract: 一种显微镜聚焦方法，本发明涉及显微镜聚焦方法。本发明的目的是为了解决因载物平台不平整引发的聚焦之后一张图片上一部分区域清晰，一部分区域不清晰的问题。为解决这个问题，本发明提出新的显微镜聚焦方法：使用平台前，通过测量并学习载物平台的平整度作为平台参数；使用平台时，根据不同的平整度参考之前学习的平台参数，使用不同的策略进行图像采集并融合。采用多图像融合的方式，将同一视野下处于多个焦平面的清晰图像融合到一张图片上。实验表明，通过融合不同深度的清晰图像明显提高了图像质量。本发明应用于显微镜聚焦领域。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.036 seconds)
