-
公开(公告)号：CN119169471A
公开(公告)日：2024-12-20
申请号：CN202411631891.0
申请日：2024-11-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/764
Abstract: 本发明提供了一种基于状态空间模型与傅里叶变换的植物病害检测方法，涉及植物病害检测技术领域，包括：采集植物叶片图像，并对植物叶片图像进行预处理，得到病斑区域图像；对病斑区域图像进行特征提取，得到频域特征和时域特征；根据病斑区域图像的特征参数和频域特征构建初始状态空间模型；利用Mamba算法优化初始状态空间模型的模型参数，得到优化状态空间模型；使用已标注的植物病害数据集对优化状态空间模型进行训练，得到训练好的植物病害检测模型；将待测图像输入至植物病害检测模型中，得到检测结果。本发明通过结合快速的傅里叶变换特征提取和Mamba优化算法，旨在为植物病害检测提供一种高效、准确且具有良好泛化能力的解决方案。
-
公开(公告)号：CN118552417A
公开(公告)日：2024-08-27
申请号：CN202410475232.6
申请日：2024-04-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种基于跟踪算法的高效视频场景图生成方法和装置，采用对象元素跟踪方法获取每帧画面中的元素信息，再联系时间上下文信息拟合出每帧画面中对象元素之间的场景关系，并根据场景关系生成对应的场景图。本申请避免了传统获取元素信息方案中对每帧画面进行对象元素识别的方法，减少对象元素的检测次数，较大程度上提高了场景图生成效率。此外，本申请仅对元素预测置信度最高的对象元素进行跟踪，丢弃了低置信度对象的预测结果对获取元素信息准确度的干扰。
-
公开(公告)号：CN118488322B
公开(公告)日：2024-11-01
申请号：CN202410951152.3
申请日：2024-07-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN118488322A
公开(公告)日：2024-08-13
申请号：CN202410951152.3
申请日：2024-07-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H04N23/84 , H04N23/86 , H04N25/47 , G06T5/60 , G06T3/4015 , G06T3/4046 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及发明一种图像去马赛克方法及系统。其中方法包括：获取包括应用混合事件图像传感器采集的RGB颜色信息的马赛克图像；根据所述马赛克图像获取Quad Bayer排列位置图和事件位置掩码图；根据将所述马赛克图像、所述Quad Bayer排列位置图和所述事件位置掩码图应用基于深度神经网络的两阶段去马赛克模型进行处理，获取去马赛克后的重建图像。通过以上方式，能够同时考虑颜色信息和位置信息，通过二者的共同编码实现高质量的去马赛克效果，重建出去马赛克的高质量的RGB图像。
-
公开(公告)号：CN111984119B
公开(公告)日：2023-03-31
申请号：CN202010832352.9
申请日：2020-08-18
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F3/01
Abstract: 本发明提供了一种手势识别模型建立方法、手势识别方法、装置及数据手套，手势识别模型建立方法包括：获取数据手套完成标定动作时所述数据手套的各个传感器采集到数据的采集时间；基于预设规则，根据各个所述传感器的所述采集时间确定各个所述传感器之间的语义关系；根据各个所述传感器之间的所述语义关系建立基于图注意力网络的手势识别模型。本发明的技术方案根据各个传感器之间的语义关系建立用于手势识别的手势识别模型，能够提高手势识别精度，且识别速度快。
-
Patent Agency Ranking
公开(公告)号：CN112801283A
公开(公告)日：2021-05-14
申请号：CN202110335501.5
申请日：2021-03-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种神经网络模型、动作识别方法、装置及存储介质，神经网络模型包括多个卷积模块、输出模块、多个注意力子模块和分类模块，多个卷积模块和输出模块依次连接，且每个卷积模块的输出端分别连接至一个注意力子模块的输入端，每个注意力子模块的输入端还分别与输出模块的输出端连接，注意力子模块的输出端与分类模块的输入端连接；注意力子模块，用于获取各个卷积模块输出的局部特征向量和输出模块输出的全局特征向量，分别计算各个局部特征向量和全局特征向量之间的兼容性分数，根据各个局部特征向量和对应的兼容性分数生成新特征向量；分类模块，根据新特征向量确定当前人体动作。本发明的技术方案能够提高人体动作的识别精度。
-
公开(公告)号：CN116306938A
公开(公告)日：2023-06-23
申请号：CN202211603460.4
申请日：2022-12-13
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学(深圳)
Abstract: 本发明提出了一种面向自动驾驶全场景感知的多模型推理加速系统及方法，将自动驾驶全场景感知中的多个DNN模型转换为基于有向无环图DAG的计算图，设计一个调度框架POS，并采用深度强化学习DRL方法得到最优的POS调度策略，构建基于最大熵深度强化学习的算子调度算法以选择最佳并行策略，完成自动驾驶全场景的感知；本发明与最先进的深度学习推理框架和特定调度方法相比，POS可以始终实现1.2倍～3.9倍的推理加速以及28％～55％的GPU利用率提升。此外，最优调度的搜索开销比基线缩短了1.2倍～2.9倍。
-
公开(公告)号：CN112347951A
公开(公告)日：2021-02-09
申请号：CN202011253584.5
申请日：2020-11-11
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。
-
公开(公告)号：CN112347951B
公开(公告)日：2023-07-11
申请号：CN202011253584.5
申请日：2020-11-11
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/20 , G06V10/764 , G06V10/77 , G06V10/774 , G06F3/01 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。
-
公开(公告)号：CN112801283B
公开(公告)日：2023-06-16
申请号：CN202110335501.5
申请日：2021-03-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/82 , G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/40
Abstract: 本发明提供了一种神经网络模型、动作识别方法、装置及存储介质，神经网络模型包括多个卷积模块、输出模块、多个注意力子模块和分类模块，多个卷积模块和输出模块依次连接，且每个卷积模块的输出端分别连接至一个注意力子模块的输入端，每个注意力子模块的输入端还分别与输出模块的输出端连接，注意力子模块的输出端与分类模块的输入端连接；注意力子模块，用于获取各个卷积模块输出的局部特征向量和输出模块输出的全局特征向量，分别计算各个局部特征向量和全局特征向量之间的兼容性分数，根据各个局部特征向量和对应的兼容性分数生成新特征向量；分类模块，根据新特征向量确定当前人体动作。本发明的技术方案能够提高人体动作的识别精度。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.091 seconds)
