-
公开(公告)号：CN118411647A
公开(公告)日：2024-07-30
申请号：CN202410448620.5
申请日：2024-04-15
Applicant: 哈尔滨工业大学
IPC: G06V20/40 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82
Abstract: 一种基于两阶段训练和多视图自标注策略的开放世界目标检测方法，它属于计算机视觉中的目标检测技术领域。本发明解决了现有基于封闭世界假设设计的目标检测方法会对真值标签不存在的未知新类别造成误检、漏检的问题。本发明基于基础模型Deformable‑DETR引入一个类别不可知的二分类头，并提出两阶段的模型训练方法。第一阶段，二分类头将所有预测输出二分类为前景或者背景；第二阶段，提出多视图自标注策略和一致性约束方法，基于当前已知类别的数据集微调模型的投影层、分类头和二分类头的参数，冻结其他类别不可知模块的参数。训练好的模型可以对已知类别的目标进行正确分类，并将未知类别的目标识别出来。本发明方法可以应用于开放世界目标检测。
-
公开(公告)号：CN111461172A
公开(公告)日：2020-07-28
申请号：CN202010144828.X
申请日：2020-03-04
Applicant: 哈尔滨工业大学
Abstract: 基于二维点组卷积的高光谱遥感数据的轻量级特征融合方法，属于遥感数据特征提取技术领域。本发明是为了解决现有基于深度学习的高光谱遥感数据特征融合方法需要大量的融合参数问题。本发明所述方法针对征融合前的处理过程处理后得到的特征，进行二维点组卷积操作；二维点组卷积的过程中，首先将融合前的特征先分成若干个组，然后每组各自单独进行特征融合，融合后的特征为每组的局部特征；对每层融合后的局部特征进行洗牌，使得洗牌后的每组特征来自于洗牌前各组的局部特征；对洗牌后的特征再进行二维点组卷积操作，进行特征融合，此时融合后的特征为全局特征。本发明用于高光谱遥感数据的特征融合。
-
公开(公告)号：CN109753946A
公开(公告)日：2019-05-14
申请号：CN201910063682.3
申请日：2019-01-23
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于身体关键点监督的真实场景行人小目标检测网络及检测方法，属于计算机视觉行人检测技术领域。所述检测网络包括超分辨率网络、关键点检测网络和行人分类网络：所述检测方法首先准备训练样本，然后，利用基准行人检测器产生候选区域图像，通过超分辨率网络生成与低分辨率图像对应的高分辨率图像，根据行人身体关键点来监督训练超分辨率网络，最后利用行人分类网络判定输入的图像是真实的高分辨率图像还是超分辨率网络生成的超分辨率图像，同时实现与超分辨率网络的对抗训练，以及用于判定输入的图像是行人图像还是背景图像，进而完成真实场景中行人小目标的检测。使用所述方法可以实现真实场景中的微小行人检测。
-
公开(公告)号：CN107730553A
公开(公告)日：2018-02-23
申请号：CN201711065776.1
申请日：2017-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于伪真值搜寻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要依靠大量的有标注信息的数据库，以及当图片中含有多个物体且物体相互遮挡时物体位置检测不准确而提出的，包括：将训练样本中的图片输入到弱监督物体检测器中；将弱监督物体检测器的输出结果进行非极大抑制处理(NMS)，将超过预定的得分阈值的边界框保留；在保留下来的边界框中，删除被完全包含在其他边界框中的边界框；计算该边界框与其他边界框的重合面积，将重合面积大于一定阈值的边界框进行融合；将融合后的边界框的信息作为伪真值信息输入给全监督物体检测器，得到检测结果。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：CN101224529A
公开(公告)日：2008-07-23
申请号：CN200810063961.1
申请日：2008-01-31
Applicant: 哈尔滨工业大学
Abstract: 用于遥控焊接的管道全位置焊接装置，它涉及一种管道全位置焊接装置。本发明解决了现有的焊接装置存在应用于极限环境下固定管道的遥控焊接时，不适合用机器人手臂进行全自动化装卸、自动跟踪焊缝、自动调节焊枪的问题。所述支撑轴(7)固定安装在主板(8)上的通孔(8－2)内，所述支撑轴偏心开口(7－1)、主板偏心开口(8－1)、齿圈偏心开口(6－1)的位置相一致且三者均与轴向通孔(7－2)相通，所述齿轮总成(10)安装在主板(8)的内侧面的上端上，所述齿轮总成(10)上的齿轮至少有一个与齿圈(6)相啮合，电机(9)固定在主板(8)的外侧面的上端上，电机(9)的输出轴与齿轮总成(10)转动连接。本发明实现了小口径管道焊接工具在极限环境下的应用。
-
Patent Agency Ranking
公开(公告)号：CN107833213B
公开(公告)日：2020-09-22
申请号：CN201711066445.X
申请日：2017-11-02
Applicant: 哈尔滨工业大学
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：CN107730553B
公开(公告)日：2020-09-15
申请号：CN201711065776.1
申请日：2017-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于伪真值搜寻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要依靠大量的有标注信息的数据库，以及当图片中含有多个物体且物体相互遮挡时物体位置检测不准确而提出的，包括：将训练样本中的图片输入到弱监督物体检测器中；将弱监督物体检测器的输出结果进行非极大抑制处理(NMS)，将超过预定的得分阈值的边界框保留；在保留下来的边界框中，删除被完全包含在其他边界框中的边界框；计算该边界框与其他边界框的重合面积，将重合面积大于一定阈值的边界框进行融合；将融合后的边界框的信息作为伪真值信息输入给全监督物体检测器，得到检测结果。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：CN106843847B
公开(公告)日：2020-05-26
申请号：CN201611223171.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
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：CN111144423A
公开(公告)日：2020-05-12
申请号：CN201911369736.5
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多尺度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有基于卷积神经网络高光谱遥感数据的光谱特征提取尺度单一的问题，同时解决高光谱遥感数据的高维度信号造成的维数灾难的问题。本发明中以每个尺度值减一后的值与对应的分组数的乘积相等为原则，直接将高维的高光谱向量信号在光谱波段维度上等分成若干组，每个尺度利用多个不同的滤波器对每段高维的高光谱向量信号进行单独的一维常规卷积操作，通过若干组操作实现快速降低光谱向量的特征维度。本发明适用于高光谱遥感数据的多尺度光谱特征提取。
-
公开(公告)号：CN109145958B
公开(公告)日：2019-11-08
申请号：CN201810842331.8
申请日：2018-07-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于多任务生成对抗网络的真实场景小物体检测方法，属于计算机视觉领域中的物体检测技术领域。所述检测方法将多任务生成对抗网络引入到物体检测中，通过让多任务生成对抗网络中的生成器网络和鉴别器网络相互博弈的方式进行学习，实现小物体检测网络的建立进而完成图像的小物体检测。所述小物体检测方法克服了现阶段的物体检测方法在真实场景中检测正确率低的困难，促进了基于深度学习的物体检测方法在真实场景下的应用。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.034 seconds)
