-
公开(公告)号：CN114170462A
公开(公告)日：2022-03-11
申请号：CN202111475546.9
申请日：2021-12-06
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于卷积神经网络的细粒度遥感舰船开集识别方法，其方案是：（1）对MMAL‑Net网络的特征提取网络进行改造；（2）对MMAL‑Net网络的分支结构进行改造；（3）将开集分类算法引入到卷积神经网络的细粒度遥感舰船识别中；（4）对改造后的MMAL‑Net网络进行训练和测试。本发明主要解决了现有细粒度遥感舰船识别方法基于闭集的假设下，不能很好应用于现实场景以及目标定位和局部特征提取不准确的问题，本发明提高了细粒度遥感舰船识别的准确率，能更好的适用于现实场景下的细粒度遥感舰船识别。
-
公开(公告)号：CN113205107A
公开(公告)日：2021-08-03
申请号：CN202011202614.X
申请日：2020-11-02
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于改进高效率网络的车型识别方法，所述方法包括：采用EfficientNets作为车型识别的基础网络，根据数据集选择与其最适配的网络，通过复合缩放的方法来平衡网络的深度、宽度、分辨率，实现三个维度之间的平衡，在利用深度可分离卷积代替普通卷积的基础上在网络最后添加softmax分类器进行分类，用标签平滑正则化对损失函数进行处理来代替原始模型中的交叉熵损失函数，从而减小模型过拟合问题本，发明将深度学习EfficientNets用于车型识别，利用其复合缩放的优势，增加softmax分类器进行分类，用标签平滑正则化对损失函数进处理，提高网络的容错性与车型识别的准确率。
-
公开(公告)号：CN105528504B
公开(公告)日：2018-09-04
申请号：CN201610115922.6
申请日：2016-03-01
Applicant: 哈尔滨理工大学
IPC: G06F17/50
Abstract: 基于CFOA‑MKHSVM的滚动轴承健康状态评估方法，属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题，采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性，以及容易选入局部最优问题，将果蝇算法与混沌理论相结合，对多参数进行寻优。同时构建混沌优化果蝇算法—多核超球体支持向量机CFOA‑MKHSVM模型，并提出归一化差别系数评估指标。经实验，与SVDD算法评估指标进行对比，验证了所提指标的有效性，实现了滚动轴承健康状态的定量评估。
-
公开(公告)号：CN114170462B
公开(公告)日：2024-10-29
申请号：CN202111475546.9
申请日：2021-12-06
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06V20/00 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明公开了一种基于卷积神经网络的细粒度遥感舰船开集识别方法，其方案是：（1）对MMAL‑Net网络的特征提取网络进行改造；（2）对MMAL‑Net网络的分支结构进行改造；（3）将开集分类算法引入到卷积神经网络的细粒度遥感舰船识别中；（4）对改造后的MMAL‑Net网络进行训练和测试。本发明主要解决了现有细粒度遥感舰船识别方法基于闭集的假设下，不能很好应用于现实场景以及目标定位和局部特征提取不准确的问题，本发明提高了细粒度遥感舰船识别的准确率，能更好的适用于现实场景下的细粒度遥感舰船识别。
-
公开(公告)号：CN117046084A
公开(公告)日：2023-11-14
申请号：CN202311079944.8
申请日：2023-08-25
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及文体用品技术领域，具体涉及一种中国象棋自动摆棋装置及方法；该中国象棋自动摆棋装置能够自动将棋子摆放至初始状态，所述棋子底部依次设置有金属层和防滑层，所述棋子底部还具有四条同心圆环槽结构，所述四条同心圆环槽结构形成编码，用于识别棋子的颜色和文字；所述中国象棋自动摆棋装置包括落子结构，翻子结构，识子结构和摆子结构；该中国象棋自动摆棋方法依次执行调整、落子、翻子、运子、识子、摆子和复位步骤，最终实现自动摆棋，同现有产品相比，无需机器视觉技术，有利于降低产品成本，适合市场推广。
-
Patent Agency Ranking
公开(公告)号：CN116563843A
公开(公告)日：2023-08-08
申请号：CN202310384706.1
申请日：2023-04-12
Applicant: 哈尔滨理工大学
Abstract: 本发明设计了一种基于树莓派与神经计算棒的水果识别系统，属于图像识别领域，用于解决当前在水果套袋，采摘以及分拣环节传统方式效率低下的问题，包括视觉获取模块、中央处理模块、算力加持模块以及用户控制应用模块；视觉获取模块用来实现对水果信息的获取以及增大视野范围；中央处理模块用来实现对水果相关信息的检测，同时实现相关信息的远程传输；算力加持模块用来对部署在树莓派上的目标检测算法进行加速，实现实时检测；用户控制应用模块用来实现用不同的方式对系统进行相应的控制；通过各模块之间相互协调配合实现对多种水果的识别与定位以及对水果品质等级的分拣，同时对水果的套袋和采摘进行辅助定位，实现水果种植采摘及分拣的智能化。
-
公开(公告)号：CN114047753A
公开(公告)日：2022-02-15
申请号：CN202111291019.2
申请日：2021-11-03
Applicant: 哈尔滨鹏路智能科技有限公司 , 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度视觉的扫地机器人障碍物识别和避障方法，用于使扫地机器人提前感知前方工作区域内的障碍物，并根据障碍物类型采取对应的避障方式。一种基于深度视觉的扫地机器人障碍物识别和避障方法主要包括六个步骤：首先利用深度相机对扫地机器人前方区域进行信息采集；然后提取深度图像中各像素点的空间位置信息，标记出地面区域；再在深度图像中标记出路径空间区域，并分割出障碍物的图像；根据障碍物图像利用x轴和y轴像素分布直方图和深度直方图区分出障碍物类别；根据障碍物类别，选择绕行避障方式或折返避障方式，并执行避障操作；最后扫地机器人向前行驶，进行正常清扫工作，并循环执行前五个步骤。
-
公开(公告)号：CN112906535A
公开(公告)日：2021-06-04
申请号：CN202110170064.6
申请日：2021-02-09
Applicant: 哈尔滨理工大学 , 哈尔滨鹏路智能科技有限公司
Abstract: 本发明公开了一种基于神经网络的适用于多尺度多目标的摔倒检测方法，主要解决现有摔倒检测算法对小目标检测准确率低及无法实现多目标检测的问题。其方案是：(1)对公开的摔倒检测数据集进行补充，制作摔倒检测融合数据集；(2)对YOLOv4网络进行改造，搭建针对人体特性的YOLOv4摔倒检测网络；(3)使用K‑means算法针对摔倒检测融合数据集更新anchors值；(4)采用Label Smoothing对网络标签进行改造；(5)对改造后YOLOv4网络进行训练和测试。本发明提高了小目标的摔倒检测精度，实现了多目标的摔倒检测，可应用于易发生摔倒的场所，提高对于摔倒人群的救助效率。
-
公开(公告)号：CN110796109A
公开(公告)日：2020-02-14
申请号：CN201911069080.5
申请日：2019-11-05
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于模型融合的驾驶员分心行为识别方法，属于模式识别、图像处理领域。所述方法包括；建立驾驶员分心行为真实数据集并对图片做数据增强等预处理；搭建VGG-Net、Inception-V3两种神经网络模型；训练并测试每一个网络模型，使其都能输出单模型测试的识别结果；对以上两个模型进行融合处理，得到模型融合后的测试结果，最终输出识别出的驾驶员的行为类别。不同模型的设计思路不同，提取图片特征原理也不同，本发明通过模型融合的方式，使不同模型的分类特点充分发挥，提高精度，分类结果比单模型的分类结果更准确可靠。本发明在安全驾驶与智能交通领域有着重要的实际应用价值。
-
公开(公告)号：CN110751612A
公开(公告)日：2020-02-04
申请号：CN201911069082.4
申请日：2019-11-05
Applicant: 哈尔滨理工大学
Abstract: 该发明涉及一种多通道多尺度卷积神经网络的单幅图像去雨方法。建立了多通道多尺度卷积神经网络用于提取有雨图像的特征信息并向无雨图像方向映射。首先利用引导滤波将有雨图像进行分解，得到低频背景图像和更高频雨线图像。然后将低频背景图像和更高频雨线图像一起送入卷积神经网络进行特征学习,得到去除雨线的低频图像和更高频图像，最后将其相融合得到去雨图像。卷积神经网络中对低频背景图像和更高频雨线图像提取的是多尺度特征图。同时，在构造网络模型时利用空洞卷积代替普通来提取图像的多尺度特征信息，得到更丰富的图像特征，提高算法的去雨性能。通过实验验证本发明可以有效去除图像中的雨线，且去雨之后的图像清晰，细节保持度高。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.026 seconds)
