-
公开(公告)号：CN106586041A
公开(公告)日：2017-04-26
申请号：CN201611237960.5
申请日：2016-12-28
Applicant: 哈尔滨工业大学
IPC: B64G7/00
CPC classification number: B64G7/00
Abstract: 本发明涉及一种用于深空探测的火星目标模拟方法，属于深空探测应用领域。为了解决现有现有技术缺少一种能够对火星的位置、大小、轮廓、成像方位、成像灰度进行模拟的方法，在工程实践中存在技术空白的缺点，而提出一种用于深空探测的火星目标模拟方法。包括：将火星中心坐标从日心黄道坐标系变换到显示器平面坐标系和投影仪坐标系；根据火星探测器的成像视场和火星与火星探测器的相对距离关系计算出火星的成像大小；模拟火星被太阳照亮的区域以及未被照亮的区域；根据太阳、火星、探测器的相对位置关系计算火星轮廓的成像方位；将火星的星等映射到计算机的灰度，以显示在界面上。本发明适用于深空探测模拟软件。
-
公开(公告)号：CN104698867A
公开(公告)日：2015-06-10
申请号：CN201510130385.8
申请日：2015-03-24
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 基于M文件系统函数的数据采集卡的数据交互方法，属于信息处理及建模仿真技术领域。现有的部分数据采集卡不支持SIMULINK方式采集信号。一种基于M文件系统函数的数据采集卡的数据采集方法，系统函数初始化阶段；并验证采集卡硬件参数与软件描述是否匹配；进行外部实际环境中数据的持续、实时采集，并调用验证匹配子函数将判断出正确的数据输出至Simulink环境，进行信号采集循环阶段。实现对所有信号实时数据采集。一种基于M文件系统函数的数据采集卡的数据输出方法，系统函数初始化阶段；并验证采集卡硬件参数与软件描述是否匹配；调用计算输出子函数，进行Simulink环境里的虚拟信号的持续、实时采集，并调用采集卡底层验证匹配子函数判断出采集的数据中正确的数据，进行信号输出循环阶段。实现对所有信号实时数据输出。
-
公开(公告)号：CN103887501A
公开(公告)日：2014-06-25
申请号：CN201410155560.4
申请日：2014-04-17
Applicant: 哈尔滨工业大学
CPC classification number: H01M4/581 , C01B19/04 , H01M10/0525 , H01M2004/021
Abstract: 一种硒化铜锂离子电池电极材料的制备方法，它属于功能材料中的硒化物锂离子电池电极材料领域。它要解决现有制备锂离子电池电极材料原料昂贵、产量少，不利于扩大生产的问题。方法：一、Na2SeO3、Cu(CH3COO)2和NaOH溶于乙二醇与去离子水的混合溶剂中，得混合物A；二、联胺加入混合物A中，得混合溶液B；三、将混合溶液B加到高压反应釜中，热处理，得Cu2-xSe电极材料前躯体；四、经过滤、洗涤和干燥后即得硒化铜锂离子电池电极材料。本发明不需要高温，所用原材料简单便宜易得，反应压力小，得到的Cu2-xSe电极材料为结晶度好，纯度高达99%以上，产率可达94%，有利于扩大生产。
-
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：CN115439688B
公开(公告)日：2023-06-16
申请号：CN202211066364.0
申请日：2022-09-01
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06T7/73 , G06V10/22 , G06N3/048 , G06N3/0895
Abstract: 一种基于周围区域感知与关联的弱监督物体检测方法，涉及物体检测技术领域，针对现有技术中弱监督物体检测容易收敛于局部最优解，直观表现为只能检测到物体最有判别力的区域，而不是全部物体区域，导致物体定位失败，进而导致检测精度低的问题，本申请解决了弱监督物体检测方法中检测精度低和收敛于局部最优解的问题，突破了弱监督不存在提高定位精度的模块的局限，降低了物体检测技术对昂贵的人工标注的需求。本发明属于在实际应用场景中，物体检测的基础性技术研究工作，在一定程度上推动了人工智能深度学习的物体检测技术的落地，弥补了弱监督与全监督物体检测的差距。
-
Patent Agency Ranking
公开(公告)号：CN116206142A
公开(公告)日：2023-06-02
申请号：CN202211105275.2
申请日：2022-09-09
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/40 , G06N3/08 , G06N3/0464
Abstract: 一种基于退化网络特征学习的压缩图像目标检测方法，涉及计算机视觉技术领域，针对现有技术中目标检测方法利用缩略图进行检测以减少计算量时，会存在准确率降低，甚至为零的问题，本申请首先通过监督的方法学习到一个缩略图，然后将产生的缩略图送入未改变网络结构的目标检测器中，通过这样的方法可以极大地减少计算量和内存占用。本申请的降采样模块能够充分利用卷积神经网络强大的特征提取能力从原始大尺寸图像中生成缩略图。该缩略图是在图像降采样损失、知识蒸馏损失以及目标检测损失的监督下生成的，因此它具有原始图像关键的信息，可以替代原始图像进行目标检测任务。并且通过学习得到的缩略图在目标检测效果上比传统的插值方法要好很多。
-
公开(公告)号：CN115439688A
公开(公告)日：2022-12-06
申请号：CN202211066364.0
申请日：2022-09-01
Applicant: 哈尔滨工业大学
Abstract: 一种基于周围区域感知与关联的弱监督物体检测方法，涉及物体检测技术领域，针对现有技术中弱监督物体检测容易收敛于局部最优解，直观表现为只能检测到物体最有判别力的区域，而不是全部物体区域，导致物体定位失败，进而导致检测精度低的问题，本申请解决了弱监督物体检测方法中检测精度低和收敛于局部最优解的问题，突破了弱监督不存在提高定位精度的模块的局限，降低了物体检测技术对昂贵的人工标注的需求。本发明属于在实际应用场景中，物体检测的基础性技术研究工作，在一定程度上推动了人工智能深度学习的物体检测技术的落地，弥补了弱监督与全监督物体检测的差距。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.035 seconds)
