-
公开(公告)号：CN116501908B
公开(公告)日：2024-04-26
申请号：CN202310546775.8
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于特征融合可学习图注意力网络的图像检索方法，具体包括以下步骤：获取原始图像数据和原始点云数据；基于所述原始图像数据和所述原始点云数据，获取图像特征向量和点云特征向量；构建基于特征融合可学习图注意力网络模型，利用所述图像特征向量和所述点云特征向量训练所述特征融合可学习图注意力网络模型；利用所述基于特征融合可学习图注意力网络模型进行图像检索，完成基于特征融合课学习图注意力网络的图像检索。本发明提出的基于特征融合可学习图注意力网络的图像检索方法，在识别精度、任务适应性和抗噪鲁棒性上有较好的表现，具有一定的有效性。
-
公开(公告)号：CN116579918B
公开(公告)日：2023-12-26
申请号：CN202310567199.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06V10/52 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/77 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及基于风格无关判别器的注意力机制多尺度图像转换方法，包括：构建基线的多尺度图像转换模型，在基线的多尺度图像转换模型中引入注意力机制，构建基于注意力机制的多尺度图像转换模型；基于注意力机制的多尺度图像转换模型，结合风格无关判别器，构建基于风格无关判别器的注意力机制多尺度图像转换模型；获取水下图像，将水下图像输入基于风格无关判别器的注意力机制多尺度图像转换模型中，输出转换后的水下图像，完成水下图像的转换。本发明提出的基于风格无关判别器的注意力机制多尺度图像转换方法，能生成细节更丰富的水下图像，具有很好的转换效果。
-
公开(公告)号：CN117095296A
公开(公告)日：2023-11-21
申请号：CN202311149193.2
申请日：2023-09-07
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于复合卷积神经网络的船舶舱室浸水识别方法，属于船舶浸水识别技术领域。包括以下步骤：S1、获取船舶舱室浸水图片数据，并对所述图片数据进行预处理，得到图像数据集；S2、构建复合神经网络，并基于所述图像数据集对所述复合神经网络进行训练，基于训练后的所述复合神经网络对船舶舱室图像进行进水识别，得出识别结果。本发明使用复合卷积神经网络的方法进行船舶舱室浸水识别，可以提高识别精度，增加决策者应对突发浸水事件的能力，极大程度上节省人力、防止工作人员工作疏漏导致错过堵漏救援第一时间。
-
公开(公告)号：CN116738565A
公开(公告)日：2023-09-12
申请号：CN202310563359.9
申请日：2023-05-18
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F119/12
Abstract: 本发明涉及卷积‑循环复合神经网络的船舶单破口浸水时间预测方法，包括：获取船舶单破口的浸水数据集，对所述浸水数据集进行处理；构建复合神经网络，所述复合神经网络包括：轻量级残差网络ResNet18和长短期记忆模型LSTM；基于所述浸水数据集训练所述复合神经网络，通过训练后的所述复合神经网络，预测所述船舶单破口的浸水时间。本发明旨在提高浸水事故发生后指挥者对浸水区域的掌握程度，方便指挥人员进行抗沉决策及人员疏散。
-
公开(公告)号：CN115099264A
公开(公告)日：2022-09-23
申请号：CN202210580880.9
申请日：2022-05-26
Applicant: 哈尔滨工程大学
Abstract: 船舶零件故障诊断方法及装置、计算机和计算机储存介质，涉及深度学习领域。对于现有技术中存在的：虽然卷积神经网络具有较强的特征提取能力，但故障的损坏伴随时间也会产生变化的问题，本发明提供的技术方案为：船舶零件故障诊断方法，所述的方法包括：获得船舶设备运行状态过程中零件的振动加速度信号数据，将数据进行预处理，并针对不同故障标注故障类型，对完成标注的数据作为一维数据集，并划分为训练集和测试集；构建面向船舶零件的深度学习故障诊断模型的特征提取器；构建面向船舶零件的深度学习故障诊断模型的分类器；通过所述的特征提取器和分类器构建面向船舶零件的深度学习故障诊断模型。适用于诊断船舶零件故障。
-
Patent Agency Ranking
公开(公告)号：CN113012714B
公开(公告)日：2022-08-02
申请号：CN202110197042.9
申请日：2021-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于像素注意力机制胶囊网络模型的声学事件检测方法，包括如下步骤：(1)对原始音频数据进行预处理；(2)提出构建像素注意力机制胶囊网络‑双向门控循环单元网络(Pixel‑Based Attention of Capsule Network‑Bidirectional Gated Recurrent Unit,PBAttCapsNet‑BGRU)模型；(3)完成基于像素注意力机制胶囊网络模型的声学事件检测任务。本发明为了取得对不连续、重叠声学事件较好的检测效果，提出一种基于像素注意力机制胶囊网络模型的声学事件检测方法。通过与其他声学事件检测方法的性能对比，本发明提出的基于像素注意力机制胶囊网络模型的声学事件检测方法能够有效地对不连续、重叠声学事件进行检测，并提升检测性能。
-
公开(公告)号：CN109800700B
公开(公告)日：2022-08-02
申请号：CN201910036689.6
申请日：2019-01-15
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下声信号处理技术领域，具体涉及一种基于深度学习的水下声信号目标分类识别方法。本发明包括以下步骤：(1)原始水下声信号通过Gammatone滤波倒谱系数GFCC算法进行特征提取；(2)提出利用改进经验模态分解MEMD算法提取瞬时能量以及瞬时频率，并与GFCC算法提取的特征值进行融合，构建特征矩阵；(3)建立高斯混合模型GMM，保留水下声信号目标的个性特征；(4)利用深度神经网络DNN完成水下目标分类识别。本发明可以解决传统水下声信号目标分类识别方法特征提取单一，抗噪能力差的问题，并且能有效的提高水下声信号目标分类识别的准确率，在目标声信号较弱、距离较远等情况下仍然具有一定的适应性。
-
公开(公告)号：CN109308713B
公开(公告)日：2021-11-19
申请号：CN201810870281.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为了得到更好的前视声纳水下目标跟踪效果，提出了一种基于改进核相关滤波算法的水下目标跟踪方法。主要包括如下步骤：(1)前视声纳图像的预处理；(2)选取动态连续变化尺度的检测基样本，利用滤波器模型检测声纳图像目标的最佳位置；(3)根据峰值旁瓣比自适应更新滤波器模型，在更新过程中，选取动态连续变化的训练基样本来计算不同尺度的滤波器模型，最终实现前视声纳水下目标跟踪。对采集的水下目标原始数据进行实验结果分析，验证提出的基于改进核相关滤波算法对前视声纳水下目标跟踪具有较高的跟踪精度，并且当目标尺度发生变化、目标中途消失又出现等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN112216271A
公开(公告)日：2021-01-12
申请号：CN202011080817.6
申请日：2020-10-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积块注意机制的视听双模态语音识别方法，包括如下步骤：(1)对视听双模态信息数据集进行预处理；(2)提出构建CBAM‑AV‑LipNet模型；(3)完成基于卷积块注意机制的视听双模态语音识别任务，实现视听双模态语音识别任务。本发明利用提出构建的CBAM‑AV‑LipNet模型对测试集进行特征提取得到深层融合特征向量，对其进行CTC贪婪搜索解码，获得识别文本信息，完成视听双模态语音识别任务。本发明提出的基于卷积块注意机制的视听双模态语音识别方法较传统的语音识别方法和视觉语音识别模型LipNet具有良好的识别性能和收敛速度，同时具有一定的抗噪能力和有效性。
-
公开(公告)号：CN109447997A
公开(公告)日：2019-03-08
申请号：CN201811086885.6
申请日：2018-09-18
Applicant: 哈尔滨工程大学
Abstract: 一种自适应文化算法的水下声纳图像目标分割方法涉及图像处理技术领域，具体涉及一种自适应文化算法的水下声纳图像目标分割方法。一种自适应文化算法的水下声纳图像目标分割方法。包括如下步骤：(1)基于黄金分割率的自适应过滤度参数选择的非局部空间信息平滑去噪处理；(2)在文化算法的种群空间中，将一种基于新搜索机制的量子衍生混合蛙跳算法作为种群空间的更新策略；(3)在文化算法的信念空间中，将自适应收缩扩张系数的量子粒子群算法作为信念空间的更新策略；(4)调整交流机制，使得算法对种群空间和信念空间的进化信息利用程度增加。本发明具有更好的寻优能力和提高搜索效率，能更好的提高分割精度，有一定的有效性和适应性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.054 seconds)
