-
公开(公告)号：CN111768415A
公开(公告)日：2020-10-13
申请号：CN202010542619.0
申请日：2020-06-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种无量化池化的图像实例分割方法，包括如下步骤：S1：将任意大小二维图像输入深层特征提取网络获得多层特征图，经过区域推荐网络提取候选区域；S2:使用无量化池化层将上述具有不同的尺寸候选区域特征图池化到相同的大小；S3:输入两个检测分支预测每个候选区域的类别以及位置，同时并行连接掩码分支对每个候选区域进行前景和背景掩码分割，还原到原图尺寸。本发明解决了现有技术中对不同大小候选区域的特征图进行池化时像素空间信息缺失问题，使用无量化池化层，在不引入任何参数条件下，使得特征图像素与原图像像素一一对应，保证了目标位置的准确性，进而提升了图像实例分割的准确度。
-
公开(公告)号：CN111553934A
公开(公告)日：2020-08-18
申请号：CN202010333573.1
申请日：2020-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多维度融合的多船舶跟踪方法，包括：图像预处理；通过前端特征提取模块提取船舶特征；将当前帧船舶目标特征图分别与之前所有帧中船舶目标的特征图经特征融合模块进行融合，得到融合后特征；将融合后特征经后端特征提取层得到当前帧船舶目标与之前所有帧中船舶目标之间的关联矩阵，根据相似性得到预跟踪的结果；将预跟踪的结果利用运动匹配优化模块进行优化得到最终跟踪结果。本发明引入ASPP模块提高网络对于不同尺寸目标的建模能力，使得特征更能表达语义信息；提出了联合检测区域建模模块，进一步提升建模能力；提出运动匹配优化模块达到对预跟踪结果的优化与精修，使得跟踪器更为稳定，不过度于依赖检测器的性能。
-
公开(公告)号：CN111160354A
公开(公告)日：2020-05-15
申请号：CN201911388248.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于联合图像信息的海天背景下船舶图像分割方法，本发明针对于待分割的船舶图像，首先利用训练好的干扰因素判别器判别船舶图像对应的环境类型；然后利用所述环境类型对应的船舶提取器进行船舶的分割提取；采用基于神经网络的分类网络构建干扰因素判别器；利用训练集进行训练，得到训练好的干扰因素判别器；采用基于神经网络的分割网络构建不同环境下的船舶提取器；利用训练集中每种环境下的船舶图像分别进行训练，得到不同环境下船舶图像分别对应的训练好的船舶提取器。主要用于图像中船舶的分割提取。解决利用现有的分割算法进行海天背景下船舶图像分割存在分割精度降低的问题。
-
公开(公告)号：CN110674829A
公开(公告)日：2020-01-10
申请号：CN201910918980.6
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于图卷积注意网络的三维目标检测方法。(1)对点云进行体素化划分与随机降采样；(2)在每个栅格体素中进行局部特征提取；(3)中间层卷积提取高阶特征图；(4)区域建议网络预测目标的标框、类别以及方向。本发明为了增强每个点与临近点之间的连接关系，提出了一种以边缘卷积形式为基础的引入注意机制的特征提取模块，同时在中间卷积层之后也引入原理相同的注意机制模块，对特征图各个通道进行特征的重新选择从而得到更合理的高阶特征图。本发明提升了点云的目标检测准确率，特别是在遮挡严重的情况下，仍能有良好性能。
-
公开(公告)号：CN103171413A
公开(公告)日：2013-06-26
申请号：CN201310076354.X
申请日：2013-03-11
Applicant: 哈尔滨工程大学
IPC: B60J11/04
Abstract: 本发明的目的在于提供一种多功能可收放式汽车车载防护罩，包括前部护罩U型储放槽、后部护罩U型储放槽、前防护罩、后防护罩，前部护罩U型储放槽安装在车的前部，后部护罩U型储放槽安装在车的后部，前防护罩、后防护罩分别安装在前部护罩U型储放槽、后部护罩U型储放槽里，并且前防护罩、后防护罩可从前部护罩U型储放槽、后部护罩U型储放槽中拉出至车的中部，使得前防护罩、后防护罩将车覆盖。本发明可实现对汽车防雨雪、防沙尘、防风、遮阳、防寒、防盗、防碰撞的多功能保护，同时可实现车载，无需拆卸，不占用汽车储物空间。
-
Patent Agency Ranking
公开(公告)号：CN114048800B
公开(公告)日：2024-06-14
申请号：CN202111229203.4
申请日：2021-10-21
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种视觉信息海上目标识别多源混合数据集构建方法。本发明通过详细划分海上目标种类，为后续样本采集与标注提供标准分类条件；采用多种途径获取样本数据，利用海上目标样本采集、网络搜索、数据样本增广方式，分别构建样本数据集；设计样本分配和处理策略，并制定海上目标识别评价策略，保证样本中各类数据构成比例更为合理，保证后续神经网络训练的准确性。本发明可为基于深度学习的海上目标识别网络训练任务，提供更为合理的训练样本，使训练后的网络具有较强的鲁棒性和识别准确性。
-
公开(公告)号：CN118163111A
公开(公告)日：2024-06-11
申请号：CN202410454938.4
申请日：2024-04-16
Applicant: 哈尔滨工程大学
IPC: B25J9/16
Abstract: 本发明一种基于深度强化学习的机械臂推抓协同方法，属于视觉机器人抓取领域，为解决无模型训练在训练初期样本利用率低，且经验池回放过程往往不能突出样本重要性，无法达到满意的训练效果的问题；以及由于抓取目标的不明确导致抓取成功率较低的问题。本发明通过计算目标中心分散度度量，选取抓取难度最小的物体作为目标抓取物体，并根据目标物体生成对应的掩膜图像；建立基于FCN网络和DQN算法框架的预测模型，通过网络主干对RGB‑D图像、RGB‑D高度图像以及掩膜图像分别进行特征提取，采用G‑Net和P‑Net进行特征融合和上采样，得到两个的Q值热力图；采用优先级经验回放方法从经验池中进行采样并进行模型参数更新，最终得到预测模型完成任务场景中的推抓操作。
-
公开(公告)号：CN116512243A
公开(公告)日：2023-08-01
申请号：CN202310216115.3
申请日：2023-03-08
Applicant: 哈尔滨工程大学
IPC: B25J9/16
Abstract: 本发明公开了一种机械臂序列约束采样路径规划方法，包括：步骤一、椭圆启发式确定有效采样点；步骤二、流形结构启发式策略下的临近点转向采样点；步骤三、流形结构启发式策略下的临近点转向流形交集；步骤四、RRT*树重新布局；步骤五、生成下一约束空间RRT*虚拟根节点。本发明利用启发式先验辅助规划的方法，有效的增强RRT*树中的节点的有效性，并增强序列约束交集子目标的导向作用，同时加快算法的收敛速度，提高实时性。
-
公开(公告)号：CN110554407B
公开(公告)日：2023-05-09
申请号：CN201910908054.0
申请日：2019-09-25
Applicant: 哈尔滨工程大学
IPC: G01S17/89
Abstract: 本发明公开了一种模拟船用激光雷达三维点云成像方法，首先设置场景属性，模拟场景的各类初始状态信息；其次通过在线和离线两种方式实现场景的构建工作，用以生成基本的初始状态信息，该信息将构成后续实际计算的数据来源；再次，解算扫描物标三角面的结果数据，并通过物标点云结果的判定与合成，生成最后的扫描结果点云信息；最后，利用OpenGL技术，实现激光雷达扫描效果的可视化，提供三维可视信息。本发明可设置激光雷达的不同参数以及目标不同的距离方位等，可灵活构建激光雷达工作环境；可根据仿真工况，保存为规定格式的三维点云文件，便于其他软件使用，并增加了激光雷达扫描效果的可视化信息，便于实验人员观测。
-
公开(公告)号：CN114398471A
公开(公告)日：2022-04-26
申请号：CN202111598407.5
申请日：2021-12-24
Applicant: 哈尔滨工程大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提供一种基于深层推理注意力机制的视觉问答方法，其特征是：包括以下步骤：步骤一：获取文本特征和图像特征编码向量；步骤二：将文本特征和图像特征映射到同一个空间进行交互推理学习；步骤三：答案预测。本发明的主要目的是解决如何高效的提取视觉特征和文本特征，同时对其实现更细粒度的推理。本发明引入记忆网络模型去存储关键信息，进而提升模型的推理能力。通过在基准数据集VQAv2数据集测试，该模型取得了有竞争力的结果。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.033 seconds)
