-
公开(公告)号：CN112801283B
公开(公告)日：2023-06-16
申请号：CN202110335501.5
申请日：2021-03-29
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/82 , G06V40/20 , G06N3/0464 , G06N3/08 , G06V10/40
Abstract: 本发明提供了一种神经网络模型、动作识别方法、装置及存储介质，神经网络模型包括多个卷积模块、输出模块、多个注意力子模块和分类模块，多个卷积模块和输出模块依次连接，且每个卷积模块的输出端分别连接至一个注意力子模块的输入端，每个注意力子模块的输入端还分别与输出模块的输出端连接，注意力子模块的输出端与分类模块的输入端连接；注意力子模块，用于获取各个卷积模块输出的局部特征向量和输出模块输出的全局特征向量，分别计算各个局部特征向量和全局特征向量之间的兼容性分数，根据各个局部特征向量和对应的兼容性分数生成新特征向量；分类模块，根据新特征向量确定当前人体动作。本发明的技术方案能够提高人体动作的识别精度。
-
公开(公告)号：CN116028185A
公开(公告)日：2023-04-28
申请号：CN202310056445.0
申请日：2023-01-19
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于微服务的混合信号系统执行效率的优化方法。所述方法中每个Actor封装为独立的服务，Actor服务之间通过消息队列传输数据，当试图从空通道读取时，服务处于等待状态，直到有消息可用。调度器负责控制仿真时间的推进、结果验证以及回溯等。所述方法充分利用云计算、微服务的优势，使用并行化的算法加速了混合系统仿真引擎的执行速度。
-
公开(公告)号：CN111709301B
公开(公告)日：2023-04-28
申请号：CN202010435770.4
申请日：2020-05-21
Applicant: 哈尔滨工业大学
IPC: G06V20/40 , G06V10/774
Abstract: 本发明的一种冰壶球运动状态估计方法，属于人工智能与图像处理领域。步骤一：建立冰壶球数据集，训练冰壶球目标检测网络和转角检测网络；步骤二：采用训练好的冰壶球目标检测网络对冰壶球比赛视频序列进行检测，获取冰壶球边界框信息；步骤三：将冰壶球边界框信息取出，初始化冰壶球目标跟踪网络，在后续视频帧中持续跟踪冰壶球目标，获得冰壶球的中心坐标；步骤四：根据冰壶球边界框信息，将该冰壶球从原始图像中截取出来，送入训练好的转角检测网络进行转角提取；步骤五：通过坐标转换，将图像坐标系下的冰壶球的中心坐标和转角转换为冰壶赛场上的冰壶球坐标和转角。本发明对冰壶球状态和把手转角的估计结果更为准确。
-
公开(公告)号：CN113220827B
公开(公告)日：2023-03-28
申请号：CN202110463202.X
申请日：2021-04-23
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06N20/00 , G06Q50/02 , G06Q50/20 , G06F16/951
Abstract: 本发明提供了一种农业语料库的构建方法及装置，该方法包括：基于农业语料库的标注体系确定标注工具；基于随机选择的农业样本数据进行第一标注培训，得到机器学习模型；基于主动学习选择的农业样本数据进行第二标注培训，得到训练更新的机器学习模型，并得到更新的标注工具；基于主动学习选择的农业样本数据进行正式标注，得到标注数据；基于农业样本数据及其标注数据构建农业语料库。本发明通过主动学习和标注一致性分析，提升了数据标注的成效，并获得大量规范有效的农业标注数据，解决了当前农业语料库数据混乱的问题。同时，以较少的样本集使机器学习模型训练达到较佳效果，减少了数据标注的消耗，并提升了农业语料库构建的成效。
-
公开(公告)号：CN115794410A
公开(公告)日：2023-03-14
申请号：CN202211674778.1
申请日：2022-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于整数规划的边缘集群异构优化方法。所述方法根据实验来测试不同模型在不同设备上并发执行的性能和能耗，在预算和节点数量的约束下，利用整数规划最大化每个设备对特定模型的并发适配性，从而优化设备选择和每个模型在每个设备上的部署方案。本发明所述方法能够根据具体的模型选择合适的边缘设备，并确定每台设备上适合部署的模型以及各种模型的并发量，从而充分发挥边缘异构的优势。
-
Patent Agency Ranking
公开(公告)号：CN114926486B
公开(公告)日：2023-02-07
申请号：CN202210520779.4
申请日：2022-05-12
Applicant: 哈尔滨工业大学人工智能研究院有限公司
IPC: G06T7/12
Abstract: 本发明公开了一种基于多层级改进的甲状腺超声图像智能分割方法，所述基于甲状腺超声诊查图像，对传统经由单一深度学习算法获得粗分割结果进行优化调整，提出一种多层级的改进方法对甲状腺分割结果进行精确分割。所述多层级改进方法首先通过初步边界提取和边界修复得到较精确的甲状腺边界环形区域，进而提出一种超像素辅助分割算法，将边界环形区域及其对应的超像素图像一同送入算法学习，以在数据样本不足的情况下向算法引入更多有助于分割信息，得到辅助分割结果。本发明能在甲状腺超声图像不充足的情况下提升甲状腺分割在精度、形状、面积估计上的效果，在临床中提供更可靠的辅助信息，具有重要的医学价值。
-
公开(公告)号：CN110287941B
公开(公告)日：2022-12-27
申请号：CN201910594481.6
申请日：2019-07-03
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764
Abstract: 本发明提出一种基于概念学习的透彻感知与动态理解方法，本发明以深度学习为基础的场景分析与信息挖掘是目前信息科学的前沿领域，已成功应用于各类场景的分割、分类及识别中，并取得了大量优秀成果；在特征提取的基础上，基于贝叶斯网络的静态推理已在图像诊断或理解中得到应用，这为自动提取场景多源多模态特征并在概念框架下进行推理提供了可行性。在此基础上，同时基于机器人协同动态推理与感知耦合，可有效解决大空间复杂场景的动态感知与深度理解问题，在准确性方面远高于使用单一深度神经网络及静态推理的性能。
-
公开(公告)号：CN115456178A
公开(公告)日：2022-12-09
申请号：CN202211074758.0
申请日：2022-09-02
Applicant: 哈尔滨工业大学
IPC: G06N5/04 , G06N3/04 , G06N3/08 , G06F16/901
Abstract: 本发明提供了一种基于分层强化学习的因果发现方法、装置、介质及设备，所述方法包括：基于强化学习方法，构建高层和低层策略网络；按照预设步长运行高层策略网络，对变量进行处理，生成无向图，并获取外部奖励；根据当前无向图以及无向图的历史记录，获取好奇心奖励；根据好奇心奖励和外部奖励，获取增强奖励；通过低层策略网络确定高层策略网络生成的无向图的因果方向，生成有向无环图，并获取内部奖励；根据内部奖励和增强奖励，训练低层策略网络和高层策略网络。本发明提供的基于分层强化学习的因果发现方法能够在条件独立性解空间中搜索到最优的有向无环图，避免由于分解因果发现的两个子任务而导致的错误积累，且避免重复探索相同的状态。
-
公开(公告)号：CN114900384A
公开(公告)日：2022-08-12
申请号：CN202210373572.9
申请日：2022-04-11
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种跨平台的物联网与智能设备的通信系统及其通信方法。本发明涉及物联网智能家居技术领域，本发明系统包括：智能音箱、家居设备、云平台、网关和web服务器；用户通过智能音箱控制家居设备，智能音箱通过无线网络将音频数据上传至云平台，云平台通过音频转文字解析用户意图，并将解析得到的参数传输至web服务器；家居设备对网关发起请求连接，网关将家居设备消息解析并发送至web服务器。本发明解决由于商用物联网定义的强封闭协议带来的两个平台之间数据难于进行交互的问题，通过实现一个能用且易用的跨平台智能家居联动服务的方式，降低信息共享的门槛，使消费者无需购买功能重复的不同云平台的系统。
-
公开(公告)号：CN112183315A
公开(公告)日：2021-01-05
申请号：CN202011030408.5
申请日：2020-09-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种动作识别模型训练方法和动作识别方法及装置。训练方法包括：获取预设动作节点集合中的所有节点的节点数据；根据所述节点数据，计算所述节点集合中所有节点的连接边集合和每条连接边的边数据；根据所述节点数据和所述连接边的边数据，构建动作数据的图结构；以所述动作数据的图结构作为模型输入，表情识别分类结果作为模型输出，对预设的图卷积神经网络表情识别模型进行有监督训练；其中，以所述动作数据的图结构中的所述连接边的边数据作为模型输入。基于图结构来记录和计算动作数据，进一步提升了参与深度学习的有效数据量，可以获得更好的识别精度，且减少对样本数据精确度的依赖。
-
-
-
-
-
-
-
-
-
Search Results
112
records
(took 0.049 seconds)
