-
公开(公告)号：CN118397274B
公开(公告)日：2024-12-13
申请号：CN202410512249.4
申请日：2024-04-26
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/10
Abstract: 本发明公开了一种基于可变形卷积的图像分割方法，方法步骤包括：对原始图像进行预处理获得输入图像、由特征提取网络对输入图像进行逐层特征提取、由上采样网络通过结合各层的图像特征和语义信息来逐层恢复图像尺寸得到网络预测分割结果、根据网络预测分割结果与对应的真实分割结果的对比结果来对图像分割网络进行训练、对图像分割网络的分割效果进行评估和可视化展示。该图像分割方法设置有可变形的卷积核结构，可避免固定尺寸卷积核的感受野太小无法捕获大尺寸对象特征或感受野太大引入过多噪声和无效信息的问题，提高网络对于有效信息的提取能力，解决不同类型的图像对于网络分割效果产生影响的问题，从而提高分割性能。
-
公开(公告)号：CN118350984A
公开(公告)日：2024-07-16
申请号：CN202410608320.9
申请日：2024-05-16
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06T3/04 , G06N3/0455
Abstract: 本发明公开了一种基于多层次级联结构的图像风格迁移方法，步骤包括：将风格图和内容图输入到级联编码器中得到不同尺度的风格语义特征以及内容语义特征；对风格语义特征以及内容语义特征的每一尺度使用协方差变换网络进行特征融合，生成融合特征图；对融合特征图计算多级风格损失；对多级风格损失计算后的融合特征图计算多级内容损失；对计算损失后的融合特征图进行解码操作并作为下一级特征融合的内容图，经过级联的编解码器结构最终生成多层次风格迁移后的风格化图像。该图像风格迁移方法能够有效提升模型在不同风格特征迁移情况下对风格图的特征捕捉和迁移能力。
-
公开(公告)号：CN118887308B
公开(公告)日：2025-04-29
申请号：CN202410923814.6
申请日：2024-07-11
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06T11/00 , G06N3/0455 , G06N3/08 , G06F40/284 , G06F40/242
Abstract: 本发明公开了一种基于一致性模型的文生图方法，步骤包括：使用原始数据集来训练Tokenizer和变分自编码器；将Tokenizer和变分自编码器用于处理原始的图像和文本对，将图像和文本对转化为图像特征向量和文本特征向量对；构建文本条件生成的一致性模型并进行训练；由Tokenizer、随机采样高斯噪声、一致性模型以及变分自编码器的解码器构建推理模型，将待生成文本输入至Tokenizer，从变分自编码器的解码器处获得生成的图像。该文生图方法利用Tokenizer嵌入文本信息，利用变分自编码器压缩数据集，实现一步采样，且在训练过程中，只需训练单个条件采样器，节省了训练的时间。
-
公开(公告)号：CN116486230A
公开(公告)日：2023-07-25
申请号：CN202310433523.4
申请日：2023-04-21
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
Abstract: 本申请实施例公开了一种基于半递归特征金字塔结构的图像检测方法及存储介质，涉及深度学习图像检测技术领域，其中方法包括：通过图像采集设备获取实时图像；将实时图像输入到半递归特征金字塔的低语义层生成第一次低语义特征；将第一次低语义特征进行反馈特征选取操作，生成反馈特征；将反馈特征和实时图像再次输入到低语义层进行递归计算得到第二次低语义特征；将第一次低语义特征和第二次低语义特征分别输入到半递归特征金字塔的高语义层进行下采样，得到两次高语义特征；将第一次低语义、第二次低语义特征和两次高语义特征分别进行对应层的融合，生成用于预测的特征，利用自适应检测头进行多级预测，得到预测结果并进行可视化展示。
-
公开(公告)号：CN113761936B
公开(公告)日：2023-04-07
申请号：CN202110953670.5
申请日：2021-08-19
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06F40/30 , G06F16/35 , G06F40/117 , G06N3/047 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种基于多头自注意力机制的多任务篇章级事件抽取方法，包括如下步骤：将单一句子级事件抽取转换为打包句子集合的篇章级事件抽取；利用预训练的语言模型BERT模型进行词嵌入表示；对单句中所有单词嵌入和位置嵌入作为输入，利用卷积神经网络模型进行编码，结合分段最大池策略捕获句子内部的最有价值的特征；利用多头自注意力模型，获得融合全文语义信息的篇章表示和注意力权重；利用分类器得到预测的事件类型；利用事件类型作为先验信息，链接到事件元素提取的输入序列中，利用预训练模型结合机器阅读理解方法提取序列中所有相关元素。本发明可用于篇章级事件抽取任务，实现了将序列标注问题转换为机器阅读理解问题的突破。
-
Patent Agency Ranking
公开(公告)号：CN118212502B
公开(公告)日：2025-03-25
申请号：CN202410412263.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26 , G06V10/22 , G06V10/764 , G06V20/70 , G06N3/0455 , G06N3/096 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于图像焦点区域特征的多任务学习方法，方法步骤包括：收集原始图像获得输入图像；进行基础特征提取获得基础特征图像；利用分支结构生成视觉解释图；进行焦点区域的特征融合获得特征融合图像；利用单解码器进行特征压缩以及分割结果预测获得掩膜图；利用掩膜图进行区域选取获得掩膜特征图；将基础特征图像、视觉解释图和掩膜特征图进行叠加累乘生成预测结果。该多任务学习方法通过焦点区域的视觉解释图和掩膜图相结合的方式实现图像分类、分割及定位任务的多任务联合学习，解决了现阶段多任务学习领域中分类、分割、定位任务间出现负迁移的问题，实现多任务在语义层面的一致性，提高图像分类、分割及定位任务的效果。
-
公开(公告)号：CN118887308A
公开(公告)日：2024-11-01
申请号：CN202410923814.6
申请日：2024-07-11
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06T11/00 , G06N3/0455 , G06N3/08 , G06F40/284 , G06F40/242
Abstract: 本发明公开了一种基于一致性模型的文生图方法，步骤包括：使用原始数据集来训练Tokenizer和变分自编码器；将Tokenizer和变分自编码器用于处理原始的图像和文本对，将图像和文本对转化为图像特征向量和文本特征向量对；构建文本条件生成的一致性模型并进行训练；由Tokenizer、随机采样高斯噪声、一致性模型以及变分自编码器的解码器构建推理模型，将待生成文本输入至Tokenizer，从变分自编码器的解码器处获得生成的图像。该文生图方法利用Tokenizer嵌入文本信息，利用变分自编码器压缩数据集，实现一步采样，且在训练过程中，只需训练单个条件采样器，节省了训练的时间。
-
公开(公告)号：CN116958554A
公开(公告)日：2023-10-27
申请号：CN202310959223.X
申请日：2023-08-01
Applicant: 长江时代通信股份有限公司 , 哈尔滨工业大学(威海)
IPC: G06V10/26 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开一种基于潜在扩散模型和多级上下文交叉一致性的半监督分割方法，该方法包括两个阶段，图像生成阶段和半监督学习阶段。在图像生成阶段包括如下步骤：首先将图像输入到变分自动编码器的编码器中生成潜在空间编码，将对应图像的潜在空间编码输入到潜在扩散模型中，其次利用去噪自动编码器对加噪后的潜在空间编码计算去噪拟合损失以学习去噪分布，最后利用潜在扩散模型随机生成高斯噪声并进行去噪估计以生成潜在空间编码，将潜在空间编码通过变分自动解码器生成像素级图像。为了利用图像生成阶段生成的大量有价值合成无标记样本，半监督学习阶段包括如下步骤：首先将有标记图像和无标记合成图像样本输入到编码器以提取高级语义特征，其次引入多个辅助解码器，对辅助解码器和主解码器的输入特征提取不同等级的全局上下文信息，并对辅助解码器的输入特征额外施加噪声扰动，最后通过保持主解码器和辅助解码器之间输出结果的一致性来学习生成的未标记样本。发明可以用于任何利用合成图像进行半监督学习的任务。
-
公开(公告)号：CN116402996A
公开(公告)日：2023-07-07
申请号：CN202310289173.9
申请日：2023-03-20
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种图像分割方法、装置、存储介质及电子装置。该方法包括接收待分割图像；采用第一编码器对所述待分割图像进行多级编码，得到多级语义特征；采用第二编码器对高级语义特征图进行混合编码，得到全局上下文特征；采用解码器基于多尺度注意力门，构建全局上下文特征和多级语义特征的跳跃连接；对跳跃连接后的特征进行重建以细粒度地实现图像分割。在使用较少数据集和算力的情况下获取全局上下文，且抑制输入图像中于分割目标无关的区域，同时突出对分割目标有用的显著特征，能够有效提升分割性能。本申请解决了由于需要大量数据集和算力以获取全局上下文，且跳跃连接时无法传递有价值的显著特征造成的分割性能差的技术问题。
-
公开(公告)号：CN118397274A
公开(公告)日：2024-07-26
申请号：CN202410512249.4
申请日：2024-04-26
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/10
Abstract: 本发明公开了一种基于可变形卷积的图像分割方法，方法步骤包括：对原始图像进行预处理获得输入图像、由特征提取网络对输入图像进行逐层特征提取、由上采样网络通过结合各层的图像特征和语义信息来逐层恢复图像尺寸得到网络预测分割结果、根据网络预测分割结果与对应的真实分割结果的对比结果来对图像分割网络进行训练、对图像分割网络的分割效果进行评估和可视化展示。该图像分割方法设置有可变形的卷积核结构，可避免固定尺寸卷积核的感受野太小无法捕获大尺寸对象特征或感受野太大引入过多噪声和无效信息的问题，提高网络对于有效信息的提取能力，解决不同类型的图像对于网络分割效果产生影响的问题，从而提高分割性能。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.033 seconds)
