-
公开(公告)号：CN116363415A
公开(公告)日：2023-06-30
申请号：CN202310176499.0
申请日：2023-02-28
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于自适应特征层融合的船舶目标检测方法，采用YOLOv4检测模型进行目标检测，模型包括特征提取主干网络、特征融合增强网络以及输出检测网络；特征融合增强网络采用ASFF网络结构进行不同尺寸的特征图的融合；包括：将待检测图像输入检测模型，并通过特征提取主干网络进行特征提取，得到三个不同尺度的特征；将三个不同尺度的特征图输入特征融合网络的ASFF网络结构进行自适应融合，ASFF网络结构自适应调整各尺度特征在融合时的空间权重；将三个不同尺度的经过融合后的特征图分别送入对应的输出检测网络。本发明使不同特征图之间有效信息的充分利用，增强算法模型有效特征提取能力，提升检测模型检测精度。
-
公开(公告)号：CN118506060A
公开(公告)日：2024-08-16
申请号：CN202410552776.8
申请日：2024-05-07
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/52 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种基于多尺度建模和上下文表示的小样本图像分类方法，本发明涉及图像分类处理技术领域，所述基于多尺度建模的上下文表示的小样本图像分类方法具体步骤如下：S10、根据声纳数据集的类别，收集并构建相应类别的光学图像作为数据域领域知识，本发明的优点在于：通过将三种不同尺度的表示特征实现逐层尺度间特征融合，使该小样本图像分类方法相较于传统的图像分类方法，能够有效的提高识别准确率和效率，节约人力成本，通过使模型从数据视角引入光学图像作为领域知识，能够快速有效的补充水下样本的信息量，通过在模型上设计了多尺度模型结构来充分提取信息，在样本维度进行信息传递，提高模型的特征提取能力。
-
Patent Agency Ranking
公开(公告)号：CN117294797B
公开(公告)日：2024-07-02
申请号：CN202311290130.9
申请日：2023-10-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息提取系统技术领域，具体的说是一种合同管理的信息提取系统及方法，其中信息提取系统包括包括扫描模块、合同整理模块、合同跟踪模块；所述扫描模块包括扫描仪；伸缩杆缩回，带动一号盒和牵引轴向远离放纸盒方向移动，使得牵引轴拖动纸质合同离开放纸盒，并移动到仪器底座端面上，直至牵引轴移动至初始位置，此时纸质合同位于扫描组件的正下方，扫描组件对纸质合同进行扫描，并将其转化为数据传输至合同整理模块内，重复此操作将纸质合同全部扫描，不需要工作人员额外参与，完成自动化扫描，提高纸质合同的扫描效率，从而提高信息提取系统使用的便捷程度。
-
公开(公告)号：CN117294797A
公开(公告)日：2023-12-26
申请号：CN202311290130.9
申请日：2023-10-07
Applicant: 哈尔滨工程大学
Abstract: 本发明属于信息提取系统技术领域，具体的说是一种合同管理的信息提取系统及方法，其中信息提取系统包括包括扫描模块、合同整理模块、合同跟踪模块；所述扫描模块包括扫描仪；伸缩杆缩回，带动一号盒和牵引轴向远离放纸盒方向移动，使得牵引轴拖动纸质合同离开放纸盒，并移动到仪器底座端面上，直至牵引轴移动至初始位置，此时纸质合同位于扫描组件的正下方，扫描组件对纸质合同进行扫描，并将其转化为数据传输至合同整理模块内，重复此操作将纸质合同全部扫描，不需要工作人员额外参与，完成自动化扫描，提高纸质合同的扫描效率，从而提高信息提取系统使用的便捷程度。
-
公开(公告)号：CN118351429A
公开(公告)日：2024-07-16
申请号：CN202410521780.8
申请日：2024-04-28
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于领域知识的水下小样本图像分类方法，本发明涉及图像分类技术领域，步骤一、构建语义矩阵；步骤二、对数据进行预处理；步骤三、零样本模型分类，在语义解耦的广义零样本模型基础上；步骤四、采用了较为常见的卷积神经网络模型作为小样本基础分类模型；步骤五、通过模型集成获得最终分类结果，可以替换成传统的多数投票为基础的集成方案，本发明的优点在于：通过最终的分类目标是利用六个辅助类别的图像和语义信息、三个目标类别的小样本图像信息和语义信息，使得最终集成模型在分类准确率上优于基础的小样本分类模型，方便将专家领域知识直接应用于分类模型中，为提高模型性能提供支撑。
-
公开(公告)号：CN117649571A
公开(公告)日：2024-03-05
申请号：CN202311362610.1
申请日：2023-10-19
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/77 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/05 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于图结构标签标定技术领域，具体的说是基于流形学习的图结构标签标定UEGNN方法；所述图结构标签标定UEGNN方法步骤包括：第一步：数据预处理；收集水下图像数据，对图像大小进行统一，使用阈值分割算法对图像进行背景与目标物的分割；针对水下高维性图像，采用流形学习算法中UMAP模型，以识别图像高维空间中的关键结构并将它们保存在低维嵌入中，并且提出的半监督UMAP在训练时加入有标签数据的标签约束，相较于UMAP模型可以更快地推断新的未见数据；从而实现适用于高维性无标签数据的小样本半监督学习技术，并且提出基于流形学习的图结构标签标定算法，根据高维数据特征映射构造图中的度量关系，完成无标签数据的标记。
-
公开(公告)号：CN117371839A
公开(公告)日：2024-01-09
申请号：CN202311290023.6
申请日：2023-10-07
Applicant: 哈尔滨工程大学
IPC: G06Q10/0639 , G06Q50/26 , G06F17/10
Abstract: 本发明公开了一种中国省域经济竞争力的综合评价方法，涉及省域经济竞争力评价技术领域，包括生成综合评价系统，构建权重指标模型，本发明通过设置权重指标模型生成模块、权重系数管理模块、排列模块和综合对比模块，生成综合评价系统，构建权重指标模型，根据国家的经济战略确定权重指标模型内部的各评价指标的权重系数，通过计算不同权重系数下的每一个评价指标，对各省的指标数据进行综合排列，以可视化的方式及其效果展现不同省份的经济竞争力水平所处的位置，还可以对经济竞争力处于不同水平的省域提供经济竞争力提升路径的可行性建议，有助于通过互联网云管控实现综合评价管理，提高综合评价管理的智能化水平。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
