-
公开(公告)号：CN109902657B
公开(公告)日：2022-07-08
申请号：CN201910184203.3
申请日：2019-03-12
Applicant: 哈尔滨理工大学
IPC: G06V40/16 , G06V10/772 , G06V10/764 , G06K9/62
Abstract: 本发明为一种基于分块协同表示的人脸识别方法。在实际应用中，人脸图像的信息缺失（如像素信息缺失、腐蚀块和遮挡）会影响图像的像素值，从而影响人脸识别的效果。本发明先将人脸图像库中的图像分为训练集和测试集，并寻找最佳分块方式对其图像进行分块处理，将训练样本分块后的图像构造子块字典；然后采用子块的协同表示(Cooperative representation，CR)将由人脸图像信息缺失所产生的误差与原图像分离，可有效降低缺失信息图像人脸识别结果的影响；再然后对各子块获得的稀疏稀疏进行分类；最后基于最大投票准则获取最终识别结果，可有效降低由于一个或多个子块特征求得的最小系数误差较大所导致的无效分类对整张图像识别结果产生的影响，提高识别率。
-
公开(公告)号：CN112101467A
公开(公告)日：2020-12-18
申请号：CN202010981310.1
申请日：2020-09-17
Applicant: 哈尔滨理工大学
Abstract: 一种基于深度学习的高光谱图像分类方法，属于高光谱图像分类技术领域。本发明所要解决的问题是深度学习时缺少训练样本，许多卷积神经网络的方法不能得到很好的训练从而造成过拟合现象的问题。包括S1.提取高光谱图像块，将高光谱图像提取为带有标签的B*B*L的像素块；S2.将高光谱数据块按照mixup方法进行混合；S3.通过3DCNN对数据进行特征提取；S4.将提取的特征进行特征融合；S5.特征融合后的高光谱图像分类。S6.运用SENet网络提取光谱信息。本发明针对提高网络分类性能降低高光谱图像样本与维度之间的不平衡容易产生的休斯现象以及小样本训练深度网络产生的过拟合现象，通过使用特征融合的方法将提取到的光谱信息和空间信息融合后进行分类。
-
公开(公告)号：CN109902657A
公开(公告)日：2019-06-18
申请号：CN201910184203.3
申请日：2019-03-12
Applicant: 哈尔滨理工大学
Abstract: 本发明为一种基于分块协同表示的人脸识别方法。在实际应用中，人脸图像的信息缺失（如像素信息缺失、腐蚀块和遮挡）会影响图像的像素值，从而影响人脸识别的效果。本发明先将人脸图像库中的图像分为训练集和测试集，并寻找最佳分块方式对其图像进行分块处理，将训练样本分块后的图像构造子块字典；然后采用子块的协同表示(Cooperative representation，CR)将由人脸图像信息缺失所产生的误差与原图像分离，可有效降低缺失信息图像人脸识别结果的影响；再然后对各子块获得的稀疏稀疏进行分类；最后基于最大投票准则获取最终识别结果，可有效降低由于一个或多个子块特征求得的最小系数误差较大所导致的无效分类对整张图像识别结果产生的影响，提高识别率。
-
公开(公告)号：CN209746025U
公开(公告)日：2019-12-06
申请号：CN201920274502.1
申请日：2019-03-05
Applicant: 哈尔滨理工大学
Abstract: 本实用新型公开一种基于双光纤光栅的电流测量系统，包括光源、分束器、第一光环形器、第二光环形器、光纤光栅解调仪、上位机、等强度悬臂梁、永磁铁、螺线管、FBG1和FBG2。所述光源的输出端口与光分束器的输入端口连接，所述光分束器的输出端口的一个分支与第一光环形器的第一端口连接，另一个分支与第二光环形器的第一端口连接，第一光环形器的第二端口与FBG1连接，第三端口与光纤光栅解调仪的入端口连接，第二光环形器的第二端口与FBG2连接，第三端口与光纤光栅解调仪的输入端链接，光纤光栅解调仪的输出端与上位机的输入端连接。本实用新型的光路结构简单、操作方便，测量精度高，同时，差动式的解调方式避免了温度的影响。(ESM)同样的发明创造已同日申请发明专利
-
-
-
Search Results
4
records
(took 0.014 seconds)
