-
公开(公告)号：CN107832667A
公开(公告)日：2018-03-23
申请号：CN201710938451.3
申请日：2017-10-11
Applicant: 哈尔滨理工大学
CPC classification number: G06N3/0454 , G06K9/00268 , G06K9/6218 , G06N3/08 , G06T7/11
Abstract: 本发明公开了一种基于深度学习的人脸识别方法，包括以下步骤：A、图像采集器采集人脸图像并存储至存储器中；B、特征提取模块提取人脸部特征并通过图像分割模块对人脸图像进行随机分割；C、分割后的图像发送至人脸数据库中通过匹配模块进行匹配，匹配局部图像块获得对应关键点的图像块对；D、对人脸图像进行训练，计算出训练集中的平均人脸图像，把人脸图像训练集中的每幅人脸图像减去平均人脸图像后进行网络参数的训练，得到卷积神经网络模型；E、利用深度卷积神经网络提取出分割图像的图像块对的特征向量；F、最后计算特征向量的分类器决策分，判断出分类器决策分最高的图像块对，即完成对人脸的识别，本发明能够快速的进行人脸识别，并且识别人脸结果更加精准。
-
公开(公告)号：CN109902572A
公开(公告)日：2019-06-18
申请号：CN201910065786.8
申请日：2019-01-24
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的车辆检测方法。传统车辆检测需要结合图像场景选择合适的特征，为此提出一种基于深度学习的车辆检测方法，此方法利用R-FCN算法进行车辆检测，避免了传统车辆检测中需要设计手工特征的问题，同时提高了准确性和鲁棒性。所述车辆检测方法包括以下步骤：A、定义车辆视觉任务；B、制作车辆检测数据集；C、确定共享卷积网络结构；D、采用随机深度的方法优化共享卷积网络；E、训练整体的R-FCN模型，得到最终的车辆检测网络。F、利用新样本对车辆检测网络测试，得到新样本的检测结果。
-
公开(公告)号：CN108108509A
公开(公告)日：2018-06-01
申请号：CN201711011527.4
申请日：2017-10-26
Applicant: 哈尔滨理工大学
Abstract: 本发明以研究微构件可靠无损操作的新方法为目标，对基于电化学理论的微构件拾取及释放的理论、方法和微电极制造等关键技术展开研究：首先分析利用管状微电极通过电化学沉积可靠拾取和通过电解无损准确释放微构件时需克服的微观作用力，建立拾取及释放时的受力模型；基于上述理论模型，对微构件的操作过程进行有限元分析，找出在无损条件下的最佳操作角度、操作点和最有利操作的微电极形状并进行微电极的制备；找出无析出时最快速度沉积的条件，获取沉积拾取及电解释放时电流与各参数之间的关系，得出高效无损操作的最佳拾取及释放时间。最后搭建电化学微操作平台，对以微Cu、Ag线为代表的微构件进行实验操作，修正和验证所提出的理论和方法。
-
公开(公告)号：CN108629279A
公开(公告)日：2018-10-09
申请号：CN201810257027.7
申请日：2018-03-27
Applicant: 哈尔滨理工大学
Abstract: 一种基于卷积神经网络的车辆目标检测的方法。传统车辆目标检测需要结合图像场景选择合适的特征。为此提出一种基于卷积神经网络的车辆目标检测的方法，此方法利用Faster R-CNN算法进行车辆目标检测，避免了传统车辆目标检测中需要设计手工特征的问题，同时提高了准确性和鲁棒性。所述车辆目标检测方法包括以下步骤：A、定义车辆视觉任务；B、制作车辆图像训练集；C、确定共享卷积网络结构；D、改进Faster R-CNN模型里的RPN网络结构；E、训练Faster R-CNN模型，得到最终的车辆检测模型。F、利用新样本对车辆目标检测模型测试，得到新样本的检测结果。
-
-
-
Search Results
4
records
(took 0.019 seconds)
