-
公开(公告)号：CN115565005A
公开(公告)日：2023-01-03
申请号：CN202211235864.2
申请日：2022-10-10
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于渐进式多元化域迁移的弱监督实时目标检测方法，致力于解决弱监督条件下的跨域目标检测问题。该方法提出一种两阶段渐进式域迁移框架和一种与该框架相匹配的实时目标检测器，使用中间域弥合域差距，将困难的任务分解为两个更容易且差距更小的子任务。首先，通过域移位器使标注数据的分布多样化，将源域图像转化为多元化的中间域图像，然后将中间域作为监督的源域，并结合目标域中的图像级标签生成伪标注图像样本。采用50层残差网络单元的堆栈并额外叠加3个卷积模块构成基础网络，并将特征金字塔网络以自上而下、自下而上的路径以及横向连接深度融合，同时采用广义交并比作为位置损失函数，以此构建实时目标检测器。通过中间域和伪标注的人工生成图像样本对目标检测模型逐步调整以解决域迁移过程中图像翻译偏差性及特征级适应的源偏判别性等问题，在弱监督条件下提升了检测准确率并保证了实时性。
-
公开(公告)号：CN110825786A
公开(公告)日：2020-02-21
申请号：CN201911073607.1
申请日：2019-11-06
Applicant: 哈尔滨理工大学
IPC: G06F16/2458
Abstract: 本发明提出了一种基于Spark的大数据关联规则挖掘方法。该方法采用Spark运行框架，通过读取用户给定的数据集地址读取数据集并转换成垂直数据库，对转换后的垂直数据库进行读取并过滤得到频繁1-项集。对频繁1-项集求交集得到频繁2-项集，整个过程使用位图存放TidSet来加快求交集的效率。将频繁2-项集使用前缀划分原则得到频繁K-项集。数据预处理和前缀划分原则这两种方法使本发明运行效率更快，对于大型数据集也可以有很好的运行效率。
-
公开(公告)号：CN113674117A
公开(公告)日：2021-11-19
申请号：CN202110800612.9
申请日：2021-07-15
Applicant: 哈尔滨理工大学
Abstract: 一种掌上智慧医院装置，涉及医疗信息化领域。传统门诊就医流程一直以现场挂号候诊检查收费为主要形式，存在排队时间长，预约时间长，患者体验差等各种顽疾。本发明提供了一种装置，包括给用户建立个人档案的注册建档模块；用户存入预交费用的预交金充值模块；用户挂号和预约门诊的预约挂号取号模块；用户缴纳问诊费用的门诊结算模块；用户自主查询信息的综合查询模块；根据用户实际情况提供相应药物信息的智慧开药模块；用于只需要一部手机，就可以实现预约挂号、报告查询、费用查询、在线支付等功能，让用户免去排队困扰，享受更优质、便捷、高效和人性化的服务，同时也改善医院环境，改善用户就诊体验。可应用在医院、银行或车管所等现场。
-
公开(公告)号：CN110689021A
公开(公告)日：2020-01-14
申请号：CN201910985552.5
申请日：2019-10-17
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于深度学习的低可见度的实时目标检测方法，通过引导滤波来解决受烟尘、水雾、光影影响较大的低可见度环境下的目标检测问题。采用SSD目标检测模型对帧图片进行处理，找出目标区域坐标，充分利用SSD目标检测模型的准确性优势。引入引导滤波，与SSD目标检测模型融合，解决低可见度环境下的影响因素，在受环境因素影响的场景中，使用引导滤波去进行图像增强、去雾等操作，处理后图像更清晰，分辨率更高，图像经处理后，产生目标位置坐标，传入下层网络GoogleNet进行准确性验证，利用GoogleNet网络的效率性，在不降低速度的情况下，提高检测精度。本发明能够在低可见度环境对目标进行准确识别，并且具有一定的可靠性，识别的精度更高。
-
公开(公告)号：CN110515735A
公开(公告)日：2019-11-29
申请号：CN201910807351.6
申请日：2019-08-29
Applicant: 哈尔滨理工大学
IPC: G06F9/50
Abstract: 本发明提供了一种基于改进Q学习算法的多目标云资源调度方法。该方法通过Agent与环境进行不断交互，学习得到最优策略。本发明通过Cloudsim云计算仿真平台，随机生成不同任务和虚拟机，以同时优化任务的完成时间和运行成本为优化目标，设计一种基于改进Q学习算法的多目标云资源调度方法，采用自动更新权重因子的启发式动作选择策略加快Q学习算法的收敛速度，同时提高算法的寻优能力，以提高云资源的利用率，提高用户满意度，降低运营商成本。
-
Patent Agency Ranking
公开(公告)号：CN112580664A
公开(公告)日：2021-03-30
申请号：CN202011468851.0
申请日：2020-12-15
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于SSD的小目标检测方法，通过多尺度特征融合、学习具有大感受野的高分辨率特征、引入注意力机制等特征增强的方式丰富小目标的特征信息，提高小目标的特征质量，通过Anchor‑object匹配策略联合分类与定位的置信度去学习Anchor，解决每个被分配的Anchor独立的监督网络学习以进行分类与定位与分类与定位之间没有交互的问题，来提升小目标的检测精度以及定位精度，此外，数据集样本的多样性能够有效的提升模型对小目标检测的精度和泛化能力，所以本发明在数据样本的采集上，参考了不同光照、不同姿态及遮挡程度等众多影响因素。
-
公开(公告)号：CN110599068A
公开(公告)日：2019-12-20
申请号：CN201910931052.3
申请日：2019-09-29
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种将改进的粒子群算法应用到云计算资源调度问题的方法，通过迭代来寻找最优的解决方案。采用Cloudsim仿真平台对资源调度所需要的任务和虚拟机进行随机生成；模拟云资源调度的过程，将粒子群算法与云资源调度问题相结合；转换云资源调度的问题模型，使本发明能够更符合实际情况；对使用的粒子群算法进行优化，主要是通过对粒子群的重新随机化，使得粒子提出局部最优，通过改变惯性权重，使得粒子搜索能力增强，使用正交初始化，使得粒子的搜索效率更高；根据每一次的迭代结果，使粒子根据全局最优和个体最优进行迭代更新，寻找更优的解；对调度的结果进行评价，最后获得最优解。本发明能够对云资源进行更好的调度，并且具有一定的可靠性，搜索最优解的能力更强。
-
公开(公告)号：CN117593790A
公开(公告)日：2024-02-23
申请号：CN202311547061.5
申请日：2023-11-20
Applicant: 哈尔滨理工大学
Abstract: 一种基于膨胀注意力机制的段级多尺度动作分割方法，涉及动作分割技术领域。本发明是为了解决现有动作分割方法分割准确率低的问题。本发明包括：获取待分割视频，并将待分割视频输入到预训练好的I3D模型中，获得待分割视频的帧级特征集合；将帧级特征输入到主干网络中，获得每一个帧级特征的类标签集合；将帧级特征按照类标签划分为N1个段落，并将N1个段落输入到动作分割模型中，获得分割出的视频片段；动作分割模型由多注意力编码器和多尺度级膨胀Transformer细化器组成；最后，对分割出的视频片段进行边界回归，获得最终分割出的动作片段。本发明用于视频动作分割。
-
公开(公告)号：CN116894060A
公开(公告)日：2023-10-17
申请号：CN202310343615.3
申请日：2023-03-31
Applicant: 哈尔滨理工大学
IPC: G06F16/2458
Abstract: 本发明提出了一种高效用项集并行挖掘算法。该算法在实现过程中利用可更新的效用表完成对项集事务加权效用的计算，使用事务项效用表和事务序号效用表来获取效用计算过程中所需的事务序号和事务效用，完成高效用项集的计算。通过数据预处理将水平形式的数据集转换为垂直形式的数据集，存储至效用表中，完成事务项的事务加权效用的计算，筛选得到高效用频繁1‑项集。对高效用频繁1‑项集进行求交集操作，得到候选2‑项集，根据计算后的事务加权效用和最小效用阈值筛选得到高效用频繁2‑项集。在高效用频繁k(k>2)‑项集的计算过程中，先获得候选k‑项集，结合效用表计算并筛选得到高效用频繁k‑项集。
-
公开(公告)号：CN115170803A
公开(公告)日：2022-10-11
申请号：CN202210858451.3
申请日：2022-07-20
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于E‑SOLO的城市街景实例分割方法；针对城市街景环境中存在的小目标分割问题，使用ECA‑PSConv模块对特征进行处理，该模块能够在增强有效特征的同时抑制无用特征，降低算法编‑解码过程造成的特征映射损失，同时可以对不同尺度的特征进行提取，提高检测分割精度；针对城市街景环境中存在的实例遮挡问题，使用MAE模块进行数据增强处理，增强后的训练图像在尽量避免因添加噪声所带来的负面影响的同时更贴近真实的源数据分布以提高数据集的表征能力；本发明较好的解决了城市街景环境下存在的车辆行人流动及摄像头距离较远等因素导致的实例目标较小和实例遮挡两个问题，提升了对小目标实例和遮挡实例的检测分割精度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.018 seconds)
