-
公开(公告)号:CN115082786B
公开(公告)日:2025-04-11
申请号:CN202210638311.5
申请日:2022-06-07
Applicant: 哈尔滨理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种少量标记条件下的遥感图像目标检测方法,属于遥感图像智能处理技术领域,该方法以一阶段检测框架为基础结构,使用具有残差结构的卷积神经网络作为特征提取网络,并通过特征金字塔网络获取多尺寸特征图,充分利用特征信息;使用旋转边界框作为检测器输出,可以在鸟瞰图像上准确划分前景背景;此外,使用模型无关的元学习方法MAML对区域推荐网络进行元知识更新,推荐每个特征点位置可能包含目标的锚框;检测网络以推荐出的锚框为基准计算检测结果;经过元知识更新步骤,区域推荐网络学习到了同分布检测任务的先验知识,所以网络经过未见类小样本微调,即可得出准确的未见类目标检测结果。
-
公开(公告)号:CN115082786A
公开(公告)日:2022-09-20
申请号:CN202210638311.5
申请日:2022-06-07
Applicant: 哈尔滨理工大学
IPC: G06V20/10 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 一种少量标记条件下的遥感图像目标检测方法,属于遥感图像智能处理技术领域,该方法以一阶段检测框架为基础结构,使用具有残差结构的卷积神经网络作为特征提取网络,并通过特征金字塔网络获取多尺寸特征图,充分利用特征信息;使用旋转边界框作为检测器输出,可以在鸟瞰图像上准确划分前景背景;此外,使用模型无关的元学习方法MAML对区域推荐网络进行元知识更新,推荐每个特征点位置可能包含目标的锚框;检测网络以推荐出的锚框为基准计算检测结果;经过元知识更新步骤,区域推荐网络学习到了同分布检测任务的先验知识,所以网络经过未见类小样本微调,即可得出准确的未见类目标检测结果。
-
公开(公告)号:CN114973370A
公开(公告)日:2022-08-30
申请号:CN202210595130.9
申请日:2022-05-29
Applicant: 哈尔滨理工大学
IPC: G06V40/16 , G06V10/762 , G06F17/16
Abstract: 本发明的实施方式提供了一种不完整特征描述的人脸图像聚类方法,属于多视角谱聚类技术领域。该方法包括:将人脸图像的不完整描述特征在核空间实施多视角补全,在局部视角之间相互补全的基础上,考虑联合鲁棒表示特征的生成进行优化;通过在核空间学习人脸图像的鲁棒表示特征,并利用其学习完整的子空间表示;通过引入定制的剪裁张量低秩约束来进行多视角融合,从全局角度学习不同视图子空间表示的张量低秩结构,在捕获视角高阶相关性的同时保持其各异性专属信息。本发明的上述技术克服了现有技术的不足,有效提高人脸图像聚类的准确度。
-
公开(公告)号:CN113408614A
公开(公告)日:2021-09-17
申请号:CN202110676387.2
申请日:2021-06-18
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种多核低冗余表示学习的多视图子空间聚类方法,属于多视图聚类技术领域。该方法包括:通过将最小二乘回归算法扩展到遵循多视图子空间聚类算法的框架中,得到关于多视图的最小二乘回归算法的目标函数;通过用低冗余数据表示来替代原始数据作为目标函数的输入,解决了原始数据包含大量冗余信息会对聚类效果产生影响的问题;通过构建3阶张量,以探索不同视图之间的高阶相关性,同时还保留了不同视图之间的差异性。本发明的上述技术克服了现有技术的不足。
-
公开(公告)号:CN113312838B
公开(公告)日:2022-08-23
申请号:CN202110562269.9
申请日:2021-05-24
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06K9/62 , G06V10/74 , G06V10/762 , G06N20/00 , G06F111/10
Abstract: 本发明的实施方式提供了一种基于数据重建的可靠多视图学习方法及装置,属于图像聚类技术领域,本发明引入低秩自表示来构建一个数据重建模型,以此弥补噪声对数据真实结构的破坏;为了更好的探索不同视图间的二维相似性,采用低秩张量来捕获相似性图间的高阶相关性;开发了一种联合嵌入式框架,将数据重构模型,相似性图学习及低秩张量模型放入该框架中,促进本发明的自适应性和鲁棒性;此外,设计了一种有效的数值函数求解方法来获取耦合在目标函数中的变量的最优值;与现有的优秀的方法相比,本发明的精确度更高,性能更加稳健。
-
公开(公告)号:CN112183667B
公开(公告)日:2022-06-14
申请号:CN202011199000.0
申请日:2020-10-31
Applicant: 哈尔滨理工大学
IPC: G06V10/774 , G06V10/26 , G06V10/44 , G06V10/762 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06N20/20
Abstract: 一种协同深度学习的绝缘子故障检测方法,属于绝缘子故障检测技术领域,用以解决由于航拍图像中绝缘子背景复杂导致绝缘子故障区域的定位及检测精度受到影响的问题。本发明的技术要点在于,以跳跃结构构建FCN‑8s模型,基于FCN算法完成绝缘子图像分割,有效完成了滤除背景的目的;使用随机性更小的K‑means++聚类算法对绝缘子数据集聚类分析,优化YOLOv3算法的初始锚点框参数,进一步提高目标检测模型的定位及检测精度;本发明构建协同FCN和YOLOv3算法的绝缘子故障检测模型,经实验对比,相比于原始YOLOv3算法有效降低了误检与漏检概率,所对比的各项评价指标均有显著提升,有助于工程上综合安全性和经济性的因素考虑做出合理应对。
-
公开(公告)号:CN113312838A
公开(公告)日:2021-08-27
申请号:CN202110562269.9
申请日:2021-05-24
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F111/10
Abstract: 本发明的实施方式提供了一种基于数据重建的可靠多视图学习方法及装置,属于图像聚类技术领域,本发明引入低秩自表示来构建一个数据重建模型,以此弥补噪声对数据真实结构的破坏;为了更好的探索不同视图间的二维相似性,采用低秩张量来捕获相似性图间的高阶相关性;开发了一种联合嵌入式框架,将数据重构模型,相似性图学习及低秩张量模型放入该框架中,促进本发明的自适应性和鲁棒性;此外,设计了一种有效的数值函数求解方法来获取耦合在目标函数中的变量的最优值;与现有的优秀的方法相比,本发明的精确度更高,性能更加稳健。
-
公开(公告)号:CN112183667A
公开(公告)日:2021-01-05
申请号:CN202011199000.0
申请日:2020-10-31
Applicant: 哈尔滨理工大学
Abstract: 一种协同深度学习的绝缘子故障检测方法,属于绝缘子故障检测技术领域,用以解决由于航拍图像中绝缘子背景复杂导致绝缘子故障区域的定位及检测精度受到影响的问题。本发明的技术要点在于,以跳跃结构构建FCN‑8s模型,基于FCN算法完成绝缘子图像分割,有效完成了滤除背景的目的;使用随机性更小的K‑means++聚类算法对绝缘子数据集聚类分析,优化YOLOv3算法的初始锚点框参数,进一步提高目标检测模型的定位及检测精度;本发明构建协同FCN和YOLOv3算法的绝缘子故障检测模型,经实验对比,相比于原始YOLOv3算法有效降低了误检与漏检概率,所对比的各项评价指标均有显著提升,有助于工程上综合安全性和经济性的因素考虑做出合理应对。
-
公开(公告)号:CN209608665U
公开(公告)日:2019-11-08
申请号:CN201920665134.3
申请日:2019-05-10
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种十二维六次混沌信号发生器,属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在的密钥空间小、易受有限精度的影响、抗攻击能力差等问题。该电路包括十二个通道电路:每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。可应用于保密通信、信息加密等领域,该高维混沌系统所产生的混沌序列具有较大的密钥空间,更加难以预测,复杂度更高,在抗穷举攻击方面具有明显的优势。
-
公开(公告)号:CN209462389U
公开(公告)日:2019-10-01
申请号:CN201920638825.4
申请日:2019-05-05
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 一种带有五次项的十二维混沌模拟电路,属于混沌信号发生器设计技术领域。解决现有低维混沌系统一般存在密钥空间小、系统参数少、安全性低等问题。该电路包括十二个通道电路:每一个通道电路均由乘法器、反相加法比例运算器、反相积分器、反相器以及电阻、电容组成。可应用于保密通信、图像数据加密等领域,多个信号通道使系统能够产生更为复杂的动态特性,具有非常强的随机性和不可预测性,系统密钥空间更大,具有较强的抗干扰能力,可大大提高通信系统的安全性和保密效果。
-
-
-
-
-
-
-
-
-