-
公开(公告)号：CN118334340A
公开(公告)日：2024-07-12
申请号：CN202410500973.5
申请日：2024-04-24
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/70 , G06V10/82 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/048
Abstract: 本发明公开一种上下文强化的全分辨率平面布局图分割方法，具体涉及到图像处理和深度学习技术领域。首先基于改进的U形编码器‑解码器结构设计语义分割模型，采用串联残差块设计，旨在扩展全分辨率感知能力，同时维持网络架构的紧凑性；其次，引入分层特征融合模块，有效地合并残差块生成的特征与相邻阶段的上采样与下采样特征，以增强特征的综合表现力；再次，在网络最后一层加入位置注意力模块，用于深入挖掘类别间的上下文依赖关系；最后，在解码阶段设计了一个二维深度监督模块用于集成全分辨率信息以及多尺度上下文信息，提升了平面布局图边界元素的语义分割精度。本发明能够实现对平面布局图边界元素的高精度和高效率语义分割。
-
公开(公告)号：CN119131261A
公开(公告)日：2024-12-13
申请号：CN202411265868.4
申请日：2024-09-10
Applicant: 哈尔滨工业大学
IPC: G06T17/00 , G06T17/05 , G06V10/26 , G06T15/00 , G06V10/44 , G06V10/82 , G06V10/764 , G06N3/0464 , G06T19/20
Abstract: 一种面向复杂室内场景的语义‑高程图构建方法涉及高程图构建领域。首先，使用深度相机采集周围环境的图像信息，通过YOLACT语义分割网络，生成语义分割掩码；其次，利用相机内外参数，通过坐标变换对齐深度相机点云数据与图像数据；再次，根据语义分割掩码，将点云RGB值修改为对应的类别颜色，得到通过颜色编码表示语义信息的点云；最后利用语义点云中每个点的三维坐标计算其相对于相机平面的高度并生成高程图，根据点云的RGB值为高程图引入具体的语义信息，构建语义‑高程图。本发明解决了面对复杂室内环境时，由于语义信息缺失导致难以进行有效的导航决策和规划的问题，为基于高程图的导航方法提供了更安全、更准确的解决方案。
-
公开(公告)号：CN100485418C
公开(公告)日：2009-05-06
申请号：CN200610151178.1
申请日：2006-12-21
Applicant: 哈尔滨工业大学
Abstract: 机器人的三角形阵列红外传感器，它涉及一种传感器装置，它为了解决已有机器人中红外线发射管和红外线接收管的数量多，成本高，信号处理运算量大，而且使得系统速度和可靠性降低的问题，而提出一种机器人的三角形阵列红外传感器。它由红外线发射管(1)和红外线接收管(2)组成；覆盖在一个平面内的每相邻的三个红外线发射管(1)按照三角形三个顶点的结构排列，三个相邻且排列为三角形的红外线发射管(1)的中间区域内设置有一个红外线接收管(2)。它采用三角形排列结构，相对于矩形排列结构，三角形排列结构可以减少所用发射管的数量。这对于大规模应用非常重要，可以降低成本，减少信号处理的运算量，提高系统速度，提高系统可靠性。
-
Patent Agency Ranking
公开(公告)号：CN1996052A
公开(公告)日：2007-07-11
申请号：CN200610151178.1
申请日：2006-12-21
Applicant: 哈尔滨工业大学
Abstract: 机器人的三角形阵列红外传感器，它涉及一种传感器装置，它为了解决已有机器人中红外线发射管和红外线接收管的数量多，成本高，信号处理运算量大，而且使得系统速度和可靠性降低的问题，而提出一种机器人的三角形阵列红外传感器。它由红外线发射管(1)和红外线接收管(2)组成；覆盖在一个平面内的每相邻的三个红外线发射管(1)按照三角形三个顶点的结构排列，三个相邻且排列为三角形的红外线发射管(1)的中间区域内设置有一个红外线接收管(2)。它采用三角形排列结构，相对于矩形排列结构，三角形排列结构可以减少所用发射管的数量。这对于大规模应用非常重要，可以降低成本，减少信号处理的运算量，提高系统速度，提高系统可靠性。
-
公开(公告)号：CN119229533A
公开(公告)日：2024-12-31
申请号：CN202411336263.X
申请日：2024-09-24
Applicant: 哈尔滨工业大学
IPC: G06V40/20 , G06V10/46 , G06V10/764 , G06V10/774 , G06V10/74 , G06N3/0464 , G06N3/047
Abstract: 本发明提供了一种鲁棒性人体动作识别方法，通过采集不同体型人员在不同场景下的多种动作的RGB图像并逐帧姿态估计后，获取每个人的关键点位置作为样本数据，根据关键点位置分布标注动作类别，获得数据集，将数据集按照8:2的比例划分为训练集和测试集；构建基于人体拓扑结构的数据筛除器去除图像中的和标准人体模版相似度过低的估计个体；设计基于注意力机制的数据关联模型提取关键点数据相关性特征；获得训练后的注意力模型和骨干网络模型；将测试集合样本输入预训练模型，输出人体动作预测结果。该方法能够应用于噪声条件下的人体动作识别问题，具有更强的抗干扰能力和泛化能力。
-
公开(公告)号：CN118864285A
公开(公告)日：2024-10-29
申请号：CN202411149266.2
申请日：2024-08-21
Applicant: 哈尔滨工业大学
IPC: G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像描述技术领域，公开了一种基于因果干预的多特征增强型图像描述方法。首先使用深度卷积层和单一卷积层分别提取输入图像的网格特征和浅层特征。其次，设计带有位置信息增强的注意力模块，获取包含几何信息的网格特征和浅层特征。再次，构建扩展序列模块融合网格特征和浅层特征以获得完整的视觉特征。最后，提出因果调整解码块，通过切断视觉特征和语言特征间的虚假因果关系去除混淆效应，并联合视觉特征和文本特征进行解码，生成图像的自然语言描述。本发明解决了现有图像描述方法缺乏细节表述、易产生混淆的问题，有利于模型在实际场景下的部署和应用。
-
公开(公告)号：CN118429612A
公开(公告)日：2024-08-02
申请号：CN202410465466.2
申请日：2024-04-18
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06V20/52 , G06N3/0464 , G06N3/0495 , G06V10/766
Abstract: 本发明公开一种适用于无人平台的动态小目标识别方法。首先，采集多场景连续图像序列，定义占据不超过原始图像帧1％像素的目标为小目标，构建动态小目标识别数据集。其次，构建基于扩展金字塔网络的特征提取模块，通过输入图像帧生成目标不同分辨率的边界框并进行回归，得到目标粗粒度特征。再次，设计了基于查询机制的细粒度特征生成模块，生成目标细粒度特征，通过预定义阈值查询当前图像帧中是否存在待识别目标并获取其位置。最后，设计基于稀疏卷积网络的目标识别模块，计算目标所在位置中心点与对应边界框四个角点间的距离，匹配目标及边界框，实现动态小目标识别并在实际无人平台上部署。本发明可应用于无人平台对港口、码头安全巡检过程。
-
公开(公告)号：CN118351312A
公开(公告)日：2024-07-16
申请号：CN202410525770.1
申请日：2024-04-29
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/75 , G06V10/764 , G06V10/766 , G06V10/82 , G06T5/90 , G06N3/0464 , G06N3/0455 , G06N3/088 , G06N3/09 , G06N3/084 , G06N3/0985 , G06N3/048
Abstract: 一种低光照场景端到端语义分割方法属于机器人感知和计算机视觉领域。本发明提出了一种分层门控卷积单元，该单元能够扩展网络的深层特征感受野并恢复边缘纹理。为了解决对象之间纹理特征对比对低问题，本发明提出了一种双闭环二分匹配算法，以建立一个同时考虑无监督照明增强损失和有监督并集损失的总损失范式，从而通过匈牙利算法将这两种损失联合最小化。该方法因此可实现低光照场景端到端语义分割。训练数据中常见和稀疏类样本的长尾分布导致网络对常见类别与稀有类别的特征学习偏差。对此，本发明设计了稀有类采样策略，以便在训练过程中提高稀有类的采样概率，从而得到具有优异性能的模型。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
