-
公开(公告)号：CN108427723A
公开(公告)日：2018-08-21
申请号：CN201810135040.5
申请日：2018-02-09
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种基于聚类算法和局部感知重构模型的作者推荐方法及其系统，通过作者相关信息的树形结构表达、节点的特征表达、层次节点的位置映射、局部感知重构模型的建立，将由树形结构表示的作者信息转化为统一的向量表示，该向量包含了作者的相关信息及与作者相关的各层次的结构信息。进一步地，根据作者信息的统一向量表示，进行相关作者的推荐和检索。所述方法包括：A、树形结构表达；B、节点特征表达；C、层次节点位置映射；D、建立和求解局部感知重构模型；E、树形结构的统一向量表示；F、基于内容的作者推荐和检索。
-
公开(公告)号：CN107861924A
公开(公告)日：2018-03-30
申请号：CN201710889265.5
申请日：2017-09-27
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06F17/2247 , G06F17/2795
Abstract: 本发明提出了一种基于局部重构模型的电子书内容表示方法，所述方法包括：A、树形结构表达：对于每一本电子书，将其划分为若干页，将每一个页划分为若干段落，将每一本电子书组织成为“电子书->页->段落”的三层树形结构；B、节点特征表达：构建词汇表，计算词分布向量，使用主成分分析对各层次节点的词分布向量进行降维、压缩；C、局部重构模型建立：使用孩子节点的信息对其父节点信息进行重构，即建立局部重构模型，求解局部重构模型并获得重构系数向量；D、树形结构的统一向量表示：根据C中获得的重构系数向量，将该节点与其孩子节点进行信息融合，更新该节点的特征向量表示；E、基于内容的电子书检索和推荐。
-
公开(公告)号：CN105868700A
公开(公告)日：2016-08-17
申请号：CN201610178264.5
申请日：2016-03-25
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00771 , G06K9/6269 , G08G1/017
Abstract: 本发明提出了一种基于监控视频的车型识别与跟踪方法及系统，所述方法包括：A、背景建模和前景检测：将视频序列中相对静止不动的部分作为背景与包含运动物体的前景分离开；B、车辆图像特征提取：提取图像中的局部特征描述符，采用SIFT特征描述符，因为该算法能较好的表达图像的内容及特点，对图像噪声和仿射变化有一定的稳定性；C、车辆图像特征编码：将图像上得到的数量不等的局部特征描述符编码为定长向量，以适合于分类器的输入；D、车辆图像识别：选择和设计合适的分类器对图像的特征向量进行分类，最后达到识别的目的；E、车辆图像跟踪：对识别为某一车型识别图像区域进行跟踪，避免重复的前景检测和识别，提高车型识别系统的运行速度。
-
公开(公告)号：CN105865613A
公开(公告)日：2016-08-17
申请号：CN201610392177.X
申请日：2016-06-03
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种海洋立体监测中的水下光学检测与成像传感方法及系统，采用光纤式多普勒弱相干干涉的水声传感器，利用声场对水折射率的改变来实现光学干涉系统中相位调控，高速线阵CCD提供的高光谱采集速度使得干涉仪对水声的实时响应得以实现；高速高分辨率的光谱解调模块对于干涉信息中的谱分析提供了有利条件，干涉解调光谱仪解调出干涉谱中的水声信息，而且0.05nm的光谱分辨率实质性地提高水声分辨率和成像效果；多尺度原位在线成像子系统能得到更为全面的水下信息，使得海洋生物的研究能取得突破性的进展。本发明的水下光学检测与成像传感系统的完善不仅为海洋研究提供极大便利，也能满足水质检测方面的产业化需求。
-
公开(公告)号：CN107862241B
公开(公告)日：2021-07-20
申请号：CN201710851088.1
申请日：2017-09-20
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明涉及一种基于明星识别的衣服时尚挖掘方法及视觉感知系统，所述方法包括：A、人体检测步骤；B、姿势选择步骤，对探测到的人体的姿势优劣进行筛选；C、人脸探测及明星身份验证步骤，对筛选好的人体区域进行人脸探测，利用关键点检测技术对探测到人脸进行对齐，并利用深度卷积网络抽取人脸特征，与基准明星人脸库进行人脸验证；D、衣服探测步骤，对通过明星验证的人体区域进行衣服探测；E、待检索衣服图像去冗余步骤，利用聚类算法去除冗余的待检索衣服图像；F、同款衣服图像检索及推荐步骤，利用图像检索算法在衣服数据库中搜索同款或类似的衣服并推荐给用户。本发明主要用于视频广告推荐，提高广告对用户的吸引力。
-
Patent Agency Ranking
公开(公告)号：CN108399428A
公开(公告)日：2018-08-14
申请号：CN201810135207.8
申请日：2018-02-09
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 一种基于迹比准则的三元组损失函数设计方法，通过对于图像特征提取、三元组损失函数和迹比准则的调研，使用迹比准则(Trace Ratio Criterion)作为三元组选取准则和损失计算方法。所述方法主要包括：A、三元组样本构建：对于数据集中的每一个样本，将其构建成三元组样本；B、三元组样本选取：从构建的三元组样本中进行筛选，设定有效的选取机制，在不损失精度的同时，提高训练速度；C、损失函数设计：根据B中获得的三元组样本，分别计算三元组中当前样本和正负样本之间的距离，设计损失函数计算模型预测和真实结果之间的误差；D、深度网络训练：将模型误差回传到深度卷积神经网络中，对网络参数进行更新调整，迭代地训练模型直到收敛。
-
公开(公告)号：CN106126507A
公开(公告)日：2016-11-16
申请号：CN201610457514.9
申请日：2016-06-22
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F17/28
CPC classification number: G06F17/2827 , G06F17/2818
Abstract: 本发明提出了一种基于字符编码的深度神经翻译方法及系统，使用递归神经网络（Recurrent Neural Network,RNN）建立一个联合的神经网络模型来覆盖整个翻译过程，从编码器‑解码器框架的角度直接完成翻译任务。方法包括：A、词向量生成：将字符级别的输入数据通过神经网络建模进行分词，并生成词向量；B、语言模型生成：利用递归神经网络在时间上具有记忆性的特点，建立语法规则；C、词对齐模型生成：得到对源语言语句中多个词翻译成目标语言词的概率；D、输出：将输入的源语言翻译成目标语言；E、联合翻译模型：将上述4个步骤的神经网络模型联合起来，建立一个基于字符编码的深度神经翻译模型（RNN‑embed），并使用GPU并行计算来加速模型的训练。
-
公开(公告)号：CN106022391A
公开(公告)日：2016-10-12
申请号：CN201610380345.3
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/6215 , G06K9/46 , G06K9/623 , G06K9/6269 , G06K9/6289 , G06K2009/4657
Abstract: 本发明提出了一种高光谱图像特征的并行提取与分类方法，通过三维空间域以及频域联合分析，对三维和高光谱图像进行并行特征提取，然后对这些特征进行增强和融合，可以充分利用高维数据的丰富信息以及这些特征之间的结构关系，大大减少噪声对准确率的影响。本发明对各种相位、方向、频域以及三维空间编码方法进行深入研究，然后从提取各Gabor特征在方向与频率空间结构关系出发，在联合提取空间‑光谱域和频域的信号变化特征同时，开拓性地将智能算法引入波段选择，从而可以在保证识别准确率的前提下减少冗余信息，提高识别效率，具有较广泛的应用和推广前景。
-
公开(公告)号：CN108427723B
公开(公告)日：2021-08-06
申请号：CN201810135040.5
申请日：2018-02-09
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F16/335 , G06F16/35 , G06K9/62
Abstract: 本发明提出了一种基于聚类算法和局部感知重构模型的作者推荐方法及其系统，通过作者相关信息的树形结构表达、节点的特征表达、层次节点的位置映射、局部感知重构模型的建立，将由树形结构表示的作者信息转化为统一的向量表示，该向量包含了作者的相关信息及与作者相关的各层次的结构信息。进一步地，根据作者信息的统一向量表示，进行相关作者的推荐和检索。所述方法包括：A、树形结构表达；B、节点特征表达；C、层次节点位置映射；D、建立和求解局部感知重构模型；E、树形结构的统一向量表示；F、基于内容的作者推荐和检索。
-
公开(公告)号：CN108399428B
公开(公告)日：2020-04-10
申请号：CN201810135207.8
申请日：2018-02-09
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 一种基于迹比准则的三元组损失函数设计方法，通过对于图像特征提取、三元组损失函数和迹比准则的调研，使用迹比准则(Trace Ratio Criterion)作为三元组选取准则和损失计算方法。所述方法主要包括：A、三元组样本构建：对于数据集中的每一个样本，将其构建成三元组样本；B、三元组样本选取：从构建的三元组样本中进行筛选，设定有效的选取机制，在不损失精度的同时，提高训练速度；C、损失函数设计：根据B中获得的三元组样本，分别计算三元组中当前样本和正负样本之间的距离，设计损失函数计算模型预测和真实结果之间的误差；D、深度网络训练：将模型误差回传到深度卷积神经网络中，对网络参数进行更新调整，迭代地训练模型直到收敛。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.029 seconds)
