-
公开(公告)号：CN116342915B
公开(公告)日：2024-06-25
申请号：CN202310621703.5
申请日：2023-05-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/762 , G06V10/77 , G06T7/50
Abstract: 本发明提供了一种深度图像聚类方法、系统及存储介质，该方法包括以下步骤：步骤一：将含有n个样本的图像数据集输入编码器；步骤二：编码器将输入的原始图像转化为低维嵌入特征，再分别输出给解码器和维度约减模块，解码器将低维嵌入特征恢复为原始图像，维度约减模块将所接收的低维嵌入特征转化为聚类友好的二维表示，形成聚类空间，并输出给聚类划分模块；步骤三：聚类划分模块根据每个样本的低维嵌入特征将图像数据集中的n个样本划分为K个子簇，得到聚类结果。本发明的有益效果是：本发明的深度图像聚类方法TDEC是鲁棒的，可以对多簇、大规模、复杂背景等场景下的图像数据聚类，并且聚类精度明显高于现有的先进方法。
-
公开(公告)号：CN118034284A
公开(公告)日：2024-05-14
申请号：CN202410168205.4
申请日：2024-02-06
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种多个机器人的避碰控制方法、装置、终端设备及存储介质。该方法包括：获取各个机器人的当前状态信息，并根据各个机器人的当前状态信息确定任意两个机器人之间的碰撞风险量化值；根据任意两个机器人之间的碰撞风险量化值，基于安全屏障函数构造得到避碰约束条件；其中，避碰约束条件用于限制各个机器人之间不发生碰撞；根据避碰约束条件，以各个机器人与各自预定轨迹的总的偏离最小为目标函数，建立多机器人避碰协同规划模型；对多机器人避碰协同规划模型求解，得到各个机器人的运行加速度。本发明确定碰撞风险量化值，并基于此建立协同规划模型并求解，兼顾避碰及路径的平稳性，有效减轻避碰风险的高估和错估问题，提高多机器人作业的安全性，避免死锁。
-
公开(公告)号：CN117557833A
公开(公告)日：2024-02-13
申请号：CN202311388617.0
申请日：2023-10-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09 , G06F9/50
Abstract: 本发明公开一种基于课程学习和深度学习的图像标注方法及装置，方法包括：获取并预处理无标签图片，形成数据集；构建自编码器，将数据集转换嵌入特征并对自编码器进行预训练；对自编码器进行微调训练；根据嵌入特征的聚类结果，利用训练好的自编码器找到每个簇对应的密度核，并根据密度核确认标签类别，获取图像标注结果。本发明设计了一种自编码器，通过包括计算难度分数、课程生成和基于密度核的聚类划分的微调训练，提出了一种新的图像标注方法，最大限度地减少了计算资源的消耗，同时加快模型收敛和提高算法鲁棒性。
-
公开(公告)号：CN112488118B
公开(公告)日：2023-08-08
申请号：CN202011510824.5
申请日：2020-12-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种目标检测方法及相关装置，涉及图像识别技术领域，该目标检测方法包括：对原始图像进行特征信息提取，得到原始图像特征信息；基于原始图像特征信息，生成相应的密度图和分割图；基于分割图，确定原始图像中的目标区域，并基于目标区域和密度图，生成目标区域密度图；基于目标区域密度图，从原始图像中裁剪出与目标区域密度图相关的分块图像；分别对各分块图像进行目标检测，以输出各分块图像所对应的目标检测结果。基于本申请的技术方案，可有效提高目标检测的准确性。
-
公开(公告)号：CN116302998A
公开(公告)日：2023-06-23
申请号：CN202310182186.6
申请日：2023-03-01
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F11/36 , G06F8/41 , G06N3/08 , G06N3/0455
Abstract: 本发明公开了一种多模态程序自动修复方法、系统、设备及存储介质，方法包括：通过现有工具将源代码转换为抽象语法树AST；匿名变量和编码节点；构建程序修复模型，所述程序修复模型；对所述程序修复模型进行预训练，所述预训练包括两个训练任务，一是遮盖语言模型MLM任务，让程序修复模型关注到AST节点级别的信息；二是节点顺序判断NOJ任务；在得到训练好的程序修复模型后，利用训练好的程序修复模型对待修复的多模态程序进行修复。本发明采用了融合多模态信息的技术方案，解决了模型无法充分学习到代码的语义、结构信息的技术问题，从而达到了充分利用代码的辅助信息并最终让模型学习到更丰富的语义、结构信息的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN104112370B
公开(公告)日：2016-08-17
申请号：CN201410370104.1
申请日：2014-07-30
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于监控图像的停车场智能车位识别方法及系统，该停车场智能车位识别方法包括如下步骤：视频图像采集步骤：停车场监控摄像头拍摄获取停车位视频数据；停车位坐标标定步骤：用于完成停车位坐标的标定；邻近车位遮挡处理步骤：将停车位划分为若干子区域，并分配不同的权重来处理临近车位的遮挡问题；分类器设计步骤：用于判断停车位是否有车。本发明的有益效果是：本发明的方法及系统人工干预少，监控车位多，不需要额外的设备，在普通的监控摄像头下即可实现，从而满足了停车场实时高效的管理，解决了客户停车难，找车难的问题。
-
公开(公告)号：CN104112370A
公开(公告)日：2014-10-22
申请号：CN201410370104.1
申请日：2014-07-30
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于监控图像的停车场智能车位识别方法及系统，该停车场智能车位识别方法包括如下步骤：视频图像采集步骤：停车场监控摄像头拍摄获取停车位视频数据；停车位坐标标定步骤：用于完成停车位坐标的标定；邻近车位遮挡处理步骤：将停车位划分为若干子区域，并分配不同的权重来处理临近车位的遮挡问题；分类器设计步骤：用于判断停车位是否有车。本发明的有益效果是：本发明的方法及系统人工干预少，监控车位多，不需要额外的设备，在普通的监控摄像头下即可实现，从而满足了停车场实时高效的管理，解决了客户停车难，找车难的问题。
-
公开(公告)号：CN113205124A
公开(公告)日：2021-08-03
申请号：CN202110457361.9
申请日：2021-04-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/62 , G06F16/2458 , G06F16/215
Abstract: 本发明提供了一种基于密度峰值的高维真实场景下的聚类方法、系统及存储介质，该聚类方法包括步骤1：采集数据；步骤2：对采集的数据进行清洗操作；步骤3：计算近邻参数K、局部密度、密度权重以及边界度；步骤4：使用CSM模型确定聚类中心；步骤5：划分剩余数据对象；步骤6：依据划分结果，整理出辅助决策的可用信息；步骤7：输出可用信息。本发明的有益效果是：本发明解决了参数设置不合理导致的密度度量失衡问题，解决了中心选取偏差和参数敏感的问题，且具有良好的鲁棒性，可以对含有噪声的多密度和高维数据集进行有效的聚类，并具有较高的精度。
-
公开(公告)号：CN112488118A
公开(公告)日：2021-03-12
申请号：CN202011510824.5
申请日：2020-12-18
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种目标检测方法及相关装置，涉及图像识别技术领域，该目标检测方法包括：对原始图像进行特征信息提取，得到原始图像特征信息；基于原始图像特征信息，生成相应的密度图和分割图；基于分割图，确定原始图像中的目标区域，并基于目标区域和密度图，生成目标区域密度图；基于目标区域密度图，从原始图像中裁剪出与目标区域密度图相关的分块图像；分别对各分块图像进行目标检测，以输出各分块图像所对应的目标检测结果。基于本申请的技术方案，可有效提高目标检测的准确性。
-
公开(公告)号：CN107704877B
公开(公告)日：2020-05-29
申请号：CN201710928967.X
申请日：2017-10-09
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于深度学习的图像隐私感知方法，包括以下步骤：S1、构建带类别标注的隐私分类数据集，使用迁移学习的方法训练隐私感知网络；S2、使用面向隐私感知的深度卷积神经网络完成隐私图像的识别；S3、根据神经网络深层卷积特征提取注意力分布图，并定位注意力集中区域完成对图像隐私区域的感知。本发明的有益效果是：基于深度神经网络完成了端到端的训练和测试，可以准确地区分隐私图像并定位图像中的隐私区域，方便对图像中的隐私信息进行选择性保护。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.031 seconds)
