-
公开(公告)号：CN106126507B
公开(公告)日：2019-08-09
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
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：CN107862241A
公开(公告)日：2018-03-30
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
CPC classification number: G06K9/00744 , G06K9/00221 , G06K9/00765 , G06K9/6256 , G06Q30/0271 , G06Q30/0277
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。
-
公开(公告)号：CN106073708A
公开(公告)日：2016-11-09
申请号：CN201610387255.7
申请日：2016-06-01
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61B5/00 , A61B5/0476
CPC classification number: A61B5/72 , A61B5/0476
Abstract: 本发明提出了一种脑电信号特征提取及解释方法，采用联合流形学习在提取脑电信号特征时可以同时实现通道选择，即联合学习仅从对识别比较重要的通道提取特征。这样的特征有两方面优点：一方面可以增强特征实际意义的解释，另一方面利用联合学习对特定脑电信号进行通道选择，所得到的结果也有助于神经生物学的发展，可以帮助研究人员确认相关电位，与神经生物学的研究成果进行相互验证等。另外，本发明的通道选择与特征提取可以应用到未来的BCI系统中，克服现有BCI系统识别率低等问题，对于BCI技术的发展具有重要意义。
-
公开(公告)号：CN105913275A
公开(公告)日：2016-08-31
申请号：CN201610177425.9
申请日：2016-03-25
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06Q30/0251 , G06K9/00288 , G06K9/00744 , G06K9/6269
Abstract: 本发明涉及一种基于视频主角识别的服装广告投放方法及系统，所述方法包括以下步骤：A、人脸检测：得到视频图片中的人脸图片以及坐标位置等信息；B、人脸跟踪：将连续视频帧中同一人的人脸图片聚集到一起，实现人脸的初步聚类；C、人脸验证：计算两两人脸图片之间的距离；D、人脸聚类：把同一人的人脸图片聚集到一起，找到视频中的主要角色；E、人体探测：对每帧视频图片利用基于区域卷积特征探测获得视频中人体的相关信息；F衣服标注：人体图片中衣服的分类和标注；G背景去除以及人体分割与聚类：把人体从图片中剪切出来，去掉与人体无关的背景，把人体衣服分割为多个区域；H衣服图片检索，利用衣服检索数据库中搜索匹配衣服的广告对象。
-
公开(公告)号：CN104967885A
公开(公告)日：2015-10-07
申请号：CN201510142208.1
申请日：2015-03-27
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/2668 , H04N21/234 , H04N21/235
CPC classification number: H04N21/23424 , G06K9/00362 , G06K9/00718 , G06K9/00744 , G06K9/00765 , G06K9/3233 , G06K9/4628 , G06K9/6218 , G06K9/627 , G06N3/02 , G06Q30/02 , H04N21/231 , H04N21/23109 , H04N21/23418 , H04N21/234318 , H04N21/251 , H04N21/812 , H04N21/8456
Abstract: 本发明涉及一种基于视频内容感知的广告推荐方法，包括：A、镜头分割步骤，利用基于聚类的方法将源视频分割为独立的场景；B、对象检测步骤，对每个独立场景利用基于区域卷积特征探测获得视频中物体的相关信息；C、广告图片检索步骤，利用衣服检索和基于类别的策略在数据库中搜索匹配物体的广告对象；D、广告目标物体优化步骤，对搜索到的匹配物体的广告对象通过优化处理得到候选广告；E、广告插入位置优化步骤，优化广告和目标物之间的距离及广告与所有物体之间的重叠区域的面积。视频广告投放优化模型提高广告的吸引力，并降低了广告给用户带来的干扰。
-
Patent Agency Ranking
公开(公告)号：CN103593339A
公开(公告)日：2014-02-19
申请号：CN201310634080.1
申请日：2013-11-29
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种面向电子图书的语义空间表示方法及系统，该面向电子图书的语义空间表示方法包括如下步骤：A.文档分割：将电子图书按语义结构分成若干个语义单元；B.权重计算：首先构建全文的词汇表，从而电子图书的每一个语义单元用一个词频向量表示，整个电子图书用一个词频矩阵来表示；然后根据权重计算方法针对每个词计算其权重；C.关系图构建：根据电子图书的词频矩阵和词的权重构建一个词邻接关系图；D.多维压缩：用该低维语义空间模型表示电子图书。本发明的有益效果是本发明的低维空间表示可以更加有效的用于储存、分类、聚类等数据分析与挖掘。
-
公开(公告)号：CN106960221A
公开(公告)日：2017-07-18
申请号：CN201710150041.2
申请日：2017-03-14
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/6269 , G06K9/40 , G06K9/46 , G06K9/629
Abstract: 本发明提供一种基于光谱特征和空间特征融合的高光谱图像分类方法及系统，属于遥感图像分类领域。本发明包括根据高光谱图像的区域连通性对其进行空间特征提取；并分别对光谱特征和空间特征进行特征去噪；然后对光谱特征和空间特征进行特征融合；再通过分类模型预测高光谱图像上未知类别像素点的类别；本发明还包括空间特征提取模块、特征去噪模块、特征融合模块以及分类模块。本发明的有益效果是：通过对高光谱图像的光谱特征和空间特征进行低秩表达以及特征融合，提升高光谱图像的分类精度,对未知类别像素点类别的预测具有较高的准确率。
-
公开(公告)号：CN104967885B
公开(公告)日：2019-01-11
申请号：CN201510142208.1
申请日：2015-03-27
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/2668 , H04N21/234 , H04N21/235
Abstract: 本发明涉及一种基于视频内容感知的广告推荐方法，包括：A、镜头分割步骤，利用基于聚类的方法将源视频分割为独立的场景；B、对象检测步骤，对每个独立场景利用基于区域卷积特征探测获得视频中物体的相关信息；C、广告图片检索步骤，利用衣服检索和基于类别的策略在数据库中搜索匹配物体的广告对象；D、广告目标物体优化步骤，对搜索到的匹配物体的广告对象通过优化处理得到候选广告；E、广告插入位置优化步骤，优化广告和目标物之间的距离及广告与所有物体之间的重叠区域的面积。视频广告投放优化模型提高广告的吸引力，并降低了广告给用户带来的干扰。
-
公开(公告)号：CN106096613A
公开(公告)日：2016-11-09
申请号：CN201610380344.9
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/4604 , G06K9/54 , G06T7/0002 , G06T2207/20164
Abstract: 本发明提出了一种基于角点特征的图像多目标检测方法及装置，通过对纤类图像所蕴含的角点、骨架和曲率序列等自然特征进行分析和抽象，研究该类图像可用于计算机理解和高压缩比传输的结构化表示方法；利用角点和骨架特征来描述非规则目标区域，也可推广到涉及图像目标区域探测的其它应用场景，也有利于使得混纺纤维的种类识别朝智能化、自动化方向发展。本发明拟以光学显微镜放大图像为对象探索适合边缘线灰度模糊特征的盲复原算法，以图像局部特征相关的角点检测和提取为目标，研究结构特征层次化表示和基于空间邻域相关性的结构化描述方法，以期形成若干创新突破，为解决图像纹理提取和特征表示问题提供有效技术途径。
-
公开(公告)号：CN106056553A
公开(公告)日：2016-10-26
申请号：CN201610378196.7
申请日：2016-05-31
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
CPC classification number: G06T5/005 , G06T2207/10004 , G06T2207/20052 , G06T2207/20081
Abstract: 本发明提出了一种基于紧框架特征字典的图像修复方法，利用离散余弦变换DCT‑Ⅱ型正交矩阵，构造出具有冗余性的离散余弦变换DCT框架系统，并成功应用于图像修复领域，有效的修复图像的文理结构信息。图像在DCT小框架基的分解下，得到的框架系数代表图像不同方向或不同阶的边缘特征信息，同时利用框架系数稀疏的先验知识，建立基于加权l1范数的DCT框架系数优化模型，提出基于逼近算子的迭代算法获取模型的解。在概率模型的假设下，利用拉普拉斯概率分布先验模型近似几何框架系数的实际概率分布，同时假设模型噪声的高斯分布条件下，利用MAP技术建立自适应稀疏软阈值算子，对图像进行几何框架系数稀疏表示，既能够保护边缘特征又能滤除噪声。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.034 seconds)
