-
公开(公告)号：CN103793642B
公开(公告)日：2016-06-29
申请号：CN201410074050.4
申请日：2014-03-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种移动互联网掌纹身份认证方法，分为注册和识别两个阶段。在注册阶段，通过智能移动设备自带的摄像头获取待注册用户的掌纹图像，并通过网络上传到服务器，服务器端经过手掌定位与感兴趣区域提取、掌纹特征提取等一系列算法，将该用户的信息存储于数据库中。在认证阶段，通过智能移动设备自带的摄像头获取用户的掌纹图像，并上传到服务器，服务器端通过同样的算法得到待认证用户的掌纹特征，与数据库中存储的掌纹特征进行匹配，进而判断该用户是否为已注册用户。本方法既摆脱了传统掌纹识别不便携的缺点，又不受智能移动设备硬件性能的限制，同时由于算法的核心部署在服务器上，增强了系统的安全性，大大扩展了掌纹识别的应用领域。
-
公开(公告)号：CN103810577A
公开(公告)日：2014-05-21
申请号：CN201410093397.3
申请日：2014-03-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于人体生物特征的云考勤方法，不仅利用了人体生物特征识别技术，避免了传统的基于标识物方式的易丢失、易造假等缺点，而且还采用了云技术，解决了目前工作流动性较强、工作场所范围大等场合下的考勤系统存在的问题。本发明将基于人体生物特征的考勤和远程考勤结合起来，实现了一种基于人体生物特征的云考勤方法。本发明充分利用了这两种技术的优势，在不便于集中考勤的情况下，用户可以在工作场所范围内通过自己的人体生物特征完成签到和签退。本发明利用普通计算机或智能移动设备自带的传感器来采集相关的人体生物特征，通过安装软件来实现考勤，且使用统一的云考勤服务器，无需另外添设硬件设备，降低了成本。
-
公开(公告)号：CN103440480A
公开(公告)日：2013-12-11
申请号：CN201310385672.4
申请日：2013-08-22
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于掌纹图像配准的非接触掌纹识别方法，分为注册和识别两个阶段。在注册阶段，将用户提供的原型图像进行ROI提取，在ROI图像上提取竞争码特征并存于特征数据库，同时将ROI图像经预处理后提取SIFT特征存于特征数据库。在识别阶段，在用户提供的查询图像上进行相同的ROI提取、竞争码特征提取和SIFT特征提取的操作。将提取到的SIFT特征和数据库中已存的SIFT特征进行匹配，得到匹配的SIFT特征点。同时由匹配的SIFT特征点得到SIFT特征的匹配度，并将两种匹配度进行融合得到最终匹配度用于身份认证或识别。解决非接触掌纹图像的形变问题，提高了识别精度。
-
公开(公告)号：CN119559548A
公开(公告)日：2025-03-04
申请号：CN202411605976.1
申请日：2024-11-12
Applicant: 哈尔滨工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/048
Abstract: 本发明公开了一种基于自然语言描述和协同全局‑局部视角学习的目标追踪方法，所述方法包括如下步骤：步骤1、输入视频帧的特征提取与初步处理；步骤2、全局和局部分支视觉特征的提取；步骤3、多模态特征对齐实现信息互补和一致性表达；步骤4、对称注意力操作选择重要信息；步骤5、通过预测模块估计目标的位置；步骤6、追踪模型优化。本发明通过全局与局部特征的协同建模、多模态对齐机制以及对称注意力的特征增强，显著提升了目标追踪的精度和鲁棒性，解决了现有技术中全局与局部信息融合不充分、视觉与语言特征对齐能力不足的问题。本发明能够在复杂场景和自然语言描述的条件下精准定位目标，并在多个具有自然语言标注的目标追踪数据集上展现了卓越的性能。
-
公开(公告)号：CN119540513A
公开(公告)日：2025-02-28
申请号：CN202411664240.1
申请日：2024-11-20
Applicant: 哈尔滨工业大学
IPC: G06V10/22 , G06T3/4007 , G06V10/80 , G06T3/4038 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制和自蒸馏的手持器械细粒度定位方法，所述方法通过引入特征融合模块、双重注意力模块以及自蒸馏机制，解决了现有技术中多尺度特征融合不足、器械边界模糊和干扰区域识别不准确的问题。具体而言，特征融合模块则对不同尺度的特征图进行有效融合，以获取更为精确的全局与局部信息；双重注意力模块通过结合通道注意力与位置注意力，进一步增强对复杂手术场景中器械特征的捕捉能力；自蒸馏机制则通过跨层知识传播提高定位模型的精度，尤其是在保持轻量化模型结构的前提下，显著优化了定位性能。本发明不仅提升了模型对复杂语义关系的理解能力，还在器械的细节定位和干扰区域的准确识别方面取得了显著进步。
-
Patent Agency Ranking
公开(公告)号：CN115565007B
公开(公告)日：2024-10-11
申请号：CN202211240066.9
申请日：2022-10-11
Applicant: 哈尔滨工业大学
IPC: G06F40/30 , G06V10/764 , G06V10/74 , G06V10/774
Abstract: 本发明公开了一种基于知识蒸馏的隐空间语义监督的跨模态检索方法，整个网络的总体结构大体上可以分成四个部分：第一个部分：多模态特征提取网络，第二个部分：图像和文本隐空间的构建，第三个部分：基于知识蒸馏的隐空间语义监督，第四个部分：图像文本匹配。本发明将BUA中的目标分类器和属性分类器引入图像隐空间，通过知识蒸馏将BUA中的语义知识转移到图像隐空间中。本发明在文本隐空间中引入目标和属性分类器，使文本特征和相应的文本上下文特征保持一致。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
公开(公告)号：CN117314959A
公开(公告)日：2023-12-29
申请号：CN202311186980.4
申请日：2023-09-14
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G06V20/40 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 一种基于长短时上下文解耦和自然语言查询的目标跟踪方法，所述方法包括如下步骤：步骤一、使用在ImageNet数据集上预训练的ResNet网络和Transfomer结构的编码器提取视频帧级特征；步骤二、拼接视频帧级特征获得视频级特征；步骤三、使用文本编码器获得文本查询特征；步骤四、通过短时上下文匹配分支捕捉动态上下文信息；步骤五、通过长时上下文感知分支捕捉静态上下文信息；步骤六、通过长短时调制模块自适应地调控所需的长时或短时上下文信息；步骤七、通过预测模块估计目标的位置；步骤八、模型优化。较现有的基于自然语言查询的目标跟踪方法，本发明的目标定位的准确度取得了显著提高，展现了良好的跟踪鲁棒性。
-
公开(公告)号：CN113963022B
公开(公告)日：2023-08-18
申请号：CN202111221017.6
申请日：2021-10-20
Applicant: 哈尔滨工业大学
IPC: G06T7/246 , G06N3/096 , G06N3/0464
Abstract: 本发明公开了一种基于知识蒸馏的多出口全卷积网络的目标跟踪方法，所述方法包括如下步骤：步骤一、构建基于知识蒸馏的多出口全卷积网络；步骤二、基于知识蒸馏的多出口训练。本发明提出了一种基于知识蒸馏的多出口全卷积结构用于基于分类的跟踪，凭借知识蒸馏的优势，鼓励前序出口模仿学习后续出口的概率输出，从而提高前序出口的判别能力。本发明通过利用多个RoIAlign层来提取不同尺度的区域特征，并在每个出口融合以上区域特征来提高判别能力。本发明使用不同种类的注意力模块来捕获不同的目标特定信息，提高了目标与背景及其干扰物区分能力。本发明在取得更高的跟踪精度的同时，还拥有相对较快的处理速度。
-
公开(公告)号：CN113656539B
公开(公告)日：2023-08-18
申请号：CN202110859387.6
申请日：2021-07-28
Applicant: 哈尔滨工业大学
IPC: G06F16/33 , G06F16/383 , G06F16/53 , G06F16/583 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于特征分离和重建的跨模态检索方法，所述方法包括如下步骤：步骤一、获得视觉表示；步骤二、将单词序列转化为文本表示；步骤三、通过视觉和文本多层感知器进行线性变换，分别得到视觉空间和文本空间的特征向量；步骤四、将不同模态空间的特征向量分解为模态信息、语义信息、特定信息三部分；步骤五、利用特征分离模块将模态信息、语义信息和特定信息从视觉/文本表示中分离出来，得到视觉表示和文本表示的模态信息、语义信息和特定信息；步骤六、结合图像三种不同的信息进行图像重建；步骤七、对文本三种不同的信息进行文本重建。本发明的方法可以很好地进行跨模态检索，并在多个数据库上取得了具有竞争力的结果。
-
公开(公告)号：CN113963022A
公开(公告)日：2022-01-21
申请号：CN202111221017.6
申请日：2021-10-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于知识蒸馏的多出口全卷积网络的目标跟踪方法，所述方法包括如下步骤：步骤一、构建基于知识蒸馏的多出口全卷积网络；步骤二、基于知识蒸馏的多出口训练。本发明提出了一种基于知识蒸馏的多出口全卷积结构用于基于分类的跟踪，凭借知识蒸馏的优势，鼓励前序出口模仿学习后续出口的概率输出，从而提高前序出口的判别能力。本发明通过利用多个RoIAlign层来提取不同尺度的区域特征，并在每个出口融合以上区域特征来提高判别能力。本发明使用不同种类的注意力模块来捕获不同的目标特定信息，提高了目标与背景及其干扰物区分能力。本发明在取得更高的跟踪精度的同时，还拥有相对较快的处理速度。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.032 seconds)
