-
公开(公告)号：CN104698867A
公开(公告)日：2015-06-10
申请号：CN201510130385.8
申请日：2015-03-24
Applicant: 哈尔滨工业大学
IPC: G05B17/02
Abstract: 基于M文件系统函数的数据采集卡的数据交互方法，属于信息处理及建模仿真技术领域。现有的部分数据采集卡不支持SIMULINK方式采集信号。一种基于M文件系统函数的数据采集卡的数据采集方法，系统函数初始化阶段；并验证采集卡硬件参数与软件描述是否匹配；进行外部实际环境中数据的持续、实时采集，并调用验证匹配子函数将判断出正确的数据输出至Simulink环境，进行信号采集循环阶段。实现对所有信号实时数据采集。一种基于M文件系统函数的数据采集卡的数据输出方法，系统函数初始化阶段；并验证采集卡硬件参数与软件描述是否匹配；调用计算输出子函数，进行Simulink环境里的虚拟信号的持续、实时采集，并调用采集卡底层验证匹配子函数判断出采集的数据中正确的数据，进行信号输出循环阶段。实现对所有信号实时数据输出。
-
公开(公告)号：CN103139812A
公开(公告)日：2013-06-05
申请号：CN201310065901.4
申请日：2013-03-01
Applicant: 哈尔滨工业大学
Abstract: 基于无线传感器网络的移动节点编队避障方法，涉及无线传感器网络在移动节点队列运动控制领域，它是为了解决在移动节点编队避障过程中无线节点的动态感知范围窄，以及节点通信和临时自主处理突发状况的能力差的问题。本发明中主节点结合自身的传感器信息和障碍物及目标点的信息进行数据处理，做出避障决策。主节点首先将各超声波模块返回的障碍物信息进行数据融合处理，判断具体障碍物位置及障碍物与主节点行进方向的角度，并传输给从节点，从节点据此规划行进路径并回复主节点，主节点进而控制整个移动节点编队进行避障。本发明适用于移动节点编队的避障过程中。
-
公开(公告)号：CN118212454A
公开(公告)日：2024-06-18
申请号：CN202410319869.6
申请日：2024-03-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/0455
Abstract: 一种基于ISP退化自监督学习和解耦正则的暗光目标检测方法，属于暗光条件下的目标检测领域。本发明针对现有暗光图像的目标检测未考虑相机传感器的内部处理过程，影响目标检测准确率的问题。包括：构建教师网络、学生网络和基于ISP退化的自监督学习模块；采用基于ISP的图像退化模块将白天图像退化成与真实暗光场景相似的暗光图像，并以自监督的方式学习图像信号处理相关的参数；采用解耦正则的方法让两个任务的梯度向量尽可能正交，达到减少两个任务之间干扰的同时还能提高暗光条件下的目标检测准确率的目的；其中教师网络用于产生伪标签去训练学生网络，学生网络再使用指数移动平均方法更新教师网络的参数。本发明用于暗光图像的目标检测。
-
公开(公告)号：CN111144423B
公开(公告)日：2023-05-05
申请号：CN201911369736.5
申请日：2019-12-26
Applicant: 哈尔滨工业大学
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于一维组卷积神经网络的高光谱遥感数据多尺度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有基于卷积神经网络高光谱遥感数据的光谱特征提取尺度单一的问题，同时解决高光谱遥感数据的高维度信号造成的维数灾难的问题。本发明中以每个尺度值减一后的值与对应的分组数的乘积相等为原则，直接将高维的高光谱向量信号在光谱波段维度上等分成若干组，每个尺度利用多个不同的滤波器对每段高维的高光谱向量信号进行单独的一维常规卷积操作，通过若干组操作实现快速降低光谱向量的特征维度。本发明适用于高光谱遥感数据的多尺度光谱特征提取。
-
公开(公告)号：CN115601787A
公开(公告)日：2023-01-13
申请号：CN202211184075.0
申请日：2022-09-27
Applicant: 哈尔滨工业大学(CN)
Abstract: 一种基于缩略表示的快速人体姿态估计方法，涉及计算机视觉技术领域，针对现有技术中通过小尺寸图像减少模型的计算量时，会导致模型准确率下降的问题。本申请采用基于风格监督的在线图像缩尺度器自适应地滤除输入图像中的冗余信息，并将剩余的关联信息压缩为小尺寸的缩略图，使得网络运算量大幅降低，并且能够保证预测准确率；使用双分支自动编码的训练策略将知识蒸馏技术引入对轻量化网络的训练，使得缩略特征图能够提取到更多关键信息，使得预测准确率进一步提高。训练完备的缩尺度器可以直接替代传统的图像缩尺度技术。本申请解决了现有人体姿态估计加速方法实施复杂、难以泛化、准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN114463175B
公开(公告)日：2022-11-01
申请号：CN202210055110.2
申请日：2022-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。
-
公开(公告)号：CN114463175A
公开(公告)日：2022-05-10
申请号：CN202210055110.2
申请日：2022-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。
-
公开(公告)号：CN108334847B
公开(公告)日：2019-10-22
申请号：CN201810119263.2
申请日：2018-02-06
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种真实场景下的基于深度学习的人脸识别方法，是为了解决现有真实场景下的人脸识别方法只能解决单一因素影响，而不能解决姿势、光照等因素的影响而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；生成器进一步包括上采样网络以及优化网络；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
公开(公告)号：CN109145958A
公开(公告)日：2019-01-04
申请号：CN201810842331.8
申请日：2018-07-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于多任务生成对抗网络的真实场景小物体检测方法，属于计算机视觉领域中的物体检测技术领域。所述检测方法将多任务生成对抗网络引入到物体检测中，通过让多任务生成对抗网络中的生成器网络和鉴别器网络相互博弈的方式进行学习，实现小物体检测网络的建立进而完成图像的小物体检测。所述小物体检测方法克服了现阶段的物体检测方法在真实场景中检测正确率低的困难，促进了基于深度学习的物体检测方法在真实场景下的应用。
-
公开(公告)号：CN108334848A
公开(公告)日：2018-07-27
申请号：CN201810119264.7
申请日：2018-02-06
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00228 , G06K9/00288 , G06K9/6256 , G06N3/0454 , G06N3/08 , G06T3/4007 , G06T3/4076 , G06T2207/20081 , G06T2207/20084 , G06T2207/30201
Abstract: 本发明提供一种基于生成对抗网络的微小人脸识别方法。本发明是为了解决现阶段的人脸检测技术无法捕获复杂背景下的微小人脸，当基于失真的图像进行人脸检测时会导致检测率严重下降的缺点而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.041 seconds)
