-
公开(公告)号：CN101799849A
公开(公告)日：2010-08-11
申请号：CN201010125957.0
申请日：2010-03-17
Applicant: 哈尔滨工业大学
Abstract: 采用计算机实现的非障碍性自动心理咨询方法，涉及心理咨询技术。解决了现有的心理咨询师辅助治疗设备，存在不能独立工作、无法实时反馈咨询和监控、并且不能适时反馈咨询结果、不能建立咨询治疗全过程的心理咨询档案、扩展性不强的问题，过程如下：A、对输入的自然语言语句提取关键词、扩展关键词和词串序列；B、进行语义匹配，所述语义匹配包括关键词匹配、扩展关键词匹配、词串序列匹配；如果匹配中的某种匹配的比例超过阈值，则匹配成功，否则，输出无法回答的信息；C、进行对话管理，输出返回语句，所述对话管理包括复述、内容反映技术、对话上下文管理。本发明可独立使用，或和心理咨询师互相补充，在一定程度上弥补心理咨询机构的不足。
-
公开(公告)号：CN101408893A
公开(公告)日：2009-04-15
申请号：CN200810209524.6
申请日：2008-11-26
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 本发明提供了一种快速文档聚类方法，它通过下述步骤实现：1.利用词频统计从每篇文档中抽取出一组关键词；2.将文档表示为其包含的关键词在特征空间上的相应维度的索引值的集合；3.将自组织映射模型中的神经元表示为特征空间上的向量；4.依次输入文档，并计算其与所有神经元之间的相似度；5.累加值最大的神经元为获胜神经元，其和其邻域的神经元向当前文档方向调整权值；6.在调整神经元与输入文档匹配的个别维的同时，对其他维的权值进行弱化；7.所有文档输入完毕后，结束。本发明利用自组织映射聚类模型，在文档量化表示和相似度计算等环节进行革新，使得在处理文档数目相同且聚类质量得以保持的情况下，计算效率获得大幅提升。
-
公开(公告)号：CN116739923A
公开(公告)日：2023-09-12
申请号：CN202310605927.7
申请日：2023-05-26
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/045 , G06N3/0475 , G06N3/0985 , G06N3/084
Abstract: 基于元学习框架的人脸区域引导的图像盲复原方法，属于图像盲复原领域。本发明针对自然场景图像的盲复原方法复原结果质量差的问题。包括由低质量自然场景图像中截取低质量人脸图像；采用人脸复原网络、深度图像盲复原主干网络和自适应人脸评估模块对低质量人脸图像进行处理得到元学习框架的内循环损失，更新深度图像盲复原主干网络的参数；再采用更新后的深度图像盲复原主干网络对低质量自然场景图像进行复原，计算外循环的损失，再更新网络参数对网络进行训练；最后采用训练后深度图像盲复原主干网络结合人脸复原网络和自适应人脸评估模块进行参数微调后，对待复原自然场景图像进行高质量复原。本发明用于自然场景图像的高质量复原。
-
公开(公告)号：CN116628213A
公开(公告)日：2023-08-22
申请号：CN202310137507.0
申请日：2023-02-06
Applicant: 北京达佳互联信息技术有限公司 , 哈尔滨工业大学(深圳)
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/284 , G06N5/025 , G06F18/25
Abstract: 本公开关于一种实体关系的预测方法、装置、电子设备及存储介质，该方法包括：获取图像‑文本对中的文本的文本表示，所述图像‑文本对中的图像和所述文本包含至少一个相同的实体；获取三元组文本的三元组表示，所述三元组文本包括文本三元组文本和图像三元组文本；对所述文本表示和所述三元组表示进行信息融合处理，得到更新后的文本表示，更新后的文本表示包括所述文本三元组文本的信息和所述图像三元组文本的信息；基于更新后的文本表示，预测文本中的头实体和尾实体之间的关系类别。本公开中更新后的文本表示中融合了文本三元组文本的信息和图像三元组文本的信息，因此基于更新后的文本表示预测的头实体和尾实体之间的关系类别更加准确。
-
公开(公告)号：CN116563518A
公开(公告)日：2023-08-08
申请号：CN202310454466.8
申请日：2023-04-25
Applicant: 哈尔滨工业大学
Abstract: 不受图像边界限制的构图边界框推荐方法，本发明图像处理技术领域。解决了现有构图裁剪方法受限于图像边界的问题。本发明每个样本包括全视角图I、对全视角图I进行裁剪所获得的任意一个缺失视角图Iinit、以及缺失视角图Iinit在全视角图I内所对应的裁剪框合集，从样本集中随机抽取一个样本对缺失视角特征提取模块、特征补全模块和框回归模块进行训练，训练过程中，通过Iinit得到缺失视角特征图Zvis，利用Zvis预测外扩特征图Zpad，将Zpad和Zvis进行特征合并后，送入框回归模块进行构图边界框预测，并计算总损失值对缺失视角特征提取模块、框回归模块和特征补全模块的网络参数进行更新。本发明用于为相机视角推荐构图边界框。
-
Patent Agency Ranking
公开(公告)号：CN109684973B
公开(公告)日：2023-04-07
申请号：CN201811549357.X
申请日：2018-12-18
Applicant: 哈尔滨工业大学
Abstract: 基于对称一致性的卷积神经网络的人脸图像填充系统，属于图像填充技术领域，解决了现有基于卷积神经网络的人脸图像填充系统因无法保证所填充人脸的对称一致性而填充效果差的问题。所述人脸图像填充系统：光流网络将部分遮挡人脸图像及其水平翻转图像作为输入，将得到的光流向量作为使该水平翻转图像变形的绝对坐标，并通过双线性插值的方式使该水平翻转图像变形为形变翻转图。光照网络将部分遮挡人脸图像及其水平翻转图像作为输入，并通过得到的光照纠正系数来纠正形变翻转图的光照分布。对称缺失像素填充子系统将光照分布纠正后的形变翻转图及其对应的剩余遮挡模板作为其输入，输出缺失像素填充后的人脸图像。
-
公开(公告)号：CN109118379A
公开(公告)日：2019-01-01
申请号：CN201710483555.X
申请日：2017-06-22
Applicant: 腾讯科技(深圳)有限公司 , 哈尔滨工业大学
Inventor： 刘铭
IPC: G06Q50/00 , G06F16/9536
CPC classification number: G06Q50/01
Abstract: 本发明提出一种基于社交网络的推荐方法和装置，其中，方法包括：通过根据社交网络中各用户之间的社交关系，以及获取各目标对象之间的相似性建立图推荐模型，进而计算图推荐模型中，各结点的集中性，以便根据各结点的集中性，将所述结点对应的目标对象推荐给所述结点对应的用户。该图推荐模型是基于结点连接关系的图模型，通过结点连接关系指示存在社交关系的用户中对应待推荐目标对象之间的相似性，从而实现了将目标对象的推荐与用户之间的社交关系相结合，解决了现有技术中目标对象的推荐效果不佳的技术问题。
-
公开(公告)号：CN101995963A
公开(公告)日：2011-03-30
申请号：CN201010551084.X
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: G06F3/023
Abstract: 词汇自适应中文输入方法，本发明涉及一种计算机、手机、或者掌上电子产品等的词汇自适应的中文输入方法。它降低输入法的背景噪音，减少系统开销，实现个性化输入。它用于汉字输入。它包括下述步骤：输入汉语拼音字符串；进行音节切分；根据本地的通用词库中词的状态和已经加载到本地的领域专业词库的状态对音节串进行汉语语句转换；输出汉字字符串；搜索位于服务器端的领域专业词库并判断已输入汉语语句中是否包含位于服务器端的领域词库集中的词汇；如果存在这样的词汇，则将包含该词汇的领域专业词库加载到本地；根据选择确定的汉语语句输入，对位于本地的通用词库和已经加载到本地的领域专业词库中的词进行词汇状态调整。
-
公开(公告)号：CN119762891A
公开(公告)日：2025-04-04
申请号：CN202411973769.1
申请日：2024-12-30
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/25 , G06V10/44 , G06N5/022 , G06N3/0499 , G06N3/09
Abstract: 基于多模态大模型的工业图像异常检测方法，属于工业异常检测领域，本发明为解决多模态大模型进行工业异常检测时存在可扩展性和适应性差、在图像中识别微小异常能力弱的问题。本发明包括步骤1、基于工业异常检测数据集构建知识理解训练任务，步骤2、利用专家引导的图像采样模块预测异常图并提取N个感兴趣区域，将N个感兴趣区域连同输入的原图一起输入视觉编码器中，以提取视觉特征，并输出大语言模型能识别的视觉编码；步骤3、构建视觉语言对齐的工业异常检测指令集；步骤4、利用知识理解训练任务和工业异常检测指令集对多模态大模型进行微调；步骤5、利用训练好的多模态大模型对工业产品进行异常检测。
-
公开(公告)号：CN119516369A
公开(公告)日：2025-02-25
申请号：CN202411566294.4
申请日：2024-11-05
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感图像处理领域，具体涉及一种基于遥感图像的船舶检测方法。本发明针对现有的现有遥感图像进行船舶型号检测任务中识别准确率低的问题，提出了一种基于遥感图像的船舶检测方法。本发明为海上船舶的细粒度目标识别任务构建基于遥感图像的船舶检测模型；将待识别区域的舰船遥感图像输入训练好的基于遥感图像的船舶检测模型，得到待识别区域的舰船的船舶型号；将细粒度目标检测任务解耦为定位子任务和分类子任务，同时针对海上船舶训练样本短缺的问题，设计了基于CycleGAN的数据扩充策略和对比学习模块，提高了识别精度。解决了现有遥感图像的细粒度目标识别技术中存在因由于高视距，小目标，训练数据少等原因，导致识别精度差的问题。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.027 seconds)
