-
公开(公告)号：CN114155465B
公开(公告)日：2024-11-15
申请号：CN202111440706.6
申请日：2021-11-30
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V20/40 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多场景火焰检测方法、设备及存储介质。属于图像检测领域。本发明的多场景火焰检测方法可以获取待检测图像信息；通过预设的筛选模型对待检测图像信息进行筛选处理，生成运动区域图；对运动区域图进行颜色分析处理，得到差分数值；将差分数值与预设的第一判别阈值进行比对，得到比对结果；其中比对结果包括第一比对结果或者第二比对结果；当接收到第一比对结果时，根据待检测图像信息计算生成判别置信度，并与预设的第二判别阈值进行比对，得到判别数据；当接收到第一判别数据时，根据预设的检测模型检测待检测图像信息，生成第一场景信息或者第二场景信息，该方法能够自动且准确的监测多场景下的火焰图形。
-
公开(公告)号：CN110135520B
公开(公告)日：2024-11-15
申请号：CN201910446754.2
申请日：2019-05-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/23213 , G06F18/2323 , G06V10/762
Abstract: 本发明提供了一种基于图补全和自适应视角权重分配的不完备多视角聚类方法、装置、系统及存储介质，该不完备多视角聚类方法包括：步骤1，多视角仿射图的构建及补全步骤：归一化各视角中的样本实例，构建并补全各视角的仿射图；步骤2，学习各视角间一致的低维表征步骤：迭代求取各视角间一致的低维表征；步骤3，聚类步骤：归一化全局低维表征并使用传统的单视角聚类方法（如k‑means）得到聚类类别。本发明的有益效果是：本发明通过相似图补全技术和视角权重鉴别因子的引入，有效地捕捉了数据的本质结构，提高了聚类性能。
-
公开(公告)号：CN113221941B
公开(公告)日：2024-01-09
申请号：CN202110300345.9
申请日：2021-03-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/2413 , G06F18/27 , G06F18/214
Abstract: 本发明提供了一种自适应对称图信息传播的鉴别回归分类方法，模型训练步骤包括：步骤1：采用范数归一化对训练数据进行预处理；步骤2：通过交替迭代优化得到回归分类模型的投影矩阵；测试数据分类步骤包括：步骤一：采用范数归一化策略对测试数据和训练数据进行预处理；步骤二：依据训练数据训练得到的投影矩阵，将训练数据集和测试数据投影到目标子空间；步骤三：计算投影后的测试数据与训练数据的欧式距离，然后依据该欧式距离得到测试数据的分类结果。本发明的有益效果：本发明引入自适应鉴别标签学习技术，根据数据给定的不灵活的标签信息自适应得到更灵活、更具鉴别力的标签矩阵，同时在自适应相似图挖掘和图信息扩散保持约束下，得到更具鉴别力的分类投影矩阵，进而获得更高的分类精度。
-
公开(公告)号：CN113592972B
公开(公告)日：2023-11-14
申请号：CN202110873802.3
申请日：2021-07-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供一种基于多模态聚合的磁共振图像重建方法及装置。方法包括：获取样本图像和图像处理网络；样本图像包括全采样第一样本图像，全采样第二样本图像和欠采样第二样本图像；图像处理网络包括频域处理网络和图像域处理网络；将样本图像输入频域处理网络，依据频域重建结果生成频域损失函数；将频域重建结果输入图像域处理网络，依据图像域重建结果生成图像域损失函数；依据频域损失函数和图像域损失函数对图像处理网络进行训练，生成混合域学习网络；获取全采样第一目标图像和欠采样第二目标图像并输入混合域学习网络，生成无伪影第二目标图像。本申请能够从全采样的辅助模态图像和欠采样的目标模态图像中重建出无混叠伪影的目标模态图像。
-
公开(公告)号：CN113158862B
公开(公告)日：2023-08-22
申请号：CN202110394121.9
申请日：2021-04-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于多任务的轻量级实时人脸检测方法，首先将带有标签信息的人脸图像送入轻量级卷积神经网络模型进行训练，然后将待检测图片输入训练好的轻量级卷积神经网络模型中进行检测，得到预测数据。所述轻量级卷积神经网络模型使用DFace‑MobileNetV1作为主干网络对将待检测图片进行特征提取，然后送入GLFPN中对特征图中的全局信息与局部信息进行融合，并传入DSSH进行上下文特征的抽取，最后由MultiHead输出预测数据。为增强对离群点人脸的检测能力，本发明提出了基于离群样本补偿的交并比匹配算法；为促进特征图在人脸区域产生更大的响应，本发明利用弱监督分割预测来辅助学习。本发明在保证实时运行速度的情况下，进一步降低了人脸检测精度的损失。
-
Patent Agency Ranking
公开(公告)号：CN112926675B
公开(公告)日：2023-08-18
申请号：CN202110300226.3
申请日：2021-03-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/2431 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明提供了一种视角和标签双重缺失下的深度不完整多视角多标签分类方法，包括网络模型训练步骤和测试样本标签预测步骤。本发明的有益效果是：本发明不仅适用于任何不完整/完整多视角多标签分类情形；而且同样适用于半监督分类和全监督分类情形。本发明具有很高的实时性，能够实时在线处理完整/不完整多视角多标签数据的分类任务。
-
公开(公告)号：CN116451892A
公开(公告)日：2023-07-18
申请号：CN202310327030.2
申请日：2023-03-24
Applicant: 哈尔滨工业大学(深圳)
IPC: G06Q10/047 , G06Q50/26 , G06Q50/30 , G06T17/00
Abstract: 本发明涉及地铁公共安全技术领域，具体是涉及一种地铁站火灾的人群疏散方案的制定方法和相关装置。本发明首先构造用于表征地铁空间结构的元胞空间模型，用元胞空间模型中的各个子元胞代表地铁站内的各个物体，基于地铁站出口与每个子元胞之间的距离计算地铁站出口对每个子元胞的吸引力。之后用引导员在各个子元胞处产生的引导程度表征引导员在各个子元胞处产生的影响力值。然后基于吸引力和影响力值，设定各个子元胞适用于构建疏散路径的程度。最后基于移动概率，确定人群疏散方案。本发明在制定疏散方案时，充分考虑了引导员的引导因素，因此本发明制定的疏散方案能够适用于有引导员的地铁站，借助引导员的引导作用能够提高人群疏散效果。
-
公开(公告)号：CN109658344B
公开(公告)日：2022-10-25
申请号：CN201811338660.5
申请日：2018-11-12
Applicant: 哈尔滨工业大学(深圳) , 深圳云安宝科技有限公司
Abstract: 本发明公开了一种基于深度学习的图像去噪方法，搭建神经网络图像去噪模型，选取训练集，并设置训练参数；根据神经网络图像去噪模型及其训练参数，以最小平方差函数作为损失函数，应用在模型训练过程，形成深度学习的神经网络图像去噪模型；将待处理的图像输入到所述神经网络图像去噪模型，输出去噪后的无噪声图像，根据噪声的分布程度引入相应的权重到网络模型中，为了防止梯度消失或者梯度爆炸的情况，引入残差学习过程，并采用LN横向规范化形式将经过卷积层得到特征进行归一化来统一数据的分布，使数据保存在相同的范围，并加快网络收敛速度，可广泛适用于高斯噪声、真实图像噪声、超分辨等低水平视觉的图像任务处理过程。
-
公开(公告)号：CN110458198B
公开(公告)日：2022-03-29
申请号：CN201910633575.X
申请日：2019-07-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/776 , G06V10/82 , G06V10/774 , G06V20/52 , G06V40/10 , G06V40/16 , G06K9/62
Abstract: 本发明公开了多分辨率目标识别方法及装置。涉及目标识别领域，其中，方法通过获取待测区域第一分辨率的第一图像，利用目标检测模型进行第一目标检测，得到第一辨识结果及对应的置信度，当置信度大于预设置信度时直接输出第一辨识结果，否则获取预设范围第二分辨率的第二图像，利用目标检测模型在第二图像中进行第二目标检测，获得第二辨识结果并输出，其中第二分辨率大于第一分辨率，实现了通过低分辨率进行大范围监控，当出现待测目标时，提高分辨率对待测目标进行辨识和确认，通过两种分辨率的状态切换，平衡识别效率和占用内存，提高了目标识别检测的效率和适用范围，可广泛应用于目标识别及相关领域。
-
公开(公告)号：CN114155379A
公开(公告)日：2022-03-08
申请号：CN202111422856.4
申请日：2021-11-26
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种图像处理方法和装置、计算机设备、计算机可读存储介质。通过对欠采样目标图像和全采样辅助图像进行特征提取处理，以得到欠采样目标特征图和全采样辅助特征图，对欠采样目标特征图进行降维处理得到欠采样目标对比度通道特征，并对全采样辅助特征图进行降维处理得到全采样辅助对比度通道特征，根据欠采样目标对比度通道特征和所述全采样辅助对比度通道特征进行对比度通道特征相似处理，以得到相似对比度通道特征集合；根据相似对比度通道特征集合和所述欠采样目标对比度通道特征进行特征融合，得到融合图像。本发明的融合图像是根据相似对比度通道特征集合和欠采样目标对比度通道特征进行图像重建，保证了图像重建的质量。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.042 seconds)
