-
公开(公告)号：CN107833213B
公开(公告)日：2020-09-22
申请号：CN201711066445.X
申请日：2017-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于伪真值自适应法的弱监督物体检测方法，是为了解决现有的全监督物体检测器需依靠大量有标注信息的数据库，以及当图片中含多个物体且物体相互遮挡时物体位置检测不准确的缺点而提出的，包括：将图片输入到弱监督物体检测器中，将检测器输出结果进行非极大抑制处理，在处理结果中选取每种物体得分最高的边界框；根据选出的边界框的位置信息训练候选区域产生网络，并保留与得分最高的边界框重合面积大于一定值的边界框，将对应于同一个物体的候选区域的像素坐标求平均值，根据计算结果确定每个物体的唯一边界框；将边界框信息作为伪真值输入给全监督物体检测器。本发明适用于物体检测技术，尤其是真实场景中的一般物体检测技术。
-
公开(公告)号：CN107730553B
公开(公告)日：2020-09-15
申请号：CN201711065776.1
申请日：2017-11-02
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于伪真值搜寻法的弱监督物体检测方法，是为了解决现有的全监督物体检测器需要依靠大量的有标注信息的数据库，以及当图片中含有多个物体且物体相互遮挡时物体位置检测不准确而提出的，包括：将训练样本中的图片输入到弱监督物体检测器中；将弱监督物体检测器的输出结果进行非极大抑制处理(NMS)，将超过预定的得分阈值的边界框保留；在保留下来的边界框中，删除被完全包含在其他边界框中的边界框；计算该边界框与其他边界框的重合面积，将重合面积大于一定阈值的边界框进行融合；将融合后的边界框的信息作为伪真值信息输入给全监督物体检测器，得到检测结果。本发明适用于物体检测技术，尤其是真实场景中的一般物体检测技术。
-
公开(公告)号：CN111611932A
公开(公告)日：2020-09-01
申请号：CN202010440430.0
申请日：2020-05-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了基于全卷积网络的遥感图像云检测方法、终端及存储介质，所述基于全卷积网络的遥感图像云检测方法包括：获取待检测遥感图像；利用训练好的全卷积网络对所述待检测遥感图像进行处理，得到所述待检测遥感图像的云检测结果，其中，所述全卷积网络包括挤压激励密集网络，所述挤压激励密集网络包含编码模块和解码模块，所述编码模块包含至少一层编码网络，所述解码模块包含至少一层解码网络，其中：所述编码网络包括级联连接的挤压激励密集块和下采样层，所述解码网络包括级联连接的上采样层和挤压激励密集块，所述挤压激励密集块包含级联连接的挤压激励子网络和密集卷积子网络。本发明可提升遥感图像云检测结果的精确度。
-
公开(公告)号：CN106843847B
公开(公告)日：2020-05-26
申请号：CN201611223171.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 基于窗体间数据传递的可在线配置通用化软件的开发方法，涉及一种通用化软件的开发方法。为了解决现有的软件开发方法在软件开发过程中对软件测试时需要先将通用配置项保存至第三方软件并需要加载第三方软件保存的通用配置项才能开展测试工作、且不支持在线修改配置项而存在的测试效率低的问题，本发明将所有硬件资源及其对应的属性参数按照编号合理分配在配置界面上，开始测试任务时利用窗体间数据传递技术在线实时将所述的有效配置结果传递给测试界面，测试界面根据接收当前最新的有效配置结果对总硬件资源进行重构，测试界面通过与重构后硬件资源进行信息交互，实现并完成测试任务，进而实现通用化软件的开发。本发明适用通用化软件的开发。
-
公开(公告)号：CN111144423A
公开(公告)日：2020-05-12
申请号：CN201911369736.5
申请日：2019-12-26
Applicant: 哈尔滨工业大学
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。
-
Patent Agency Ranking
公开(公告)号：CN109145958B
公开(公告)日：2019-11-08
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：CN106586041A
公开(公告)日：2017-04-26
申请号：CN201611237960.5
申请日：2016-12-28
Applicant: 哈尔滨工业大学
IPC: B64G7/00
CPC classification number: B64G7/00
Abstract: 本发明涉及一种用于深空探测的火星目标模拟方法，属于深空探测应用领域。为了解决现有现有技术缺少一种能够对火星的位置、大小、轮廓、成像方位、成像灰度进行模拟的方法，在工程实践中存在技术空白的缺点，而提出一种用于深空探测的火星目标模拟方法。包括：将火星中心坐标从日心黄道坐标系变换到显示器平面坐标系和投影仪坐标系；根据火星探测器的成像视场和火星与火星探测器的相对距离关系计算出火星的成像大小；模拟火星被太阳照亮的区域以及未被照亮的区域；根据太阳、火星、探测器的相对位置关系计算火星轮廓的成像方位；将火星的星等映射到计算机的灰度，以显示在界面上。本发明适用于深空探测模拟软件。
-
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：CN118941870A
公开(公告)日：2024-11-12
申请号：CN202411056528.0
申请日：2024-08-02
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/40 , G06V10/774
Abstract: 一种面向遥感场景的多光谱点云分类方法，本发明涉及多光谱点云分类方法。本发明的目的是为了解决现有基于机器学习的多光谱点云分类方法分类效果较差，基于深度学习的多光谱点云分类方法需要大量手动标注的真值辅助训练的问题。过程为：利用网格平衡采样方法对多光谱点云进行处理，获得训练与测试样本；构建特征聚合网络；构建多分类头与自适应混合损失模块；获得训练好的特征聚合网络和多分类头与自适应混合损失模块；将待测多光谱点云输入训练好的特征聚合网络，训练好的特征聚合网络输出特征输入训练好的多分类头与自适应混合损失模块，训练好的多分类头与自适应混合损失模块输出分类预测结果。本发明属于多光谱点云分类领域。
-
公开(公告)号：CN117452371A
公开(公告)日：2024-01-26
申请号：CN202311397655.2
申请日：2023-10-25
Applicant: 哈尔滨工业大学
Abstract: 基于激光雷达物理模型的高分辨率波形分解方法及设备，属于全波形激光雷达波形数据处理技术领域。为了解决现有的波形分解方法受到激光雷达系统发射脉冲宽度限制而不能实现波形的高分辨率分解问题。本发明将光斑微分为相邻的小光斑，使用两个高斯函数的叠加来建立发射脉冲模型，并基于对应建立接收到回波信号的波形模型；进而分离激光雷达发射脉冲和回波信号，得到窄发射脉冲和对应的回波信号，针对窄发射脉冲和对应的回波信号，利用反卷积算法恢复目标散射截面函数，将其作为两个目标的散射截面函数之和并使用三次样条分解；将目标散射截面函数依次分解后，通过将目标散射截面函数与发射脉冲卷积得到子回波信号。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.03 seconds)
