-
公开(公告)号：CN114612961A
公开(公告)日：2022-06-10
申请号：CN202210138130.6
申请日：2022-02-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种多源跨域表情识别方法、装置及存储介质，方法包括:将预处理后的图像数据划分为源域数据和目标域数据;获取源域数据一致性标签，包括基于源域数据原有的标签学习一个标注模型，用于自动对源域数据进行重新标注；利用基于类别原型的度量学习方法学习跨域不变的特征表示，用于提高源域和目标域特征表示判别性，以及减小特征表示的差异性；对表情识别模型进行训练；将目标域数据输入训练好的表情识别模型中，得到目标域数据的最佳预测标签。本发明可从多个源域数据学习语义知识并将其迁移到目标域数据，提升跨域表情识别方法的泛化性能。
-
公开(公告)号：CN110633384B
公开(公告)日：2022-05-17
申请号：CN201910886814.2
申请日：2019-09-19
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/583 , G06V40/50 , G06V40/12
Abstract: 本发明提供了一种基于汗孔和多图匹配的高分辨率指纹检索方法，包括依次执行以下步骤：高分辨率指纹注册步骤：建立并计算从注册库的注册指纹中所提取的注册汗孔的二值化特征向量；汗孔检索步骤：建立并计算从测试指纹中提取的测试汗孔的二值化特征向量；多图匹配步骤：为每个测试汗孔提取所需的最近邻训练汗孔，采用多图匹配算法结合这些测试汗孔的空间分布关系去除错误的最近邻训练汗孔；输出步骤：最终根据汗孔检索步骤的结果推荐出候选指纹序列。本发明的有益效果是：1.本发明公开的高分辨率指纹检索方法，通过指纹中的汗孔局部特征进行检索，由于汗孔相对于其他特征更加丰富，该方法能有效提高指纹检索的精度。
-
公开(公告)号：CN110598666B
公开(公告)日：2022-05-10
申请号：CN201910886672.X
申请日：2019-09-19
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种高分辨率指纹汗孔匹配的方法，包括依次执行以下步骤：汗孔局部特征建立和局部相似度计算步骤：提取输入的指纹图片的汗孔，采用DAISY算法建立所提取汗孔的局部特征并计算所提取汗孔的局部相似度；共生描述子的建立和汗孔间相似度计算步骤：采用任意两个汗孔的局部描述子和汗孔间的位置关系建立共生描述子，基于共生描述子计算汗孔间的相似度，根据汗孔的相似度建立一对一的粗匹配；精匹配算法步骤。本发明的有益效果是：1.提出了一种基于共生描述子的汗孔相似度计算方法，该方法能有效提高汗孔相似度计算的精度；2.提出了基于局部拓扑结构一致性的精匹配算法，该算法能快速准确的去除错误匹配点。
-
公开(公告)号：CN111986190B
公开(公告)日：2022-03-18
申请号：CN202010884956.8
申请日：2020-08-28
Applicant: 哈尔滨工业大学(深圳) , 深圳富联富桂精密工业有限公司
Abstract: 本发明公开了一种基于伪影剔除的印刷品缺陷检测方法及装置，该方法包括：图像定位配准：基于linemod特征点定位配准算法，将标准模板图像与待检测印刷品目标图像进行定位配准；目标图像伪影剔除：将定位配准后的标准图像和目标图像分别划分为若干相同大小的子块，利用子块邻域滑动伪影剔除法剔除目标图像局部形变引起的伪影；提取最终差分图背景区域缺陷：对标准图像提取轮廓并做数学形态学膨胀运算，得到轮廓掩模，利用轮廓掩模覆盖法分割最终差分图为轮廓及非轮廓区域，提取及判别最终差分图非轮廓区域及轮廓区域中的缺陷，最后对缺陷进行整合并输出显示。本发明方法及装置可以成功检测脏污、残缺、重影、移位、划伤、漏印等缺陷。
-
公开(公告)号：CN113961727A
公开(公告)日：2022-01-21
申请号：CN202111067916.5
申请日：2021-09-13
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/41 , G06F16/45 , G06F16/901 , G06F16/906
Abstract: 本发明公开了一种跨媒体哈希检索方法、装置、终端及存储介质，方法包括：在样本数据集中选取至少一个样本数据组，得到目标训练批次；确定目标样本数据组对应的样本哈希特征；确定目标样本数据组对应的预测标签向量；根据目标样本数据组对应的样本标签向量获取目标样本数据组对应的标签哈希特征；根据样本哈希特征、标签哈希特征、样本标签向量、以及预测标签向量确定训练损失，根据训练损失对第一特征哈希学习网络和第二特征哈希学习网络的参数进行更新；采用参数收敛后的第一特征哈希学习网络确定第一媒体类型的数据的哈希码，采用参数收敛后的第二特征哈希学习网络确定第二媒体类型的数据的哈希码。本发明能够提升跨媒体哈希检索的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113409264A
公开(公告)日：2021-09-17
申请号：CN202110667489.8
申请日：2021-06-16
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种自动检测六龄牙龋齿的检测装置，包括：拍摄设备、网络云服务器，被配置成执行以下步骤：将儿童口腔区域图像输入到深度残差网络进行特征提取获取图像的特征图，并对特征图进行基于特征金字塔网络的特征增强处理；根据增强后的特征图的不同尺度选取对应的锚点框生成六龄牙候选框；将六龄牙候选框输入区域回归子网络获取六龄牙候选框到真实目标的坐标偏移量并根据坐标偏移量得到六龄牙区域的坐标数据；将六龄牙候选框输入区域分类子网络获取六龄牙的预测类别；最后将六龄牙区域的坐标数据以及预测类别进行合并输出，以提供诊断图像。本发明检测装置能够有效地进行儿童六龄牙龋齿智能检测和分类，提高儿童窝沟龋的诊断精度和效率。
-
公开(公告)号：CN116664898A
公开(公告)日：2023-08-29
申请号：CN202310525397.5
申请日：2023-05-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/762 , G06V10/77 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本申请公开了一种深度不完备多模态数据的聚类方法及相关装置，方法包括获取不完备多模态数据中的各模态的原始模态数据；根据模态特点构建神经网络来提取特定表征学习架构，通过多模态聚合模型提取各原始模态数据的模态特征，针对各原始模态数据的模态特征确定各原始模态数据的隐式数据表征，基于隐式数据表征确定基准表征；基于基准表征、模态特征及隐式数据表征训练多模态聚合模型，以得到目标公共数据表征；基于目标公共数据表征采用聚类分析算法确定不完备多模态数据的目标类别簇。本申请通过基于模态特征、隐式数据表征和公共表征对多模态聚合模型进行联合学习，可以避免因模态特征固定而导致无法采用最具区别性的特征的问题，从而可以有效地提升聚类精度。
-
公开(公告)号：CN113516639B
公开(公告)日：2023-05-12
申请号：CN202110743677.4
申请日：2021-06-30
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/045 , G06N3/09
Abstract: 本申请提供了基于口腔全景X光片的检测模型的训练方法，应用于通过口腔全景X光片进行口腔异常的检测；包括：获取样本图像和初始口腔异常检测模型，样本图像具有特征标注；通过特征提取模型提取样本图像的图像特征；通过特征识别模型对图像特征进行识别处理，得到样本图像的识别结果和与识别结果对应的置信参数，置信参数用于指示所述识别结果的置信度；基于识别结果、置信参数和特征标注确定损失函数；依据损失函数训练特征提取模型和特征识别模型，得到目标口腔异常检测模型。通过利用深度学习等人工智能技术辅助医生进行口腔全景X光片全面诊断、提高检查效率与便捷度具有重要应用价值和社会效益。
-
公开(公告)号：CN114612961B
公开(公告)日：2023-04-07
申请号：CN202210138130.6
申请日：2022-02-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V40/16 , G06V10/774
Abstract: 本发明公开了一种多源跨域表情识别方法、装置及存储介质，方法包括:将预处理后的图像数据划分为源域数据和目标域数据;获取源域数据一致性标签，包括基于源域数据原有的标签学习一个标注模型，用于自动对源域数据进行重新标注；利用基于类别原型的度量学习方法学习跨域不变的特征表示，用于提高源域和目标域特征表示判别性，以及减小特征表示的差异性；对表情识别模型进行训练；将目标域数据输入训练好的表情识别模型中，得到目标域数据的最佳预测标签。本发明可从多个源域数据学习语义知识并将其迁移到目标域数据，提升跨域表情识别方法的泛化性能。
-
公开(公告)号：CN113961727B
公开(公告)日：2022-10-21
申请号：CN202111067916.5
申请日：2021-09-13
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/41 , G06F16/45 , G06F16/901 , G06F16/906
Abstract: 本发明公开了一种跨媒体哈希检索方法、装置、终端及存储介质，方法包括：在样本数据集中选取至少一个样本数据组，得到目标训练批次；确定目标样本数据组对应的样本哈希特征；确定目标样本数据组对应的预测标签向量；根据目标样本数据组对应的样本标签向量获取目标样本数据组对应的标签哈希特征；根据样本哈希特征、标签哈希特征、样本标签向量、以及预测标签向量确定训练损失，根据训练损失对第一特征哈希学习网络和第二特征哈希学习网络的参数进行更新；采用参数收敛后的第一特征哈希学习网络确定第一媒体类型的数据的哈希码，采用参数收敛后的第二特征哈希学习网络确定第二媒体类型的数据的哈希码。本发明能够提升跨媒体哈希检索的准确性。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.032 seconds)
