-
公开(公告)号：CN114691897A
公开(公告)日：2022-07-01
申请号：CN202210284064.3
申请日：2022-03-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/41 , G06F16/432 , G06F16/48 , G06N3/04
Abstract: 本发明公开了深度自适应多模态哈希检索方法及相关设备，本发明提供的方法，在面向多模态数据的哈希学习过程中先根据每一个模态数据的物理特性和特质，设计各自模态数据的特征学习网络，根据每次投入学习的训练样本中各个模态对最终共有特征的性能所做贡献大小，对每一个模态特征确定可学习的权重，根据权重来对各个模态的特征进行融合，实现了根据训练样本自身特性完成自适应权重的信息融合；使融合后的共有特征与哈希码的差异最小化，此过程加入从预设标签中提取的可伸缩语义特征，对哈希函数的参数进行自动更新，实现了特征空间与哈希空间的对齐，使用标签语义信息监督参数更新，能够提升多模态特征自适应融合能力和哈希学习的判别性表征能力。
-
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。
-
Patent Agency Ranking
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。
-
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：CN101196987B
公开(公告)日：2011-05-25
申请号：CN200710144914.5
申请日：2007-12-25
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种在线掌纹、手掌静脉图像身份识别方法及其专用采集仪，在线掌纹、手掌静脉图像采集仪由数码摄像机、可见光源、红外光源、散光纸、单片机控制器、通讯接口、计算机、仪器支架、仪器外壳、仪器箱体、和手掌箱体组成；仪器外壳固定在仪器支架上形成的仪器箱体内安装数码摄像机、可见光源、红外光源、散光纸、单片机控制器，数码摄像机、单片机控制器经通讯接口与计算机相连，手掌箱体与仪器箱体相通；本发明仪器用来获得比较高分辨率的掌纹图像和手掌静脉图像，具有实时采集、几乎同时获得掌纹和手掌静脉图像的优点，能满足在线身份识别的要求，本发明的身份识别方法具有较好的防伪性和较高的识别率。
-
公开(公告)号：CN101972138A
公开(公告)日：2011-02-16
申请号：CN201010534059.0
申请日：2010-11-08
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种具有成像环境标准、颜色保真性高、成像质量优、人机交互人性化特点的集成便携式标准化中医舌象获取设备。它是由摄像机、标准成像光源、模拟暗室环境的设备外壳、计算机、显示器、颌托、鼻托和标准色卡组成的，摄像机、标准成像光源、电源、监控电视、散热风扇、颌托和标准色卡置于模拟暗室环境的外壳内部，颌托位于最下边，鼻托位于中部，标准色卡位于颌托上部，标准成像光源设置在摄像机和标准色卡之间，散热风扇置于模拟暗室环境的外壳上部，摄像机连接计算机、计算机连接显示器。本发明适用于中医诊疗以及中医舌诊客观化研究，具有集成化程度高，成像环境标准，颜色保真性高，成像质量优以及人机交互人性化的特点。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.026 seconds)
