-
公开(公告)号：CN114202880A
公开(公告)日：2022-03-18
申请号：CN202111517765.9
申请日：2021-12-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种火灾检测方法、系统、智能终端及存储介质，其中，上述火灾检测方法包括：通过无线基站实时获取目标火灾检测传感器发送的连接请求信息，其中，上述目标火灾检测传感器是待检测区域中检测到火灾发生的火灾检测传感器；基于所有上述连接请求信息获取上述待检测区域的火灾信息；基于上述火灾信息进行火灾预警。与现有技术相比，本发明中只需要获取目标火灾检测传感器发送的连接请求信息即可获取待检测区域的火灾信息。连接请求信息与视频数据信息相比，数据量小，容易传输且传输速度快，同时传输质量不容易受到网络的影响，因此有利于提升火灾检测的效率、实时性和准确性，进而有利于提升消防安全。
-
公开(公告)号：CN114155465A
公开(公告)日：2022-03-08
申请号：CN202111440706.6
申请日：2021-11-30
Applicant: 哈尔滨工业大学(深圳)
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：CN114049408A
公开(公告)日：2022-02-15
申请号：CN202111348120.7
申请日：2021-11-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种本发明的提出了一种用于加速多模态MR成像的深度网络模型以及基于该模型的多模态MR成像方法。所述用于加速多模态MR成像的深度网络模型融合不同模态磁共振图像特征。该模型利用双支路Transformer产生的多尺度patch来表示不同的模态，并将它们进行合并，使之相互补充。本发明通过多模态交叉注意力机制实现基于Transformer的多模态MR成像的特征融合策略，每个分支都将另一个分支的特征作为键和值，然后使用它们进行有效查询，来从另一种模态中获得有用的信息。此外，两个分支的多尺度patch不仅可以捕获不同的结构信息，还可以捕获细微的像素级信息。结果表明，对于图像重建和超分这两个加速MR成像任务，该方法在定性和定量评价两个方面均优于其他多模态MR成像方法。
-
公开(公告)号：CN113592972A
公开(公告)日：2021-11-02
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：CN113505665A
公开(公告)日：2021-10-15
申请号：CN202110720198.0
申请日：2021-06-28
Applicant: 哈尔滨工业大学(深圳)
Inventor： 徐勇
Abstract: 本申请提供了一种基于视频的学生在校情绪判读方法以及装置。通过获取情绪样本图像集，并依据所述情绪样本图像集、基准分数以及单位矩阵建立情绪等级矩阵矢量；获取笑容样本图像集，并依据所述笑容样本图像集、所述基准分数以及所述单位矩阵建立笑容矩阵矢量；获取预设周期内的视频数据，所述视频数据包括目标学生群体的人脸图像；所述目标学生群体由若干学生个体组成；依据所述视频数据确定所述目标学生群体的个人列向量组集；依据所述个人列向量组集、所述情绪等级矩阵矢量、所述笑容矩阵矢量以及所述基准分数确定所述情绪状态异常的学生个体。通过将个人情绪综合评分低于预设排名的学生推送给相关教师和家长，有利于学生的心理健康成长。
-
Patent Agency Ranking
公开(公告)号：CN113221941A
公开(公告)日：2021-08-06
申请号：CN202110300345.9
申请日：2021-03-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/62
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：CN113158862A
公开(公告)日：2021-07-23
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。
-
公开(公告)号：CN112926675A
公开(公告)日：2021-06-08
申请号：CN202110300226.3
申请日：2021-03-22
Applicant: 哈尔滨工业大学(深圳)
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：CN110084118B
公开(公告)日：2021-01-15
申请号：CN201910229112.7
申请日：2019-03-25
Applicant: 哈尔滨工业大学(深圳) , 惠州市德赛西威汽车电子股份有限公司
Abstract: 本申请提供了一种行人检测训练数据库的建立方法、行人检测方法及装置，方法包括：在初始行人检测训练数据库中扩增指定数量的包含指定卧姿的行人样例图像数据，获得第一扩增数据库；将第一扩增数据库中的非卧姿行人样例图像数据进行基于颜色替换的行人样例图像扩增，获得第二扩增数据库；将第二扩增数据库中的非卧姿行人样例图像数据进行基于人体比例的行人样例图像扩增，获得行人检测训练数据库。通过增加指定卧姿行人样例图像数据和对非卧姿行人样例数据分别进行基于颜色替换和人体比例的扩增，提高数据库中行人样本的外观多样性；提出的对行人数据集进行卧姿行人样例图像的扩增，对驾驶环境下的行人检测具有克服技术偏见的重要意义。
-
公开(公告)号：CN110008862A
公开(公告)日：2019-07-12
申请号：CN201910220386.X
申请日：2019-03-22
Applicant: 哈尔滨工业大学(深圳) , 惠州市德赛西威汽车电子股份有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种车辆目标检测方法及相关装置，本发明通过设置在车辆一前一后的第一图像获取设备和第二图像获取设备来获取车辆前方目标或后方目标的图像作为第一视野原图和第二视野原图，并获取对应的目标检测结果图，根据第一目标检测结果图和第二目标检测结果图进行结果融合以获取最终的目标检测结果图，克服现有技术中单摄像头的单视野目标检测存在漏检的技术问题，提高了车辆目标检测准确性，降低漏检概率。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.041 seconds)
