-
公开(公告)号：CN116453097A
公开(公告)日：2023-07-18
申请号：CN202310305680.7
申请日：2023-03-27
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学芜湖机器人产业技术研究院
IPC: G06V20/60 , G06V20/70 , G06V10/774 , G06V10/778
Abstract: 本发明属于羽毛球质量检测技术领域，具体涉及一种基于VIT的羽毛球头软木图像识别方法及其分拣方法，为了解决目前羽毛球头软木人工分拣效率低的问题，本方案通过步骤一：采集羽毛球头软木图像，人工标注得到标签；步骤二：对存在软木圆片进行图像采集，构建负例样本集，同时从良品中抽取部分进行图像采集，构建正例样本集；步骤三：对负例样本进行增强，缓解不良品不足的限制，达到正负例样本的平衡；步骤四：对样本进行扩容；步骤五：依据扩容后的样品数量进行离线训练，进而得到深度学习模型的参数；步骤六：根据深度学习模型结果，按照软木圆片质量的判断逻辑，判定四种质量等级，完成羽毛球头软木的自动识别与分拣，提高分拣效率和分拣精度。
-
公开(公告)号：CN116452514A
公开(公告)日：2023-07-18
申请号：CN202310284121.2
申请日：2023-03-22
Applicant: 哈尔滨工业大学 , 哈尔滨工业大学芜湖机器人产业技术研究院
Abstract: 一种利用Transformer深度学习模型检测羽毛球球头质量的方法，属于羽毛球质量检测技术领域，本发明为了解决当前我国羽毛球球头生产中的质量评估存在效率低下、品质不稳定、一致性差的问题，本申请所述方法通过利用对软木圆片的质量分级检测、对球头圆润度检测和对皮革缺陷检测三个关键的自动化识别技术的整合运用，实现了对球头的整体进行全面检测，保证了球头质量评估的准确性，本申请主要用做对羽毛球球头质量检测的方法。
-
公开(公告)号：CN118015657B
公开(公告)日：2025-04-18
申请号：CN202410154316.X
申请日：2024-02-02
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V10/74 , G06V10/44 , G06N3/0455 , G06N3/0499 , G06N3/088
Abstract: 本发明公开了基于模态不变性建模的无监督行人重识别方法及系统，属于行人重识别技术领域。通过利用模态间风格迁移模型对图像风格进行处理；利用模态对比损失提升在线编码器对模态差异的鲁棒性；计算原始图像与最相似的k个图像之间的特征相似度，计算对应生成图像与对应k个生成图像之间的特征相似度；基于两组特征相似度计算模糊性并选择可靠图像；利用簇对比损失函数、困难样本对比损失函数和模态对比损失函数对在线编码器进行优化并更新平均编码器；最后对待测数据进行特征提取，以在跨模态场景中确定具有指定身份的行人图像。本发明解决了现有技术通常会受到困难样本和噪声标签影响的技术问题，优化了跨模态行人重识别场景中的综合性能。
-
公开(公告)号：CN118262785A
公开(公告)日：2024-06-28
申请号：CN202410357801.7
申请日：2024-03-27
Applicant: 哈尔滨工业大学
Abstract: 一种基于层次图建模的蛋白质相互作用调节剂预测方法，它属于计算机与药物筛选的交叉技术领域。本发明解决了传统PPIM预测方法的准确率、效率低，以及复杂度高的问题。本发明利用图注意力网络在原子和官能团水平上学习给定化学结构的特征，克服了传统机器学习模型需要依赖人工筛选和提取分子特征的局限性，降低了预测方法的复杂度。并利用超图注意力网络聚集和转换两个层次的分子结构信息，克服了现有方法无法捕捉层次信息的问题。本发明通过捕获多尺度子结构模式，能够学习PPIM的有效表示，从而提高PPIM预测的准确性和效率，保证PPIM预测的有效性。本发明方法可以应用于蛋白质相互作用调节剂预测。
-
公开(公告)号：CN112860904A
公开(公告)日：2021-05-28
申请号：CN202110367973.9
申请日：2021-04-06
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/36 , G06F40/205 , G06F40/30
Abstract: 一种融入外部知识的生物医疗关系抽取方法，涉及自然语言处理技术领域，针对远程监督技术的训练数据存在噪声干扰的问题，本申请提出的生物医疗实体关系抽取方法，更为充分的利用句子间和句子内部丰富的语义信息和结构信息以及生物医疗实体在外部知识库中的信息，降低数据集中存在的噪声干扰，使得模型更为稳定，能得到更为准确的关系预测。
-
Patent Agency Ranking
公开(公告)号：CN118015657A
公开(公告)日：2024-05-10
申请号：CN202410154316.X
申请日：2024-02-02
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V10/74 , G06V10/44 , G06N3/0455 , G06N3/0499 , G06N3/088
Abstract: 本发明公开了基于模态不变性建模的无监督行人重识别方法及系统，属于行人重识别技术领域。通过利用模态间风格迁移模型对图像风格进行处理；利用模态对比损失提升在线编码器对模态差异的鲁棒性；计算原始图像与最相似的k个图像之间的特征相似度，计算对应生成图像与对应k个生成图像之间的特征相似度；基于两组特征相似度计算模糊性并选择可靠图像；利用簇对比损失函数、困难样本对比损失函数和模态对比损失函数对在线编码器进行优化并更新平均编码器；最后对待测数据进行特征提取，以在跨模态场景中确定具有指定身份的行人图像。本发明解决了现有技术通常会受到困难样本和噪声标签影响的技术问题，优化了跨模态行人重识别场景中的综合性能。
-
公开(公告)号：CN112860904B
公开(公告)日：2022-02-22
申请号：CN202110367973.9
申请日：2021-04-06
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/36 , G06F40/205 , G06F40/30
Abstract: 一种融入外部知识的生物医疗关系抽取方法，涉及自然语言处理技术领域，针对远程监督技术的训练数据存在噪声干扰的问题，本申请提出的生物医疗实体关系抽取方法，更为充分的利用句子间和句子内部丰富的语义信息和结构信息以及生物医疗实体在外部知识库中的信息，降低数据集中存在的噪声干扰，使得模型更为稳定，能得到更为准确的关系预测。
-
公开(公告)号：CN112860903A
公开(公告)日：2021-05-28
申请号：CN202110366544.X
申请日：2021-04-06
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F16/36 , G06F40/205 , G06F40/30
Abstract: 一种融入约束信息的远程监督关系抽取方法，涉及自然语言处理技术领域，为了解决基于远程监督的关系抽取中所出现的标签噪声问题和长尾关系问题，采用本申请提出的关系抽取方法，可以通过引入实体类型信息和关系约束信息来丰富关系抽取模型的背景知识，从而有效增强关系抽取模型在噪声环境下的鲁棒性和准确率；另外还可以利用GCN的邻居聚合机制，促进信息在数据丰富的头部关系和数据匮乏的长尾关系之间的传播，从而增强长尾关系的表示学习。本申请能够充分利用约束图中的信息，同时解决远程监督关系抽取中的标签噪声问题和长尾关系问题。
-
公开(公告)号：CN115862087B
公开(公告)日：2023-06-23
申请号：CN202211178254.3
申请日：2022-09-26
Applicant: 哈尔滨工业大学
IPC: G06V40/16 , G06V10/762 , G06V10/774
Abstract: 本发明公开了一种基于可靠性建模的无监督行人重识别方法及系统，属于行人重识别技术领域，其中，该方法包括：利用平均编码器对训练数据特征提取并进行聚类，为每个样本分配伪标签并计算簇质心；为每个平均特征计算平均概率向量，进而和伪标签计算伪标签确定性；利用在线编码器对训练数据特征提取，为每个在线特征计算在线概率向量，基于在线和平均概率向量计算伪标签稳定性；基于确定性和稳定性计算伪标签的可靠性，并使用质心对比损失和身份困难对比损失对在线编码器进行优化，再利用优化后的在线编码器对平均编码器进行优化，最终利用优化后的平均编码器对待测数据进行特征提取以寻找具有指定身份的行人图像。
-
公开(公告)号：CN116229510A
公开(公告)日：2023-06-06
申请号：CN202310148333.8
申请日：2023-02-21
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V10/774 , G06V10/762 , G06V10/40 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 一种无监督跨模态行人重识别方法，解决了现有跨模态行人重识别方法依赖于标注数据的问题，属于行人重识别技术领域。本发明包括：将三个单通道的行人可见光数据集分别与红外数据集中对应行人图像组合；利用动量编码器M对组合后的进行特征提取及聚类，确定各个簇的训练样本集合，并确定伪标签和每个簇的质心；计算各个簇中图像的交并比，得到的交并比作为聚类一致性矩阵中的元素，对矩阵中达到阈值的元素所对应簇的交集作为精炼结果，利用softmax损失函数、困难三元组损失函数以及模态对比损失函数对E进行优化，基于优化后的E对M进行更新；利用更新后的M对待测数据集中三通道可见光及红外的行人图像进行识别。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.03 seconds)
