-
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：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：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：CN112699377A
公开(公告)日：2021-04-23
申请号：CN202011613496.1
申请日：2020-12-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于切片属性图表示学习的函数级代码漏洞检测方法，首先引入新的切片准则，并提出切片属性图的概念，基于切片准则和程序切片技术生成代码的切片属性图，提取与漏洞候选关键点有依赖关系的图结构信息、节点属性信息和代码上下文信息；然后，利用关系图卷积神经网络并结合基于节点和子图的双重注意力机制，对切片属性图进行表示学习，以学习更全面、更准确的漏洞模式；最后对各个切片属性图的漏洞识别结果进行融合实现函数级别的漏洞检测，并确定漏洞候选语句的集合以及与漏洞相关联的语法要素。该方法能覆盖更多的漏洞候选关键点，充分学习和表示漏洞相关的结构、属性和上下文信息，提高漏洞检测的准确率。
-
公开(公告)号：CN103150254B
公开(公告)日：2015-05-13
申请号：CN201310099998.0
申请日：2013-03-26
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 基于状态依赖概率建模的软件错误定位方法，本发明涉及计算机程序分析领域。本发明是要解决传统的软件错误定位方法定位精度低的问题，而提供了基于状态依赖概率建模的软件错误定位方法。步骤1：分别执行正确测试用例和错误测试用例，并分别对正确测试用例和错误测试用例建立状态依赖概率模型；步骤2：在步骤1的基础上，根据状态依赖概率模型，计算每个节点的可疑度；步骤3：将错误定位信息按可疑度进行降序排列，可疑度高的节点认定为更有可能出错的节点，即完成了对基于状态依赖概率建模的软件的错误进行定位。本发明应用于计算机程序分析领域。
-
Patent Agency Ranking
公开(公告)号：CN102230979A
公开(公告)日：2011-11-02
申请号：CN201110175231.2
申请日：2011-06-27
Applicant: 哈尔滨工业大学
IPC: G02B3/08
Abstract: 批量制备具有连续浮雕结构的二元光学元件的方法，它涉及一种批量制备二元光学元件的方法。本发明为了解决现有光学加工技术在连续浮雕结构的二元光学元件的批量制备中存在高成本、低精度、低效率的问题。本发明采用金刚石刀具对非铁基材料的工件表面进行车削预加工处理；将经过车削预处理的非铁基材料的工件进行金刚石超精密车削加工，完成二元光学元件压模的制备；将压模采用微热压印成型技术压印到聚合物上；采用刻蚀技术或者剥离技术将聚合物上的连续浮雕结构转移至石英材料上，最终获得材料为石英的光学元件；重复上述步骤即可完成对具有连续浮雕结构的二元光学元件的批量制备。本发明适用于二元光学元件的批量制备。
-
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。
-
公开(公告)号：CN115862087A
公开(公告)日：2023-03-28
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：CN106874074A
公开(公告)日：2017-06-20
申请号：CN201611218952.6
申请日：2016-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于软件事务内存的并发缺陷规避系统及方法，所述系统由事务自动划分模块、可回滚内存模块、可回滚I/O模块、条件变量处理模块和加锁解锁处理模块5个模块构成，所述方法为：一、实现对目标程序的自动事务划分；二、实现内存事务化；三、实现执行流的可回滚化；四、实现I/O事务化；五、实现对死锁、数据竞争、原子性违背和顺序违背的有效规避。本发明能够自动事务化C/C++多线程程序、合理处理条件变量、支持普通文件和字符文件在系统层面、C语言层面和C++语言层面的事务化I/O和消除包括死锁、数据竞争、原子性违背和顺序违背在内的多种并发缺陷。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
