-
公开(公告)号：CN117828766A
公开(公告)日：2024-04-05
申请号：CN202311868508.9
申请日：2023-12-29
Applicant: 哈尔滨工业大学 , 北京控制与电子技术研究所
IPC: G06F30/15 , G06F30/28 , G06F111/10
Abstract: 小行星防御撞击器轨道仿真系统，属于小行星防御领域。本发明解决了现有撞击器撞击轨道模拟方法获得的轨道存在精度差，不适用于实际撞击情况的问题。本发明所述的仿真模拟系统利用小行星型号信息经数据通信连接模块访问数据库调取小行星星际空间场景数据和撞击器信息，对撞击器与小行星的撞击过程进行模拟，根据撞击时刻撞击器与小行星的相对速度、撞击位置、撞击倾角及撞击后的轨迹对撞击器的轨道进行优化，将优化后的撞击器的轨道发送至人机交互模块。本发明适用于撞击器轨道确定。
-
公开(公告)号：CN117725758A
公开(公告)日：2024-03-19
申请号：CN202311857103.5
申请日：2023-12-29
Applicant: 哈尔滨工业大学 , 北京控制与电子技术研究所
IPC: G06F30/20 , G06F30/15 , G06F111/10 , G06F119/14
Abstract: 基于动力学的目标小行星和撞击器轨道仿真方法，属于航天技术及其应用的技术领域。本发明是为了解决现有小行星撞击模拟过程存在精度和稳定性差的问题。本发明建立小行星轨道动力学方程，将所述位置矢量代入所述小行星轨道动力学方程，递推获取小行星的运动轨道模型；建立撞击器轨道动力学方程，将所述撞击器的初始三维位置、速度和加速度代入撞击器轨道动力学方程，结合目标小行星的运动轨道模型，递推获取撞击器初始位置到距离目标小行星Skm的首段轨道模型；利用首段模型，建立撞击器末段的全动力学方程，获取撞击器距离目标小行星Skm位置至撞击器与目标小行星撞击点之间的轨道模型。主要用于撞击器轨道模拟。
-
公开(公告)号：CN119942178A
公开(公告)日：2025-05-06
申请号：CN202411904099.8
申请日：2024-12-23
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/091
Abstract: 一种由视觉语言大模型和弱监督物体检测器引导的主动学习初始化方法，属于计算机视觉中物体检测器的初始化技术领域。本发明针对现有主动学习物体检测技术初始化阶段标注代价高及视觉语言大模型检测结果的召回率低的问题。包括采用视觉语言大模型通过类相关提示询问获得输入图像中待检测类别数目，再获得空间坐标检测结果；反复迭代检测过程获得最终空间坐标检测结果；同时获得输入图像的候选区域；再结合图像级别标签训练弱监督物体检测器，并获得物体定位检测结果；对最终空间坐标检测结果和物体定位检测结果进行融合，获得伪真值，用于主动学习初始化阶段对全监督物体检测器进行训练。本发明平衡了主动学习初始化过程中标注代价和检测性能。
-
公开(公告)号：CN119723202A
公开(公告)日：2025-03-28
申请号：CN202411904100.7
申请日：2024-12-23
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/091
Abstract: 一种基于不确定性和多样性获取函数的主动学习方法，属于计算机视觉中物体检测器的主动学习领域。本发明针对现有主动学习过程利用的初始化后的物体检测器不能深层次挖掘有价值图像的特征的问题。包括：采用基于图像级标签训练好的弱监督物体检测器和部分实例级标签初始化的全监督物体检测器对训练集中已标注真值或伪真值的图像进行检测，根据检测结果计算实例级困难分数、类级困难分数及类相同权重；再对未标注实例级标签图像进行检测，基于类相关权重和熵计算图像级困难分数并确定候选图像；根据对候选图像的检测结果计算每两幅候选图像的相似度，确定候选图像的聚类中心，聚类后确定有价值图像。本发明能够进一步地精炼全监督的物体检测器。
-
-
Patent Agency Ranking
公开(公告)号：CN111062403B
公开(公告)日：2022-11-22
申请号：CN201911369737.X
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有的基于深度学习方法需要大量标记的训练样本学习模型的参数，存在针对高光谱遥感数据标记训练样本稀少的情况光谱特征提取效果差的问题。本发明所述方法利用D个一维滤波器对归一化数据进行卷积操作，在特征通道方向分成g组；每组利用多个一维滤波器进行一维卷积操作，将每组卷积结果在特征通道方向上堆栈在一起；进行全局和局部相关性并进行加权，洗牌，然后进行一维卷积操作，提取光谱特征；进而确定高光谱遥感数据深度光谱特征提取模型，训练高光谱遥感数据深度光谱特征提取模型。本发明用于高光谱遥感数据深度光谱特征的提取。
-
公开(公告)号：CN114415254A
公开(公告)日：2022-04-29
申请号：CN202210072417.3
申请日：2022-01-21
Applicant: 哈尔滨工业大学
Abstract: 基于在线学习的多事例弱监督火星表面形态检测方法，属于机器视觉物体检测领域。本发明针对现有弱监督物体检测方法检测精度低和收敛于局部最优解的问题。包括对火星远景图像采用选择性搜索算法生成多个侯选框；采用VGG16网络模型对火星远景图像进行图像特征的提取；进而得到每个候选框的全连接特征；弱监督检测网络中，输入候选框的全连接特征，通过分类和检测分支判断每个候选框的类别和对候选框的位置信息进行打分，最后将两分支的得分相乘得到候选框的得分作为事例级标签；K级精细化网络层以多事例学习网络或者前一级分支的每个候选框的得分作为监督信息，对网络其他优化分支进行训练，并进行后向传播计算。本发明用于火星表面地形和目标的检测。
-
公开(公告)号：CN108334848B
公开(公告)日：2020-12-25
申请号：CN201810119264.7
申请日：2018-02-06
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种基于生成对抗网络的微小人脸识别方法。本发明是为了解决现阶段的人脸检测技术无法捕获复杂背景下的微小人脸，当基于失真的图像进行人脸检测时会导致检测率严重下降的缺点而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
公开(公告)号：CN109766868B
公开(公告)日：2020-12-11
申请号：CN201910063662.6
申请日：2019-01-23
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于身体关键点检测的真实场景遮挡行人检测网络及其检测方法，属于计算机视觉的行人检测技术领域。所述检测网络包括关键点检测网络、身体区域分割和图像合成模块以及行人分类网络。所述检测方法为：利用行人检测数据库训练生成基准行人检测器，通过基准行人检测器获取候选区域图像。通过关键点检测网络检测候选区域图像中人体身体的关键点信息，将关键点信息作为身体关键点真值，进而训练关键点检测网络。利用身体区域分割和图像合成模块获得合成图像；将合成图像输入至行人分类网络中指导训练行人分类网络。行人分类网络根据输入的合成图像判别输入图像是行人图像还是背景图像，完成真实场景中遮挡行人的检测。
-
公开(公告)号：CN109766868A
公开(公告)日：2019-05-17
申请号：CN201910063662.6
申请日：2019-01-23
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 本发明提出了一种基于身体关键点检测的真实场景遮挡行人检测网络及其检测方法，属于计算机视觉的行人检测技术领域。所述检测网络包括关键点检测网络、身体区域分割和图像合成模块以及行人分类网络。所述检测方法为：利用行人检测数据库训练生成基准行人检测器，通过基准行人检测器获取候选区域图像。通过关键点检测网络检测候选区域图像中人体身体的关键点信息，将关键点信息作为身体关键点真值，进而训练关键点检测网络。利用身体区域分割和图像合成模块获得合成图像；将合成图像输入至行人分类网络中指导训练行人分类网络。行人分类网络根据输入的合成图像判别输入图像是行人图像还是背景图像，完成真实场景中遮挡行人的检测。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.058 seconds)
