-
公开(公告)号：CN111914935A
公开(公告)日：2020-11-10
申请号：CN202010766653.6
申请日：2020-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度学习的船舶目标检测与识别方法，包括以下步骤：S1：搭建像素注意力模型，并对船舶图像进行预处理；S2：使用K-Means聚类生成船舶锚定框，并对标签边界框进行转换；S3：搭建基于像素注意力模型的YOLOV3网络结构；S4：使用训练优化方法训练网络；S5：使用非极大值抑制算法对网络输出进行后处理，避免出现重复检测问题。本发明提供的基于深度学习的船舶目标检测与识别方法，能够在多种复杂背景与分辨率下对实现船舶目标检测与识别，在船舶工业与海事管理等领域有较好的使用前景。
-
公开(公告)号：CN112151071A
公开(公告)日：2020-12-29
申请号：CN202011006934.8
申请日：2020-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于混合小波包特征深度学习的语音情感识别方法，S1:通过自相关函数算法对语音数据进行端点检测；S2:将语音序列数据截取成相同长度，将语音序列采样统一为1024，针对该序列用3层小波包重构算法生成新的8个重构信号，组成特征集1；S3:将语音信号直接通过快速傅里叶变换(FFT)提取140个融合了LLDs及其泛化函数的特征值，组成特征集2；S4:将特征集2用DNN的深度学习结构进行进一步提取特征，将特征集1进行进一步提取特征；S5:将两种利用不同结构所提取到的特征集融合在一起，利用Softmax损失函数进行最终分类。本发明能够混有噪声的情况下，能够充分提取语音信号的时域信息和频域信息特征，进而利用深度学习算法实现。
-
Patent Agency Ranking
公开(公告)号：CN113608663B
公开(公告)日：2023-07-25
申请号：CN202110783266.8
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: G06F3/04883 , G06V10/44 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和K‑曲率法的指尖跟踪方法，首先利用YOLOv3网络模型训练预处理后的数据集，获取指尖检测模型；再利用摄像头获取视频流，输入检测模型并检测出检测框信息，初始化卡尔曼滤波器；然后利用卡尔曼滤波器得到预测框，计算出本帧检测框和预测框的IOU，设定IOU阈值，判断该IOU是否大于IOU阈值，若该IOU大于IOU阈值则更新卡尔曼滤波器得到指尖跟踪框；否则，利用K‑曲率法对指尖位置进行校正，并更新卡尔曼滤波器；最后设定一个时间阈值T‑max，在该时间阈值帧内未检测跟踪信息，则终止跟踪。本发明减弱了复杂环境对检测准确性的影响，提升了检测速度，增加了准确性和鲁棒性。
-
公开(公告)号：CN111914935B
公开(公告)日：2022-07-15
申请号：CN202010766653.6
申请日：2020-08-03
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于深度学习的船舶目标检测与识别方法，包括以下步骤：S1：搭建像素注意力模型，并对船舶图像进行预处理；S2：使用K‑Means聚类生成船舶锚定框，并对标签边界框进行转换；S3：搭建基于像素注意力模型的YOLOV3网络结构；S4：使用训练优化方法训练网络；S5：使用非极大值抑制算法对网络输出进行后处理，避免出现重复检测问题。本发明提供的基于深度学习的船舶目标检测与识别方法，能够在多种复杂背景与分辨率下对实现船舶目标检测与识别，在船舶工业与海事管理等领域有较好的使用前景。
-
公开(公告)号：CN113608663A
公开(公告)日：2021-11-05
申请号：CN202110783266.8
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: G06F3/0488 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和K‑曲率法的指尖跟踪方法，首先利用YOLOv3网络模型训练预处理后的数据集，获取指尖检测模型；再利用摄像头获取视频流，输入检测模型并检测出检测框信息，初始化卡尔曼滤波器；然后利用卡尔曼滤波器得到预测框，计算出本帧检测框和预测框的IOU，设定IOU阈值，判断该IOU是否大于IOU阈值，若该IOU大于IOU阈值则更新卡尔曼滤波器得到指尖跟踪框；否则，利用K‑曲率法对指尖位置进行校正，并更新卡尔曼滤波器；最后设定一个时间阈值T‑max，在该时间阈值帧内未检测跟踪信息，则终止跟踪。本发明减弱了复杂环境对检测准确性的影响，提升了检测速度，增加了准确性和鲁棒性。
-
公开(公告)号：CN112151071B
公开(公告)日：2022-10-28
申请号：CN202011006934.8
申请日：2020-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于混合小波包特征深度学习的语音情感识别方法，S1:通过自相关函数算法对语音数据进行端点检测；S2:将语音序列数据截取成相同长度，将语音序列采样统一为1024，针对该序列用3层小波包重构算法生成新的8个重构信号，组成特征集1；S3:将语音信号直接通过快速傅里叶变换(FFT)提取140个融合了LLDs及其泛化函数的特征值，组成特征集2；S4:将特征集2用DNN的深度学习结构进行进一步提取特征，将特征集1进行进一步提取特征；S5:将两种利用不同结构所提取到的特征集融合在一起，利用Softmax损失函数进行最终分类。本发明能够混有噪声的情况下，能够充分提取语音信号的时域信息和频域信息特征，进而利用深度学习算法实现。
-
公开(公告)号：CN113468304A
公开(公告)日：2021-10-01
申请号：CN202110721164.3
申请日：2021-06-28
Applicant: 哈尔滨工程大学
IPC: G06F16/332 , G06F16/33 , G06F16/335 , G06F16/338 , G06F16/35 , G06F16/36 , G06F16/951 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识图谱的船舶靠离泊知识问答查询系统的构建方法，所述系统包括前端展示模块负责人机交互、知识图谱构建模块负责数据的存储、问答模块负责对问题的解析、查询和答案生成；系统构建的方法具体步骤如下：直接获取用户输入的查询文本或者输入的语音；若是语音命令则系统先进行语音转文字处理，然后再对问句解析，生成相应的查询语句；在知识图谱中查询对应的数据信息，并返回结果；将接受的结果信息显示在人机交互界面。本发明优化了用户体验，实现了对用户自然语言问句的精确回答，给用户提供了较搜索引擎更优的信息交互方式，同时也节约了从海量互联网数中寻找答案的时间。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
