-
公开(公告)号：CN116954522A
公开(公告)日：2023-10-27
申请号：CN202311089522.9
申请日：2023-08-28
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
Inventor： 徐东 , 武秋燕 , 孟宇龙 , 卢中玉 , 赵佳媛 , 刘芳玮 , 杨梓韵 , 蔡成涛 , 王巍 , 赵伟 , 王小芳 , 李承国 , 李冰洋 , 吕宏武 , 吕继光 , 谢晓芹 , 郑丽颖 , 王红滨 , 李熔盛 , 初妍
Abstract: 本发明公开了一种基于IPFS的区块链存储优化方法，包括：构建区块安全性判定模型，获取高安全性区块和低安全性区块；上传UTXO集结合所述高安全性区块，通过压缩所述高安全性区块生成摘要块并更新所述UTXO集，将所述摘要块广播给其他节点存储，其他节点将接收到的所述摘要块进行安全性验证后进行存储；所述低安全性区块直接存储本地节点；所述摘要块通过首尾链接形成摘要链，利用所述本地节点存储所述摘要链代替完整高安全性区块，完成区块链存储优化。本发明能够一定程度缓解区块膨胀问题，减轻节点存储开销的效果，能有效响应交易验证和提高交易处理速度。
-
公开(公告)号：CN116862880A
公开(公告)日：2023-10-10
申请号：CN202310855988.9
申请日：2023-07-13
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种融合卷积和注意力机制的无参考图像质量评估方法，包括：对输入图像进行预处理，获取处理后的图像；通过加入双注意力的深度卷积神经网络提取所述处理后的图像的特征，对图像特征进行加权处理，并基于全局平均池化操作对所述图像特征进行压缩处理，利用全连接层预测图像质量分数。本发明采用更深卷积网络结构，特征提取更加全面；同时，深层卷积融合双注意力机制组合有效特征信息，从而提升图像质量预测精度。
-
公开(公告)号：CN110796599B
公开(公告)日：2023-08-01
申请号：CN201910977225.5
申请日：2019-10-15
Applicant: 哈尔滨工程大学
IPC: G06T3/40
Abstract: 本发明属于图像重建领域，特别是涉及一种视网膜图像超分辨率重建的通道加权生成式对抗网络方法。本发明包括：1)预处理视网膜图像数据集；2)在原始SRGAN模型中加入SENet，构建基于通道加权的生成网络和判别网络；3)设计新的融合损失函数，用于保留有用的低频信息和局部纹理细节信息；4)用训练数据集训练模型；5)使用训练好的生成模型对视网膜图像进行重建，得到相应的超分辨率重建图像。本发明重建图像与原始视网膜图像亮度更加一致，重建后的视网膜图像的细节信息丰富。
-
公开(公告)号：CN110111257B
公开(公告)日：2023-01-03
申请号：CN201910378335.X
申请日：2019-05-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像重建领域，特别是涉及一种基于特征通道自适应加权的超分辨图像重建方法。一种基于特征通道自适应加权的超分辨图像重建方法，包括以下步骤：(1)改进压缩激励网络SE的激励函数，得到ISE模块；(2)简化现有的EDSR网络；(3)将ISE模型嵌入到简化的EDSR网络，得到ISE‑EDSR模型；(4)用训练样本训练ISE‑EDSR模型。本发明的优点有：训练难度低；自适应学习特征通道权重；避免网络中间层输出值过低的问题；超分辨率重建后的图像峰值信噪比高。
-
公开(公告)号：CN109598586B
公开(公告)日：2022-11-15
申请号：CN201811455085.7
申请日：2018-11-30
Applicant: 哈尔滨工程大学
Abstract: 本发明属于计算机技术领域中的推荐系统领域，具体涉及一种基于注意力模型的推荐方法。本发明首先将用户对商品的评分表示成用户商品评分矩阵；然后,将用户评论中的词语映射成词向量，作为双向循环神经网络的输入，并在双向循环神经网络的隐层之后加入注意力模型，用于提取重要情感词语的特征；接着，通过注意力模型为每条评论生成情感评分；最后，将用户对商品的真实评分与情感评分进行加权，更新用户评分矩阵，使用传统的协同过滤推荐方法为用户进行推荐。本发明可以有效的改善传统的推荐方法中对输入信息的稀释问题，同时考虑用户的情感因素对评论结果的影响，能够更准确地更正用户的评分行为，进而提高了推荐的准确率。
-
Patent Agency Ranking
公开(公告)号：CN113947782A
公开(公告)日：2022-01-18
申请号：CN202111197529.3
申请日：2021-10-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于注意力机制的行人目标对齐方法，本发明为解决目标丢失和遮挡问题，通过过程优化和局部特征提取来提高对齐精度、改善对齐性能。本发明对齐精度高，充分利用行人图像特征的全局结构信息和局部原始信息，有效处理行人目标遮挡问题并缓解了局部特征不对齐问题对算法性能的影响。
-
公开(公告)号：CN110309822A
公开(公告)日：2019-10-08
申请号：CN201910528230.8
申请日：2019-06-18
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于量子进化粒子群算法的高光谱图像波段选择方法，属于图像处理领域。包括输入待选择波段的高光谱图像，设定种群的规模、维数、最大迭代次数；将每个粒子占据的位置由单位空间映射到优化问题的解空间，选取类间可分性和最佳指数两者结合作为适应度函数；将变异概率引入量子进化粒子群算法，采用最大似然法对输出最优波段组合图像进行分类，计算总体分类精度，计算相关性采用波段组合波段间的平均相关性。本发明将量子进化算法和粒子群算法结合，克服了易陷入局部最优的缺点，量子进化粒子群算法具有更快的收敛速度，缩短了算法的运行时间，在进行波段选择时，算法更加稳定且分类精度高，应用前景广阔。
-
公开(公告)号：CN106296603B
公开(公告)日：2019-03-05
申请号：CN201610629838.6
申请日：2016-08-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于目标检测领域，具体涉及一种水下声纳图像的小目标检测方法。本发明包括：初始化：令二值化阈值th＝0.8，阴影方向为θ度，令I0＝I；令SE1表示目标模板，SE1是尺寸为3×3像素的正方形模板，令SE0表示背景模板，SE0是尺寸为25×25像素的正方形模板的边缘区域。本发明所提出的目标检测模板简单；检测速度快；抗噪声能力强；无需训练数据。
-
公开(公告)号：CN107609634A
公开(公告)日：2018-01-19
申请号：CN201710717240.7
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于增强极速学习的卷积神经网络训练方法，属于人工神经网络领域。其特征在于：构建传统的卷积神经网络，以三层感知机作为全连接层；利用传统的训练算法预训练卷积神经网络模型；当网络的损失函数小于预先设定好的阈值时，停止预训练；将所有样本输入预训练好的卷积神经网络模型，记录误分类的样本；保持预训练的模型结构和参数不变，根据误分类样本和极速学习算法微调全连接层的隐层与输出层之间的连接权值。本发明克服了传统CNN存在的问题，具有学习速度快、网络泛化能力强的特点。
-
公开(公告)号：CN103578123B
公开(公告)日：2016-06-29
申请号：CN201310469596.5
申请日：2013-10-10
Applicant: 哈尔滨工程大学
IPC: G06T11/00
Abstract: 本发明涉及一种图像区域合并方法，其特征在于：图像区域A和图像区域B的颜色直方图距离通过如下方法获得，其中，式中，p(k)为图像区域A的颜色直方图，q(k)为图像区域B的颜色直方图，其中k＝0,1,…,Ncolor-1，Ncolor表示彩色直方图所采用的颜色量化区域的个数，[A0,A1]为p(k)的支撑区域，[B0,B1]为q(k)的支撑区域，D(p,q)表示两图像区域颜色直方图之间的距离；根据颜色直方图距离D(p,q)的大小，判断是否对图像区域A和图像区域B进行合并。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.074 seconds)
