-
公开(公告)号：CN116269442A
公开(公告)日：2023-06-23
申请号：CN202310309411.8
申请日：2023-03-28
Applicant: 哈尔滨理工大学
IPC: A61B5/372 , G06F18/2415 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , A61B5/00
Abstract: 本发明提供一种基于多头注意力的多维运动想象脑电信号分类方法，属于脑电信号分类领域；通过时频特征提取模块、空间特征提取模块、维度变换模块和残差模块获得多维的运动想象脑电特征，再通过多头注意力模块从不同的角度来获取脑电信号在时空频维度的重要性，最后通过分类模块来对运动想象脑电信号进行分类；通过在公开数据集BCI Competition IV Dataset 2a上进行验证，并与近些年具有良好表现的运动想象脑电信号分类方法进行比较；实验结果表明，本发明有更好的分类性能。
-
公开(公告)号：CN115222651A
公开(公告)日：2022-10-21
申请号：CN202210462990.5
申请日：2022-04-28
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于改进Mask R‑CNN的肺结节检测系统，涉及肺结节检测技术领域；包括如下步骤：步骤一：肺实质分割；步骤二：候选结节分割与检测算法；步骤三：针对小目标改进网络；步骤四：假阳性减少算法；步骤五：统一框架；本发明提高了检测的敏感度，检测效果好，同时能够实现采集的分割与检测；提高了检测结果的准确性，能够让医生直观的看出结果。
-
公开(公告)号：CN116977975A
公开(公告)日：2023-10-31
申请号：CN202310499803.5
申请日：2023-05-05
Applicant: 哈尔滨理工大学
IPC: G06V20/58 , G06V10/25 , G06V10/30 , G06V10/762 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的交通标志检测方法，涉及交通标志检测技术领域；它的检测方法如下：步骤一：对数据集中图像进行图像增强；步骤二：对YOLOv5s算法的锚框选取算法进行改进；步骤三：对YOLOv5s的主干网络进行轻量化处理；步骤四：在YOLOv5s的主干网络部分中添加注意力机制来提升网络对目标检测的性能；步骤五：对YOLOv5s的Neck部分提出一种提升检测精度的方案；本发明减少网络模型检测所需要的时间、减少所需的计算量并且降低模型参数的大小，在此轻量化网络的基础上改进算法精度，提升网络对多尺度目标识别的能力，增加网络识别的准确率。
-
公开(公告)号：CN115031136A
公开(公告)日：2022-09-09
申请号：CN202210445671.3
申请日：2022-04-26
Applicant: 哈尔滨理工大学
IPC: F16M13/02 , F16M11/28 , F16M11/12 , F16M11/08 , F16M11/10 , F16M11/18 , G05D3/12 , H04N5/225 , G03B15/03
Abstract: 本发明公开了一种遥感图像目标检测装置，涉及目标检测技术领域；安装板体的上端面安装有两个平行的电动直线导轨，两个电动直线导轨的滑块上安装有电动升降器，电动升降器的杆体上安装有连接板，连接板的底部两侧均安装有导向杆，导向杆与导向套活动连接，且导向套安装在电动升降器的两上端，连接板的上端安装有旋转电机，旋转电机的轴上安装有铰接座，铰接座的铰接槽内设置有铰接块，铰接块上安装有调节轴，调节轴通过轴承安装在铰接座的安装孔内；本发明能够实现快速调节，且调节快速，稳定性高，能够节省时间，工作效率高；在采集图像目标时准确，且设计合理，同时在调节时能够通过导向杆进行导向，不易出现晃动的现象。
-
公开(公告)号：CN114897934A
公开(公告)日：2022-08-12
申请号：CN202210446373.6
申请日：2022-04-26
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的道路车辆跟踪方法，涉及车辆跟踪技术领域；它的跟踪方法如下：步骤一、确定关键帧选取规则：设定一个光流阈值Mth结合光流网络的输出用来判断相邻帧能否作为一个稀疏的关键帧；步骤二、确定神经网络类型：在原Resnet‑50网络中加入特征金字塔；步骤三、确定图像去雾算法：使用中值滤波算法作为图像去雾算法；本发明能够识别并跟踪公路上的多个车辆目标，并实时更新显示目标位置，且能够实现图像的去雾处理；提高了图像的对比度，能够满足对图像内不同位置、不同尺寸的目标车辆进行特征提取的需要。
-
Patent Agency Ranking
公开(公告)号：CN111598809A
公开(公告)日：2020-08-28
申请号：CN202010422022.2
申请日：2020-05-18
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的图像运动模糊盲去除算法，涉及图像的运动模糊技术领域；它的算法如下：步骤一：采用深度学习的方法，在仅具有一张未知模糊图像的情况下，复原出清晰图像；步骤二：建立图像运动模糊的问题模型；步骤三：确定神经网络类型；步骤四：确定网络的总体结构，进行神经网络的具体设计；步骤五：查找并选定网络训练使用的数据集；准备工作完成后，进行训练实验，分析实验结果并总结，进行进一步调试；本发明能够在一次网络前馈传播中，同时预测多个模糊核的像素级模糊参数，并给出清晰图像复原结果；减小模糊参数估计的误差、提高模糊参数估计的精度；加快算法的运行速度、减小占用的存储空间。
-
公开(公告)号：CN109270944A
公开(公告)日：2019-01-25
申请号：CN201811075940.1
申请日：2018-09-14
Applicant: 哈尔滨理工大学
CPC classification number: G05D1/0808 , G05D1/101
Abstract: 本发明公开了一种四旋翼的飞行姿态控制系统，它涉及四旋翼飞行器技术领域；机架的中部安装有控制机构，PID控制器的电源端与电源连接，陀螺仪、加速度仪均与PID控制器的输入端连接，PID控制器的输出端与电机驱动器电连接，电机驱动器的输出端与电机一、电机二、电机三、电机四连接；PID控制器接收陀螺仪、加速度仪输入的信息，同时根据无线通信模块接收的信息进行计算输出的数据，计算完成后，控制电机驱动器实现四个电机的驱动，并将数据传输到无线设备上；本发明基于MATLAB/simulink飞行姿态控制算法来进行计算与控制，提高了准确度，且节省了时间，简化了操作方法，提高了稳定性。
-
公开(公告)号：CN108664959A
公开(公告)日：2018-10-16
申请号：CN201810341922.7
申请日：2018-04-17
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及图像识别技术领域，且公开了一种便携式图像识别装置，包括外壳，所述外壳的底部开设有敞口，所述敞口的内壁顶部活动连接有连接杆，所述连接杆的右侧固定连接有支撑杆，所述支撑杆的右侧固定连接有橡胶垫，所述外壳的内壁左侧固定连接有容纳块，所述容纳块的正面对应橡胶垫处开设有方槽，所述容纳块的正面且位于方槽的左边设置有滑道，所述连接杆的底部开设有活动槽。该便携式图像识别装置，通过橡胶垫起滑块的作用，能够在滑道的轨道处上下移动，便于调节外壳底部与把手顶部之间的距离，方便了使用者对图像识别装置手持，从而便于携带，把手是使用者的手持部位，该装置结构简单，简化了携带的使用过程。
-
公开(公告)号：CN118470769A
公开(公告)日：2024-08-09
申请号：CN202410580524.6
申请日：2024-05-10
Applicant: 哈尔滨理工大学
IPC: G06V40/16 , G06V10/774
Abstract: 本发明公开了一种基于EfficientNet‑FANS‑DesneNet121模型的人脸表情识别方法，属于深度学习和计算机视觉技术领域。该方法步骤主要包括：S1.获取人脸表情待处理数据，使用图像超分辨率重建的方法对数据集进行处理；S2.采用改进后的FANS‑MBConv模块对数据进行特征提取，提高对目标的注意力能力；S3.在EfficientNet网络提取表情图像丰富的特征信息的同时，选取DenseNet121作为辅助特征提取网络，并在EfficientNet与DenseNet121融合网络后添加一个双线性池化层来融合DenseNet121和EfficientNet的特征表示，以提高人脸表情识别任务的准确性和泛化能力；S4.将融合版后的特征表示输入到分类器中，用于实现人脸表情的识别。利用本发明提出的EfficientNet‑FANS‑DesneNet121模型框架能够解决人脸表情过于复杂，背景复杂，光线过暗等问题。采用本发明提出的模型能够精准的进行人脸表情识别的任务。
-
公开(公告)号：CN114913428A
公开(公告)日：2022-08-16
申请号：CN202210446366.6
申请日：2022-04-26
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于深度学习的遥感图像目标检测系统，涉及图像目标检测技术领域；它的检测方法为：融合成一个整体的模块，该模块用来替代原检测算法中的主干网络ResNet‑101，输入图像；HRNet高分辨率网络；类FPN结构进行特征融合；通道域注意力机制；空间域注意机制；特征图；关键点预测；极坐标系的极径，极角预测；获取极点坐标（x,y），获取极径和极角；最终输出目标预测框；本发明针对遥感图像的众多检测难点将其整合成一种适合遥感图像目标检测方法来实现快速检测，同时减少了检测的工作量，缩短时间；能够实现准确的目标检测，并且网络检测精度更高。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
