-
公开(公告)号：CN119201758A
公开(公告)日：2024-12-27
申请号：CN202411732178.5
申请日：2024-11-29
Applicant: 长江时代通信股份有限公司
IPC: G06F11/36
Abstract: 本发明公开了一种基于浏览器插件的可视化网页可用性测试报告生成方法，方法步骤包括：打开待测试的网页，并启用可用性测试插件；由可用性测试插件实时采集用户在网页上的操作行为以及网页的响应数据作为待处理数据；利用可用性测试插件对本地存储的待处理数据进行分析；根据用户的设定内容以及可用性分析结果生成可用性测试报告。该可视化网页可用性测试报告生成方法通过将采集的待处理数据进行本地存储，能够有效保证数据处理的效率以及数据的安全性，减少用户数据泄露的风险；通过收集用户在网页上的操作行为以及网页的响应数据进行双向数据收集，使得可用性测试更加符合用户使用需要，具有较好的测试针对性。
-
公开(公告)号：CN118397274B
公开(公告)日：2024-12-13
申请号：CN202410512249.4
申请日：2024-04-26
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/10
Abstract: 本发明公开了一种基于可变形卷积的图像分割方法，方法步骤包括：对原始图像进行预处理获得输入图像、由特征提取网络对输入图像进行逐层特征提取、由上采样网络通过结合各层的图像特征和语义信息来逐层恢复图像尺寸得到网络预测分割结果、根据网络预测分割结果与对应的真实分割结果的对比结果来对图像分割网络进行训练、对图像分割网络的分割效果进行评估和可视化展示。该图像分割方法设置有可变形的卷积核结构，可避免固定尺寸卷积核的感受野太小无法捕获大尺寸对象特征或感受野太大引入过多噪声和无效信息的问题，提高网络对于有效信息的提取能力，解决不同类型的图像对于网络分割效果产生影响的问题，从而提高分割性能。
-
公开(公告)号：CN115508335A
公开(公告)日：2022-12-23
申请号：CN202211290178.5
申请日：2022-10-21
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
Abstract: 本方案涉及一种基于傅里叶变换的拉曼光谱曲线数据增强方法。所述方法包括：获取待处理拉曼光谱曲线进行快速傅里叶变换得到拉曼光谱曲线频域图；将拉曼光谱曲线频域图中的两端极端频率曲线峰屏蔽，得到目标拉曼光谱曲线频域图；确定频域掩模起始位置与宽度并执行频域屏蔽操作，判断对目标拉曼光谱曲线频域图的频域屏蔽操作是否合法；若合法，则对目标拉曼光谱曲线频域图进行逆傅里叶变换，得到数据增强的拉曼光谱曲线。通过利用快速傅里叶变换获得的拉曼光谱曲线对应的频域图进行屏蔽操作，可以保留原有拉曼光谱曲线数据的基本框架，在部分频率点进行轻微扰动，以达到合理数据扩充的目的，可以提升机器学习模型分类效果。
-
公开(公告)号：CN118212502B
公开(公告)日：2025-03-25
申请号：CN202410412263.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26 , G06V10/22 , G06V10/764 , G06V20/70 , G06N3/0455 , G06N3/096 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于图像焦点区域特征的多任务学习方法，方法步骤包括：收集原始图像获得输入图像；进行基础特征提取获得基础特征图像；利用分支结构生成视觉解释图；进行焦点区域的特征融合获得特征融合图像；利用单解码器进行特征压缩以及分割结果预测获得掩膜图；利用掩膜图进行区域选取获得掩膜特征图；将基础特征图像、视觉解释图和掩膜特征图进行叠加累乘生成预测结果。该多任务学习方法通过焦点区域的视觉解释图和掩膜图相结合的方式实现图像分类、分割及定位任务的多任务联合学习，解决了现阶段多任务学习领域中分类、分割、定位任务间出现负迁移的问题，实现多任务在语义层面的一致性，提高图像分类、分割及定位任务的效果。
-
公开(公告)号：CN118887308A
公开(公告)日：2024-11-01
申请号：CN202410923814.6
申请日：2024-07-11
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06T11/00 , G06N3/0455 , G06N3/08 , G06F40/284 , G06F40/242
Abstract: 本发明公开了一种基于一致性模型的文生图方法，步骤包括：使用原始数据集来训练Tokenizer和变分自编码器；将Tokenizer和变分自编码器用于处理原始的图像和文本对，将图像和文本对转化为图像特征向量和文本特征向量对；构建文本条件生成的一致性模型并进行训练；由Tokenizer、随机采样高斯噪声、一致性模型以及变分自编码器的解码器构建推理模型，将待生成文本输入至Tokenizer，从变分自编码器的解码器处获得生成的图像。该文生图方法利用Tokenizer嵌入文本信息，利用变分自编码器压缩数据集，实现一步采样，且在训练过程中，只需训练单个条件采样器，节省了训练的时间。
-
Patent Agency Ranking
公开(公告)号：CN116958554A
公开(公告)日：2023-10-27
申请号：CN202310959223.X
申请日：2023-08-01
Applicant: 长江时代通信股份有限公司 , 哈尔滨工业大学(威海)
IPC: G06V10/26 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明公开一种基于潜在扩散模型和多级上下文交叉一致性的半监督分割方法，该方法包括两个阶段，图像生成阶段和半监督学习阶段。在图像生成阶段包括如下步骤：首先将图像输入到变分自动编码器的编码器中生成潜在空间编码，将对应图像的潜在空间编码输入到潜在扩散模型中，其次利用去噪自动编码器对加噪后的潜在空间编码计算去噪拟合损失以学习去噪分布，最后利用潜在扩散模型随机生成高斯噪声并进行去噪估计以生成潜在空间编码，将潜在空间编码通过变分自动解码器生成像素级图像。为了利用图像生成阶段生成的大量有价值合成无标记样本，半监督学习阶段包括如下步骤：首先将有标记图像和无标记合成图像样本输入到编码器以提取高级语义特征，其次引入多个辅助解码器，对辅助解码器和主解码器的输入特征提取不同等级的全局上下文信息，并对辅助解码器的输入特征额外施加噪声扰动，最后通过保持主解码器和辅助解码器之间输出结果的一致性来学习生成的未标记样本。发明可以用于任何利用合成图像进行半监督学习的任务。
-
公开(公告)号：CN116402996A
公开(公告)日：2023-07-07
申请号：CN202310289173.9
申请日：2023-03-20
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种图像分割方法、装置、存储介质及电子装置。该方法包括接收待分割图像；采用第一编码器对所述待分割图像进行多级编码，得到多级语义特征；采用第二编码器对高级语义特征图进行混合编码，得到全局上下文特征；采用解码器基于多尺度注意力门，构建全局上下文特征和多级语义特征的跳跃连接；对跳跃连接后的特征进行重建以细粒度地实现图像分割。在使用较少数据集和算力的情况下获取全局上下文，且抑制输入图像中于分割目标无关的区域，同时突出对分割目标有用的显著特征，能够有效提升分割性能。本申请解决了由于需要大量数据集和算力以获取全局上下文，且跳跃连接时无法传递有价值的显著特征造成的分割性能差的技术问题。
-
公开(公告)号：CN118397274A
公开(公告)日：2024-07-26
申请号：CN202410512249.4
申请日：2024-04-26
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G06T7/10
Abstract: 本发明公开了一种基于可变形卷积的图像分割方法，方法步骤包括：对原始图像进行预处理获得输入图像、由特征提取网络对输入图像进行逐层特征提取、由上采样网络通过结合各层的图像特征和语义信息来逐层恢复图像尺寸得到网络预测分割结果、根据网络预测分割结果与对应的真实分割结果的对比结果来对图像分割网络进行训练、对图像分割网络的分割效果进行评估和可视化展示。该图像分割方法设置有可变形的卷积核结构，可避免固定尺寸卷积核的感受野太小无法捕获大尺寸对象特征或感受野太大引入过多噪声和无效信息的问题，提高网络对于有效信息的提取能力，解决不同类型的图像对于网络分割效果产生影响的问题，从而提高分割性能。
-
公开(公告)号：CN118212502A
公开(公告)日：2024-06-18
申请号：CN202410412263.7
申请日：2024-04-08
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/82 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/26 , G06V10/22 , G06V10/764 , G06V20/70 , G06N3/0455 , G06N3/096 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于图像焦点区域特征的多任务学习方法，方法步骤包括：收集原始图像获得输入图像；进行基础特征提取获得基础特征图像；利用分支结构生成视觉解释图；进行焦点区域的特征融合获得特征融合图像；利用单解码器进行特征压缩以及分割结果预测获得掩膜图；利用掩膜图进行区域选取获得掩膜特征图；将基础特征图像、视觉解释图和掩膜特征图进行叠加累乘生成预测结果。该多任务学习方法通过焦点区域的视觉解释图和掩膜图相结合的方式实现图像分类、分割及定位任务的多任务联合学习，解决了现阶段多任务学习领域中分类、分割、定位任务间出现负迁移的问题，实现多任务在语义层面的一致性，提高图像分类、分割及定位任务的效果。
-
公开(公告)号：CN118212415A
公开(公告)日：2024-06-18
申请号：CN202410412264.1
申请日：2024-04-08
Applicant: 哈尔滨工业大学(威海) , 长江时代通信股份有限公司
IPC: G06V10/26 , G06V20/70 , G06V10/42 , G06V10/46 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于混合卷积和多尺度注意力门的图像分割方法，步骤包括：对待分割的图像进行大小调整，再进行数据增强；通过编码器提取出高级语义信息特征图；将高级语义信息特征图输入到混合卷积模块中获取具有全局上下文信息的特征图；将混合卷积模块输出的特征图输入到解码器，同时将编码器不同层级的特征图输入到多尺度注意力门，再进行跳跃连接；解码器对跳跃连接后的特征图进行融合和多级上采样以细粒度地实现图像分割；在优化函数下对算法模型的参数进行调整。该图像分割方法通过加入混合卷积模块和多尺度注意力门以提取图像的全局上下文信息和增强有价值编码器特征，从而高效地进行跳跃连接，提升图像网络的分割效果。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.037 seconds)
