-
公开(公告)号：CN111027433A
公开(公告)日：2020-04-17
申请号：CN201911213560.4
申请日：2019-12-02
Applicant: 哈尔滨工程大学
Abstract: 本发明属于人脸识别技术领域，具体涉及一种基于卷积神经网络的多重风格人脸特征点检测方法。本发明通过输入多重风格的人脸图像对残差网络(ResNet-152)进行微调训练，以此来获得风格辨别的特征；利用风格辨别特征，使用K-means对原始图像进行风格聚类；通过生成性对抗网络生成风格聚合的人脸图像集合；最后，将原始人脸图像与风格聚合人脸图像共同作为输入，以级联策略生成人脸特征点预测。本发明降低了多重风格对人脸检测造成的误差，提高了人脸检测的精确度，可应用于人脸识别、头部姿势估计、面部重建和3D面部重建等。
-
公开(公告)号：CN110909057A
公开(公告)日：2020-03-24
申请号：CN201911154837.0
申请日：2019-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种数值水池虚拟试验数据中间件的设计方法。数值水池虚拟试验应用系统(200)通过API模块(112)和通信模块(113)与主中间件(120)的通信模块(122)双向传输信号，通信模块(122)通过任务处理模块(124)与数值水池虚拟试验底层分布式NoSQL数据库(300)双向传输信号。由于数值水池虚拟试验的数据包括数值型数据、字符串、数组和图像等各种异构数据，而且属于大规模数据，用户对数据的安全和并发任务处理要求比较高；因此需要在底层配置分布式NoSQL数据库集群模式，满足对多用户、多任务的高并发需求。
-
公开(公告)号：CN105869054A
公开(公告)日：2016-08-17
申请号：CN201610169250.7
申请日：2016-03-23
Applicant: 哈尔滨工程大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 基于三度影响力原则的社会网络影响力最大化的方法，涉及社会网络科学领域，尤其涉及一种基于三度影响力原则的社会网络影响力最大化的方法。本发明要解决社会网络影响力实现最大化时，现有方法运行时间短时存在运算精度低的问题，而在保证运算精度时，又存在运行时间超长的问题。本发明按以下步骤进行：一、输入社会网络的节点集合以及节点间的关系集合；二、针对社会网络里的每个节点，计算出节点的一度节点集合；三、针对社会网络里的每个节点，计算出节点的二度节点集合；四、针对社会网络里的每个节点，计算出节点的三度节点集合；五、针对社会网络里的每个节点，计算出节点的线性衰减度中心性值。本发明应用于社会网络科学领域。
-
公开(公告)号：CN114140357B
公开(公告)日：2024-04-19
申请号：CN202111462313.5
申请日：2021-12-02
Applicant: 哈尔滨工程大学
IPC: G06T5/77 , G06T5/50 , G06T5/60 , G06T3/4053 , G06T3/4046 , G06T7/33 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 一种基于协同注意力机制的多时相遥感图像云区重建方法，涉及遥感图像处理技术领域，针对现有技术中图像修复法大多是基于背景信息进行像素预测生成，无法准确地还原地貌特征和地物信息的问题，本申请设计了一个具有门控卷积的协同注意层，能够提取和融合关键特征。门控卷积考虑了云和干净像素之间的差异。从而可以使得生成的无云图像分辨率更高，更加接近Ground Truth图像。此外，通过U型结构中的跳转连接和L1损失函数对模型进行优化，一方面跳转结构通过共享低级信息减少了模型的运算量，提升了模型训练的速度，另一方面由于L1损失可以更好地捕捉遥感图像中的低频信息，有助于提高云重建模型的准确度。
-
公开(公告)号：CN114140357A
公开(公告)日：2022-03-04
申请号：CN202111462313.5
申请日：2021-12-02
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G06T5/50 , G06T7/33 , G06V10/46 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于协同注意力机制的多时相遥感图像云区重建方法，涉及遥感图像处理技术领域，针对现有技术中图像修复法大多是基于背景信息进行像素预测生成，无法准确地还原地貌特征和地物信息的问题，本申请设计了一个具有门控卷积的协同注意层，能够提取和融合关键特征。门控卷积考虑了云和干净像素之间的差异。从而可以使得生成的无云图像分辨率更高，更加接近Ground Truth图像。此外，通过U型结构中的跳转连接和L1损失函数对模型进行优化，一方面跳转结构通过共享低级信息减少了模型的运算量，提升了模型训练的速度，另一方面由于L1损失可以更好地捕捉遥感图像中的低频信息，有助于提高云重建模型的准确度。
-
Patent Agency Ranking
公开(公告)号：CN110910377A
公开(公告)日：2020-03-24
申请号：CN201911190631.3
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于医学图像识别技术领域，具体涉及应用在临床实践上的一种基于神经网络的脑梗死MRI图像识别方法。本发明包括以下步骤：采集明确具有脑梗死疾病的脑部MRI图像；数据预处理，对标注好的原始图像进行缩放和裁剪处理；构建神经网络，卷积神经网络总深度为11层,卷积核大小为3*3,第2、4、7层步长为2,其余层步长为1；训练神经网络；测试模型；诊断测试；输出模型和整理结果。本发明的优点在于：使用卷积神经网络进行头部MRI图像识别,相比于传统方法,准确率更高,诊断过程更加智能化，且可以应用于除头部MRI识别外的其他应用场景。本发明使用全卷积网络作为基础网络结构,保留局部信息,使得学习到的特征更易被可视化和理解。
-
公开(公告)号：CN109977234A
公开(公告)日：2019-07-05
申请号：CN201910245584.1
申请日：2019-03-28
Applicant: 哈尔滨工程大学
Abstract: 一种基于主题关键词过滤的知识图谱补全方法，属于知识图谱领域。现有知识图谱补全方法的实体描述的文本内容复杂冗余，导致不能对某一特定的补全任务有针对性地进行补全的问题。一种基于主题关键词过滤的知识图谱补全方法，针对实体的描述信息复杂、冗余的问题，集合注意力机制。提出了主题关键词评分函数，对实体的描述进行评价提高了实体描述文本的可用性，解决描述文本存在大量噪音信息的问题。为了进一步反应实体描述与三元组的语义联系，通过主题语义空间模型提高实体描述的语义针对性。本发明通过文本过滤方法能够有针对性地完成特定补全任务。
-
公开(公告)号：CN104168325B
公开(公告)日：2017-12-19
申请号：CN201410424419.X
申请日：2014-08-26
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明属于计算机应用领域，具体涉及一种具备自维护功能的分布式Web服务选择方法。本发明包括：用户向代理服务器broker发送服务请求，broker根据用户定义的各QoS属性权重W，按照QoSi*Wi计算出用户请求的总体属性值UEQ；将队列Qi中的服务分批次上传至broker，每次传送k个服务；broker将从各节点接收到的服务进行合并，并将每个服务与用户请求进行语义匹配，并将满足用户要求的相似度的服务进行反馈；分布式服务选择过程结束。本发明保证用户率先得到那些最满足用户要求，且符合相似度标准的服务。提高了服务选择的整体效率与实时性；健壮性和灵活自适应性。
-
公开(公告)号：CN105405118B
公开(公告)日：2017-11-21
申请号：CN201510676957.2
申请日：2015-10-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于量子衍生混合蛙跳的水下声纳图像目标检测方法。包括(1)适应度函数；(2)量子进化更新；(3)模糊隶属度矩阵结合空间信息去除孤立区；(4)对检测结果进行基于信息论的客观定量评价分析。本发明利用量子比特对青蛙种群进行编码，并结合类内和类间信息的适应度函数来更为准确地评价青蛙位置的好坏；采用量子进化更新方式，利用相位角编码，更新子种群中最坏位置的青蛙；根据模糊隶属度矩阵结合空间信息去除孤立区的方法获得更精确的检测结果；提出分割布局噪声熵对最终检测结果进行定量分析。本发明能更为准确地完成水下声纳图像目标检测，有一定的检测精度和有效性，具有较高的适应性。
-
公开(公告)号：CN106951524A
公开(公告)日：2017-07-14
申请号：CN201710168151.1
申请日：2017-03-21
Applicant: 哈尔滨工程大学
CPC classification number: G06F16/9024 , G06F2216/03 , G06Q50/01
Abstract: 本发明提供的是一种基于节点影响力的重叠社区发现方法。在k‑shell分解算法的基础上，通过综合并全面考虑节点的全局影响力、局部影响力以及邻居节点的贡献度共三类因素而提出。依据影响力降序顺序更新节点，符合社会网络信息传播特性，降低算法的随机性，并在计算归属系数的时候，不仅仅考虑了邻居节点影响力的影响，还将节点本身的归属倾向及节点本身影响力考虑在内。在设定重叠阈值等方面，融合了节点影响力，为每个节点设置了合理的阈值。能够降低原算法的随机性，挖据出高质量的社区结构。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.037 seconds)
