-
公开(公告)号：CN118212454A
公开(公告)日：2024-06-18
申请号：CN202410319869.6
申请日：2024-03-20
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/0455
Abstract: 一种基于ISP退化自监督学习和解耦正则的暗光目标检测方法，属于暗光条件下的目标检测领域。本发明针对现有暗光图像的目标检测未考虑相机传感器的内部处理过程，影响目标检测准确率的问题。包括：构建教师网络、学生网络和基于ISP退化的自监督学习模块；采用基于ISP的图像退化模块将白天图像退化成与真实暗光场景相似的暗光图像，并以自监督的方式学习图像信号处理相关的参数；采用解耦正则的方法让两个任务的梯度向量尽可能正交，达到减少两个任务之间干扰的同时还能提高暗光条件下的目标检测准确率的目的；其中教师网络用于产生伪标签去训练学生网络，学生网络再使用指数移动平均方法更新教师网络的参数。本发明用于暗光图像的目标检测。
-
公开(公告)号：CN117828766A
公开(公告)日：2024-04-05
申请号：CN202311868508.9
申请日：2023-12-29
Applicant: 哈尔滨工业大学 , 北京控制与电子技术研究所
IPC: G06F30/15 , G06F30/28 , G06F111/10
Abstract: 小行星防御撞击器轨道仿真系统，属于小行星防御领域。本发明解决了现有撞击器撞击轨道模拟方法获得的轨道存在精度差，不适用于实际撞击情况的问题。本发明所述的仿真模拟系统利用小行星型号信息经数据通信连接模块访问数据库调取小行星星际空间场景数据和撞击器信息，对撞击器与小行星的撞击过程进行模拟，根据撞击时刻撞击器与小行星的相对速度、撞击位置、撞击倾角及撞击后的轨迹对撞击器的轨道进行优化，将优化后的撞击器的轨道发送至人机交互模块。本发明适用于撞击器轨道确定。
-
公开(公告)号：CN117725758A
公开(公告)日：2024-03-19
申请号：CN202311857103.5
申请日：2023-12-29
Applicant: 哈尔滨工业大学 , 北京控制与电子技术研究所
IPC: G06F30/20 , G06F30/15 , G06F111/10 , G06F119/14
Abstract: 基于动力学的目标小行星和撞击器轨道仿真方法，属于航天技术及其应用的技术领域。本发明是为了解决现有小行星撞击模拟过程存在精度和稳定性差的问题。本发明建立小行星轨道动力学方程，将所述位置矢量代入所述小行星轨道动力学方程，递推获取小行星的运动轨道模型；建立撞击器轨道动力学方程，将所述撞击器的初始三维位置、速度和加速度代入撞击器轨道动力学方程，结合目标小行星的运动轨道模型，递推获取撞击器初始位置到距离目标小行星Skm的首段轨道模型；利用首段模型，建立撞击器末段的全动力学方程，获取撞击器距离目标小行星Skm位置至撞击器与目标小行星撞击点之间的轨道模型。主要用于撞击器轨道模拟。
-
公开(公告)号：CN111144423B
公开(公告)日：2023-05-05
申请号：CN201911369736.5
申请日：2019-12-26
Applicant: 哈尔滨工业大学
IPC: G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于一维组卷积神经网络的高光谱遥感数据多尺度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有基于卷积神经网络高光谱遥感数据的光谱特征提取尺度单一的问题，同时解决高光谱遥感数据的高维度信号造成的维数灾难的问题。本发明中以每个尺度值减一后的值与对应的分组数的乘积相等为原则，直接将高维的高光谱向量信号在光谱波段维度上等分成若干组，每个尺度利用多个不同的滤波器对每段高维的高光谱向量信号进行单独的一维常规卷积操作，通过若干组操作实现快速降低光谱向量的特征维度。本发明适用于高光谱遥感数据的多尺度光谱特征提取。
-
公开(公告)号：CN115601787A
公开(公告)日：2023-01-13
申请号：CN202211184075.0
申请日：2022-09-27
Applicant: 哈尔滨工业大学(CN)
Abstract: 一种基于缩略表示的快速人体姿态估计方法，涉及计算机视觉技术领域，针对现有技术中通过小尺寸图像减少模型的计算量时，会导致模型准确率下降的问题。本申请采用基于风格监督的在线图像缩尺度器自适应地滤除输入图像中的冗余信息，并将剩余的关联信息压缩为小尺寸的缩略图，使得网络运算量大幅降低，并且能够保证预测准确率；使用双分支自动编码的训练策略将知识蒸馏技术引入对轻量化网络的训练，使得缩略特征图能够提取到更多关键信息，使得预测准确率进一步提高。训练完备的缩尺度器可以直接替代传统的图像缩尺度技术。本申请解决了现有人体姿态估计加速方法实施复杂、难以泛化、准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN114463175B
公开(公告)日：2022-11-01
申请号：CN202210055110.2
申请日：2022-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。
-
公开(公告)号：CN114463175A
公开(公告)日：2022-05-10
申请号：CN202210055110.2
申请日：2022-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨技术领域。本发明针对现有图像超分辨方法对真实的伴有噪声的火星图像超分辨结果较差的问题。包括模糊核估计，噪声建模和基于patch判别的上采样网络三部分；本发明方法专注于通过模糊核评估算法得到真实模糊核，对模糊核进行计算从而实现真正的盲超分辨；使用噪声提取算法从原始图像中收集噪声，并使用卷积神经网络进行噪声建模，产生与火星图像相似的噪声分布；最后，使用经过模糊核学习的注入噪声后得到的低分辨率火星图像，再送入到基于patch判别的上采样网络中，得到最后的超分辨率火星图像。本发明用于实现LR火星图像的超分辨。
-
公开(公告)号：CN108334847B
公开(公告)日：2019-10-22
申请号：CN201810119263.2
申请日：2018-02-06
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种真实场景下的基于深度学习的人脸识别方法，是为了解决现有真实场景下的人脸识别方法只能解决单一因素影响，而不能解决姿势、光照等因素的影响而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；生成器进一步包括上采样网络以及优化网络；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
公开(公告)号：CN109145958A
公开(公告)日：2019-01-04
申请号：CN201810842331.8
申请日：2018-07-27
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于多任务生成对抗网络的真实场景小物体检测方法，属于计算机视觉领域中的物体检测技术领域。所述检测方法将多任务生成对抗网络引入到物体检测中，通过让多任务生成对抗网络中的生成器网络和鉴别器网络相互博弈的方式进行学习，实现小物体检测网络的建立进而完成图像的小物体检测。所述小物体检测方法克服了现阶段的物体检测方法在真实场景中检测正确率低的困难，促进了基于深度学习的物体检测方法在真实场景下的应用。
-
公开(公告)号：CN108334848A
公开(公告)日：2018-07-27
申请号：CN201810119264.7
申请日：2018-02-06
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00228 , G06K9/00288 , G06K9/6256 , G06N3/0454 , G06N3/08 , G06T3/4007 , G06T3/4076 , G06T2207/20081 , G06T2207/20084 , G06T2207/30201
Abstract: 本发明提供一种基于生成对抗网络的微小人脸识别方法。本发明是为了解决现阶段的人脸检测技术无法捕获复杂背景下的微小人脸，当基于失真的图像进行人脸检测时会导致检测率严重下降的缺点而提出的，包括：使用一个现有的人脸检测器预测训练数据库中每个图片的人脸位置，并截取保存真实的人脸和非人脸图像；根据人脸图像和非人脸图片降采样得到相应的低分辨率图像；构建生成对抗网络，生成对抗网络包括生成器和鉴别器；使用高分辨率人脸、非人脸图像以及对应的低分辨率人脸、非人脸图像对生成对抗网络进行训练；依据鉴别器对从现有的人脸检测器得到的人脸候选区域的得分在输入图片中标记出人脸的位置。本发明适用于人脸的识别检测。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.026 seconds)
