-
公开(公告)号：CN116108383A
公开(公告)日：2023-05-12
申请号：CN202211544351.X
申请日：2022-12-04
Applicant: 哈尔滨工程大学
IPC: G06F18/2411 , G08G3/02 , G06N3/006
Abstract: 本发明提供了一种基于改进樽海鞘多输出支持向量的船舶航迹预测方法。具体为对美国海岸警卫队导航中心提供的AIS航迹数据进行筛选和预处理；对模型中的超参数进行樽海鞘参数寻优；构建最终多元支持向量模型，并进行评估；选取其他的寻优方法与各种支持向量机与之做对比。本发明在美国海岸警卫队导航中心采集到的AIS数据进行模型训练及验证，结果显示本方法在经纬度强耦合的情况下的预测表现良好，并且在模型经纬度弱耦合的情况下的表现仍然优秀；并改进了樽海鞘群(SSA)寻优方法，由算法寻找合适的参数，避免主观人为因素的干扰，算法控制参数少且易于实现；引入了自适应权重算法与离群象算法的特点进行改进。
-
公开(公告)号：CN110554407B
公开(公告)日：2023-05-09
申请号：CN201910908054.0
申请日：2019-09-25
Applicant: 哈尔滨工程大学
IPC: G01S17/89
Abstract: 本发明公开了一种模拟船用激光雷达三维点云成像方法，首先设置场景属性，模拟场景的各类初始状态信息；其次通过在线和离线两种方式实现场景的构建工作，用以生成基本的初始状态信息，该信息将构成后续实际计算的数据来源；再次，解算扫描物标三角面的结果数据，并通过物标点云结果的判定与合成，生成最后的扫描结果点云信息；最后，利用OpenGL技术，实现激光雷达扫描效果的可视化，提供三维可视信息。本发明可设置激光雷达的不同参数以及目标不同的距离方位等，可灵活构建激光雷达工作环境；可根据仿真工况，保存为规定格式的三维点云文件，便于其他软件使用，并增加了激光雷达扫描效果的可视化信息，便于实验人员观测。
-
公开(公告)号：CN112857360B
公开(公告)日：2022-06-17
申请号：CN202110300122.2
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
Abstract: 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN113240046A
公开(公告)日：2021-08-10
申请号：CN202110611831.2
申请日：2021-06-02
Applicant: 哈尔滨工程大学
IPC: G06K9/62 , G06F16/583 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及计算机视觉和自然语言处理领域，具体涉及的是一种基于知识的视觉问答任务下的多模态信息融合方法。本发明将外部知识作为一个单独的模态，拓展了基于知识的视觉问答的思路；使用纯正的注意力方法将自然语言问题、图像和三元组形式的知识这三个模态进行深层的融合，为基于知识的视觉问答任务提供了新颖有效地解决方案，本发明提出的多模态融合技术不局限于基于知识的视觉问答任务，可以将其扩展到其他多模态任务当中去；使用新颖有效地位置编码方法为图像的位置进行编码，比传统方法中不利用图像位置信息或者使用图像区域坐标作为位置信息，本发明中的位置编码更加有效，可以高效的解决基于知识的视觉问答任务中跟图像位置相关的问题。
-
公开(公告)号：CN113221962A
公开(公告)日：2021-08-06
申请号：CN202110428644.0
申请日：2021-04-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种解耦分类与回归任务的三维点云单阶段目标检测方法，步骤包括：(1)对于点云进行体素化处理，使数据从无须的点云变成有序的栅格结构，(2)利用三维稀疏卷积进行网络的特征提取从而得到高阶特征图，(3)在特征图中，使用双头的检测器聚合特征并预测出目标的分类、回归框以及方向。本发明为了解决目标检测子任务之间的特征纠缠问题，设计了双头的检测网络结构，能够在高维特征中分别提取分类与回归任务各自关注的特征，分别预测子任务。并且在解耦的基础上，利用联合检测的方法，将两个任务中相关信息相结合，共同预测目标类别。本发明提升了三维目标检测的准确率，并可以很容易的迁移到其他方法中。
-
Patent Agency Ranking
公开(公告)号：CN112857360A
公开(公告)日：2021-05-28
申请号：CN202110300122.2
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G01C21/00 , G01C21/20 , G01S13/86 , G01S13/937
Abstract: 本发明公开了一种船舶航行多信息融合方法，包括：步骤1：多目标船信息预处理；步骤2：船舶AIS信息中目标船状态插值；步骤3：雷达与AIS信息初步融合；步骤4：视觉图像信息再融合；步骤5：融合目标实时更新。本发明考虑了雷达、AIS、视觉图像三种信息，比以往仅考虑雷达和AIS目标融合算法相比，扩展了融合信息类别，可得到更为准确的融合目标信息；通过设定雷达和AIS融合后，再与视觉图像融合的步骤和策略，避免预先设定众多假设条件、主观约定等非客观情况，保证了融合目标的准确性和快速性；本发明通过视觉图像二维可视化方式，利用图像、文字和数据综合显示方式，更为直观反映目标融合的结果，提供了友好的人机交互模式。
-
公开(公告)号：CN111145116A
公开(公告)日：2020-05-12
申请号：CN201911336661.0
申请日：2019-12-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于神经网络深度学习技术领域，具体涉及一种基于生成对抗网络的海面雨天图像样本增广方法。本发明基于生成对抗网络，采用传统的L1损失和GAN损失相结合的方法来训练网络，在训练生成器的过程中除了传统的GAN损失外还加上了生成的假的雨天图片与真实雨天图片之间的L1损失；生成器采用残差网络，判别器采用Patch-D，通过对图像分成N*N个小块分别进行判别来计算损失，提高图像的清晰度以及细节保持能力，生成样本时仍采用深度学习框架中的训练模式，即不对批归一化层的参数进行固定，继续启用dropout层。本发明中通过利用成对的图片来训练生成器，从而由多数类样本生成其对应的少数类样本，达到增广样本的目的。
-
公开(公告)号：CN109886357A
公开(公告)日：2019-06-14
申请号：CN201910189578.9
申请日：2019-03-13
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于特征融合的自适应权重深度学习目标分类方法。目标粗检测；提取图像卷积特征和HOG特征，对HOG特征扩维处理；将SENet嵌入到Resnet网络框架，建立用于提取图像多特征权重的网络框架；计算卷积特征和HOG特征的自适应权重向量，制定特征融合策略，计算图像融合特征；建立基于精准二分类网络集的多目标分类框架。本发明将图像卷积特征与HOG特征融合，提取图像特征的自适应权重向量，设计深度学习网络构型和参数，构建精准的分类网络，该网络通过降低得分阈值来得到更多的候选框，提高目标检测的召回率；通过设计多个二分类网络，在多分类问题上具有更高的准确率。
-
公开(公告)号：CN114047778B
公开(公告)日：2024-09-24
申请号：CN202111229197.2
申请日：2021-10-21
Applicant: 哈尔滨工程大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明属于飞机自动控制技术领域，具体涉及一种小型飞机短距离自动着陆横侧向控制方法。本发明构建了小型飞机横侧向非线性控制模型，该模型表示为多胞模型形式，与以往将模型简化为线性模型方法相比，可建立更准确的飞机着陆模型。本发明将飞机着陆风险引入到控制器性能指标中，控制算法在对性能指标优化过程中，直接抑制着陆风险。本发明设计了自适应神经网络控制，网络权值自动变化，进而可解算出补偿控制量，该补偿控制量作为预测控制算法中线性矩阵不等式的动态变量，增加预测控制算法收敛速度。
-
公开(公告)号：CN115952306A
公开(公告)日：2023-04-11
申请号：CN202211550485.2
申请日：2022-12-05
Applicant: 哈尔滨工程大学
IPC: G06F16/432 , G06F16/41 , G06F16/435 , G06F16/45 , G06N3/042 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于场景图的图像内容检索方法，本发明通过结构化的方式，检索出符合描述的图片集。基于场景图的图像检索方法从图像整体的内容入手，更加注重于目标与目标之间的视觉关系。这种视觉关系，以图的形式组成，将图像以一种结构化描述的形式展现出来，利用这种复杂的结构化形式完成检索任务，通过这种更加细致地描述提升了基于图像内容检索的准确度，也满足了人们对于细粒度的图像检索任务的要求。本发明并不局限于检索出单目标或多目标的名称与特点，更在于对多目标之间的相互作用关系进行检索。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.03 seconds)
