-
公开(公告)号：CN119783070A
公开(公告)日：2025-04-08
申请号：CN202411861759.9
申请日：2024-12-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于等价语义转换的大模型生成代码水印方法、程序、设备及存储介质，属于数字技术水印技术领域。本发明采用代码语义转换的等价性原则，设计适用于生成代码的转换规则，并利用规则将水印以一定编码规则嵌入生成代码中。本发明无需对代码生成模型进行重新训练或微调，只需对生成的代码进行后处理，表现出良好的跨模型兼容性，同时保证了水印的嵌入效率。本发明具备快速水印处理能力，可在短时间内完成代码水印嵌入，大幅提升实际应用中的处理效率。由于采用等价语义转换的方式，不会对代码的质量产生任何负面影响，保证了代码的功能正常以及代码可读性。
-
公开(公告)号：CN114565806B
公开(公告)日：2024-12-13
申请号：CN202210170641.6
申请日：2022-02-24
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06T5/70 , G06T5/50 , G06T7/13
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于表征增强的特征域优化小样本图像转换方法。本发明通过引入直方图均衡算法和Canny算法先验知识，对图像对比度信息和边缘信息进行增强处理，在此基础上通过基于亚像素卷积的通道注意力机制改善网络特征提取能力，进行图像表征增强，解决图像细微特征不突出的问题。本发明提出基于特征域优化算法的转换机制，通过引入对抗思想自适应划分特征域和内容域，利用源域中多类丰富的图像缩小参数空间，噪声策略的添加使得网络不局限于单一样本的生成，减缓模式崩塌问题；根据源域和目标域的特点，构建重建策略，利用弱化后的循环语义一致性完成小样本图像转换任务，并获得视觉效果更好的转换图像。
-
公开(公告)号：CN118505972A
公开(公告)日：2024-08-16
申请号：CN202410632240.7
申请日：2024-05-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于前景信息降采样的点级特征融合三维目标检测方法，包括：构建基线的三维点云目标检测模型，在基线的三维点云目标检测模型中引入融入图像前景信息的混合降采样方法，构建基于前景信息降采样的三维点云目标检测模型；基于前景信息降采样的三维点云目标检测模型，结合基于注意力机制的点级插值池化特征融合模块，构建基于前景信息降采样的点级特征融合三维点云目标检测模型；将点云及对应图像输入基于前景信息降采样的点级特征融合三维点云目标检测模型中，输出三维目标框，完成三维目标检测。本发明能有效利用图像信息辅助三维目标检测，具有很好的检测效果。
-
公开(公告)号：CN117975000A
公开(公告)日：2024-05-03
申请号：CN202410073013.5
申请日：2024-01-18
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于掩码互补跨层融合的水下多模态目标分割方法，包括：获取原始水下多模态图像对；基于掩码互补匹配策略对所述原始水下多模态图像对进行处理得到重塑图像对；构建跨层局部语义修正融合的水下多模态目标分割模型，将所述重塑图像对输入所述水下多模态目标分割模型进行特征提取和特征多级融合生成水下多模态目标分割结果。本发明提出的一种基于掩码互补跨层融合的水下多模态目标分割方法，能够有效地完成水下多模态目标分割任务，并提升分割精度及鲁棒性。
-
公开(公告)号：CN116579918A
公开(公告)日：2023-08-11
申请号：CN202310567199.5
申请日：2023-05-19
Applicant: 哈尔滨工程大学
IPC: G06T3/00 , G06V10/52 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/77 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及基于风格无关判别器的注意力机制多尺度图像转换方法，包括：构建基线的多尺度图像转换模型，在基线的多尺度图像转换模型中引入注意力机制，构建基于注意力机制的多尺度图像转换模型；基于注意力机制的多尺度图像转换模型，结合风格无关判别器，构建基于风格无关判别器的注意力机制多尺度图像转换模型；获取水下图像，将水下图像输入基于风格无关判别器的注意力机制多尺度图像转换模型中，输出转换后的水下图像，完成水下图像的转换。本发明提出的基于风格无关判别器的注意力机制多尺度图像转换方法，能生成细节更丰富的水下图像，具有很好的转换效果。
-
Patent Agency Ranking
公开(公告)号：CN116501908A
公开(公告)日：2023-07-28
申请号：CN202310546775.8
申请日：2023-05-16
Applicant: 哈尔滨工程大学
IPC: G06F16/583 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/774 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/096
Abstract: 本发明公开了一种基于特征融合可学习图注意力网络的图像检索方法，具体包括以下步骤：获取原始图像数据和原始点云数据；基于所述原始图像数据和所述原始点云数据，获取图像特征向量和点云特征向量；构建基于特征融合可学习图注意力网络模型，利用所述图像特征向量和所述点云特征向量训练所述特征融合可学习图注意力网络模型；利用所述基于特征融合可学习图注意力网络模型进行图像检索，完成基于特征融合课学习图注意力网络的图像检索。本发明提出的基于特征融合可学习图注意力网络的图像检索方法，在识别精度、任务适应性和抗噪鲁棒性上有较好的表现，具有一定的有效性。
-
公开(公告)号：CN116432030A
公开(公告)日：2023-07-14
申请号：CN202310378455.6
申请日：2023-04-10
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本发明为了生成更好的空战多意图策略，提出一种基于深度强化学习的空战多意图策略自主生成方法。包括如下步骤：(1)针对空战意图构建基于深度强化学习的空战博弈框架；(2)提出时序近端策略优化(Temporal Proximal Policy Optimization,T‑PPO)算法，充分利用历史数据中有用信息生成策略；(3)提出基本‑对抗进阶式训练法进行意图策略生成模型训练，提供意图引导和增加训练的多样性；(4)大范围内选择初始状态，基于空战博弈框架生成空战数据，利用T‑PPO算法进行基本‑对抗进阶式训练更新模型，完成基于深度强化学习的空战意图策略自主生成。本发明提出的基于深度强化学习的空战多意图策略自主生成方法，能提升生成策略的胜率和效率并提高网络训练的速度，具有一定的有效性。
-
公开(公告)号：CN112908341B
公开(公告)日：2023-01-03
申请号：CN202110197641.0
申请日：2021-02-22
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于多任务自注意力机制的语言学习者声纹识别方法。包括如下步骤：(1)对原始语音信号进行预处理；(2)提出构建多任务自注意力网络(Multi‑Task Self‑Attention Network，MT‑SANet)模型；(3)提出从新的角度将学习语言过程中的不同学习阶段纳入辅助任务；(4)完成基于多任务自注意力机制的语言学习者声纹识别。本发明为了取得更好的语言学习者的声纹识别效果，提出一种基于多任务自注意力机制的语言学习者声纹识别方法。本发明提出的基于多任务自注意力机制的语言学习者声纹识别方法，能更好的提高声纹识别的正确率和泛化能力，具有一定的有效性。
-
公开(公告)号：CN110490816B
公开(公告)日：2022-11-15
申请号：CN201910633686.0
申请日：2019-07-15
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G10L21/0208
Abstract: 本发明提供一种水下异构信息数据降噪方法，通过模拟水下异构信息数据集；对异构信息数据进行预处理，对异构信息数据进行im2col方法采样，将采样结果进行归一化处理；提取模拟水下异构信息数据中的过完备稀疏特征和水下异构信息数据深层特征，构建SCSDA模型；完成SCSDA模型的水下异构信息数据降噪处理，将水下异构信息数据作为测试集，利用SCSDA模型对其进行降噪处理得到降噪结果向量；对降噪结果向量进行反归一化处理及col2im方法处理，得到降噪处理后的水下异构信息数据。本发明提出的基于堆叠式卷积稀疏降噪自编码器的水下异构信息数据降噪方法，处理速度较快，具有良好的盲去噪能力，并能较好地保留水下异构信息数据边缘特征，具有一定的鲁棒性和有效性。
-
公开(公告)号：CN111444955B
公开(公告)日：2022-08-02
申请号：CN202010216387.X
申请日：2020-03-25
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06K9/62 , G06V10/26 , G06V10/40 , G06T7/11 , G06V10/774
Abstract: 本发明提供一种基于类意识领域自适应的水下声纳图像无监督分类方法，包括：(1)利用生成对抗网络构建生成数据集；(2)提出基于对抗自编码器的改进方法构建领域自适应的源域；(3)提出基于对抗学习方法构建领域自适应的目标域；(4)训练目标域，在均衡和非均衡两种原生数据集上完成水下声纳图像无监督分类。本发明提出使用CGAN和DCGAN两种GANs来生成图像以构建水下声纳图像生成数据集，并根据标签缺失的情况，将无监督领域自适应方法引入到水下声纳图像的无监督分类中。同时构建均衡和非均衡两种水下声纳图像原生数据集上以验证本发明所提方法的适应性。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.018 seconds)
