-
公开(公告)号：CN114897267A
公开(公告)日：2022-08-12
申请号：CN202210665590.4
申请日：2022-06-14
Applicant: 哈尔滨工业大学(深圳) , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了面向多对多智能体协同作战场景的火力分配方法及系统，所述方法包括：确定红蓝对抗问题想定，所述红蓝对抗问题想定包括红蓝对抗单元的种类、数量、射击间隔及对抗问题、红蓝双方的目标任务和胜负判断准则；基于语义的想定建模，将所述红蓝对抗问题想定进行结构化抽象，并将博弈对抗问题的图像信息转化为语义信息；基于语义态势认知模块计算火力分配方案，并将所有我方单位指定打击对象；构建语义体系，基于向量化火力打击结果生成火力打击对象决策语义，并执行当前决策指令。本发明尽可能地将火力均匀分配到各个敌方上，使得每一个火力都最大化地得到利用。
-
公开(公告)号：CN108510559B
公开(公告)日：2022-03-08
申请号：CN201810288688.6
申请日：2018-03-30
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T9/00
Abstract: 本发明涉及一种基于有监督多视角离散化的多媒体二值编码方法。该方法包括：S1.假设一个由n幅图像组成训练集，通过学习得到包含一系列子函数的哈希函数，将样本的两种不同模态的特征映射到经过优化的特征空间中，得到的一系列与哈希子函数对应的哈希值，然后通过二值量化将哈希值转化为二值化哈希码：S2.基于有监督训练的哈希函数：定义一个线性多分类模型并对模型函数进行优化，采用最小平方损失作为目标函数；S3.基于最小量化损失的哈希函数：假设一种模态的特征，通过哈希函数优化至量化损失最小；S4.基于多视角锚图的哈希函数：构造锚图，并采用锚图正则化哈希函数；S5.优化算法。本发明既可以保持数据在原始空间相似性，又能提高检索的准确率。
-
公开(公告)号：CN113947022A
公开(公告)日：2022-01-18
申请号：CN202111220714.X
申请日：2021-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F30/27 , G06V20/40 , G06K9/62 , G06V10/774 , G06V10/764 , G06N20/00
Abstract: 本发明公开了一种基于模型的近端策略优化方法，包括步骤：获取模拟环境，并确定所述模拟环境对应的环境模型和策略网络；基于所述策略网络与所述模拟环境，确定状态数据；其中，所述状态数据包括所述模拟环境的视频序列帧；基于所述模拟环境的视频序列帧训练所述环境模型，得到已训练的环境模型输出的预测图像；基于所述预测图像，更新所述状态数据，得到更新的状态数据；基于所述更新的状态数据，更新所述策略网络，得到更新的策略网络。融合基于模型的深度强化学习算法，提出了基于模型的近端策略优化框架，较好的解决了非完全信息博弈环境下采样利用率低的问题，在提高采样率的同时提升训练速度。
-
公开(公告)号：CN110309331B
公开(公告)日：2021-07-27
申请号：CN201910599265.0
申请日：2019-07-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/51 , G06F16/583 , G06F16/31 , G06F16/33 , G06K9/62
Abstract: 本发明专利涉及一种基于自监督的跨模态联合哈希检索方法，该方法包括以下步骤：步骤1：针对图像模态数据进行处理：采用深度卷积神经网络对图像模态的数据进行特征提取，对图片数据进行哈希学习，将深度卷积神经网络的最后一层全连接层的节点个数设置为哈希码的长度；步骤2：针对文本模态数据进行处理：使用词袋模型对文本数据进行建模，建立一个两层的全连接神经网络对文本模态的数据进行特征提取，神经网络的输入是使用词袋模型表示的词向量，第一个全连接层节点的数据与第二个全连接层节点的数据与哈希码的长度相同；步骤3：针对类别标签处理的神经网络：采用自监督的训练方式从标签数据中提取语义特征；步骤4：最小化图像与文本网络所提取的特征与标签网络的语义特征间的距离，使得图像与文本网络的哈希模型能够更充分学习不同模态间的语义特征。
-
公开(公告)号：CN107784663B
公开(公告)日：2020-10-20
申请号：CN201711124878.6
申请日：2017-11-14
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于深度信息的相关滤波跟踪方法及装置，其方法包括：基于深度图的图像分割技术，自适应性量化深度信息，得到深度图像分割结果；利用深度图像分割结果，根据不同场景构建相应的三维空间模型的分层结构；利用分层结构，并结合核相关滤波跟踪算法处理目标尺度变化及检测遮挡。本发明一方面过滤前景和背景信息减少跟踪的干扰因素，结合成熟的图像特征提取技术；另一方面这样的分层结构简化了深度信息的使用方法，使得处理目标尺度变化以及检测遮挡更为容易。结合核相关滤波跟踪算法实现了使用二维表观模型在空间结构下的跟踪方法，能够有效应对遮挡和处理目标尺度变化，提高视觉跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN108447080A
公开(公告)日：2018-08-24
申请号：CN201810175534.6
申请日：2018-03-02
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明公开了一种基于分层数据关联和卷积神经网络的目标跟踪方法、系统和存储介质，其方法包括：获取跟踪目标的当前视频帧的检测响应以及当前视频帧之前的所有视频帧的跟踪片段；为每一条跟踪片段计算其置信度，其中，跟踪片段置信度是指当前已经完成部分连接的跟踪片段的可信赖程度；根据置信度的大小，将所有的跟踪片段分为高可靠度跟踪片段和低可靠度跟踪片段两部分，并以当前视频帧的检测响应为关联对象，为高可靠度跟踪片段进行局部数据关联处理，为低可靠度跟踪片段进行全局数据关联处理。本发明可以有效降低关联算法的时间复杂度，能够有效缓解在跟踪的过程中出现的局部遮挡问题，同时可以实现算法的鲁棒性和实时性的均衡。
-
公开(公告)号：CN113965359B
公开(公告)日：2023-08-04
申请号：CN202111152694.7
申请日：2021-09-29
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种面向联邦学习数据投毒攻击的防御方法及装置，方法包括：每个客户端使用本地数据训练模型参数；每个客户端将本地模型参数上传给服务器，服务器接收到所有的模型参数；服务器从中计算出一个用于比较的参考基准u，则对于任意的两个局部模型wa和wb，计算它们相对于参考基准u的相似度；采用内部投票的方法判断一个局部模型是否为恶意；根据每个局部模型所得的票数，计算每个局部模型的可信度；基于可信度的模型加权聚合，得到最终的全局模型，基于最终的全局模型实现数据投毒攻击的防御。本发明中，恶意客户端的模型会被赋予较低权重，在加权聚合时削弱它对全局模型的影响，从而实现针对数据投毒攻击的防御。
-
公开(公告)号：CN116383488A
公开(公告)日：2023-07-04
申请号：CN202310260656.6
申请日：2023-03-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/9535 , G06F17/16 , G06N20/20 , G06F21/62
Abstract: 本发明公开了一种基于本地差分隐私的以用户为中心的推荐方法及系统，所述方法包括：云服务器生成项目矩阵，并将所述项目矩阵发送给客户端；所述客户端根据本地评分数据集生成用户矩阵和用户平均评级向量，然后获取第一梯度、第二梯度和第三梯度并对所述第二梯度进行差分隐私处理，得到目标梯度；所述云服务器根据所述目标梯度更新所述项目矩阵；所述客户端获取更新后的所述项目矩阵并重新执行获取第一梯度、第二梯度和第三梯度的步骤，直至满足目标收敛条件。本发明提出的基于本地差分隐私的以用户为中心的推荐方法，通过将用户平均评分数据引入矩阵分解模型中，使得评分预测更加准确，实现了以用户为中心的推荐方法。
-
公开(公告)号：CN116212356A
公开(公告)日：2023-06-06
申请号：CN202310072057.1
申请日：2023-01-12
Applicant: 哈尔滨工业大学(深圳)
IPC: A63F1/00 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度回归抽象技术的虚拟遗憾策略求解方法及设备，所述方法包括：构建回归器网络，将回归器网络进行初始化并遍历博弈树收集历史数据；根据蓄水池采样方法对历史数据进行采样得到训练集，并基于训练集的数据对回归器网络进行训练；当回归器网络的训练次数达到最大训练轮次时停止训练，得到目标回归器网络，并获取深度回归虚拟遗憾最小化算法的到达概率，目标回归器网络根据到达概率计算得到平均策略。本发明使用神经网络作为回归器生成虚拟遗憾最小化算法迭代所需的遗憾值，减少信息抽象的影响，并使得算法无需存储大型表格，减少了算法的存储资源开销，同时利用神经网络的拟合能力也提升了算法的通用性与泛化性。
-
公开(公告)号：CN115761178A
公开(公告)日：2023-03-07
申请号：CN202211232601.6
申请日：2022-10-10
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T17/20 , G06T15/20 , G06T15/50 , G06T7/64 , G06V10/42 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及立体视图三维重建技术领域，具体涉及一种基于隐式神经表示的多视图三维重建方法，在隐式神经表示和体渲染技术的基础上提出一种基于像素特征融合的多视图三维重建算法，考虑了不同视角下入射光对重建几何形状的影响，而且通过设计像素特征图编码器提取多视角图像的像素特征，以融入到表面点的全局几何特征中，改进整个重建模型的体渲染过程，进而提高物体表面精细程度，重建出高分辨率的精细网格表示的三维物体模型。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.054 seconds)
