-
公开(公告)号：CN110765966B
公开(公告)日：2022-03-25
申请号：CN201911046777.0
申请日：2019-10-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向手写文字的一阶段自动识别与翻译方法，所述方法主要包含文本识别方法和端到端识别与翻译方法。该方法使用注意力机制代替CRNN中的RNN结构，使计算可以并行化，降低计算成本；在Transformer模型的训练过程中对解码器的输入做随机替换，模拟预测过程中预测出错的情况，缓解了过拟合问题；提出了一种端到端的识别与翻译模型，使用基于迁移学习的方式训练端到端模型，不需要显式给出识别结果，直接对图片内容做翻译。本发明具有如下优点：1、文本识别模型的训练速度大幅提高。2、训练阶段随机替换解码器输入，使得识别模型的泛化能力大幅提高。3、端到端识别与翻译模型的翻译准确率高于两阶段模型。
-
公开(公告)号：CN113553797A
公开(公告)日：2021-10-26
申请号：CN202110892232.2
申请日：2021-08-04
Applicant: 哈尔滨工业大学
IPC: G06F40/103 , G06T11/60 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种端到端的风格一致的文字图像生成方法，所述方法包括如下步骤：步骤一、对源风格图像中的文字进行擦除，补充背景纹理，得到无文字的背景图像；步骤二、将目标文本渲染为图像并嵌入背景重建模块输出的无文字的背景图像中，在相同背景下将源图像的文本风格迁移到目标文本中。本发明采用端到端的方法，将文本风格迁移、文字擦除等工作整合为一个网络，减少中间步骤可能带来的效果和性能的损失。本发明通过使用GAN算法，能够生成更加真实、风格更一致、语义更连贯的结果。
-
公开(公告)号：CN112052322A
公开(公告)日：2020-12-08
申请号：CN202010917746.4
申请日：2020-09-03
Applicant: 哈尔滨工业大学
IPC: G06F16/332 , G06F16/335 , G06F16/36
Abstract: 本发明公开了一种基于粒计算的智能机器人对话策略生成方法，所述方法包括如下步骤：步骤S1、构建需求模式库；步骤S2、构建需求知识图谱；步骤S3、构建粒计算模型；步骤S4、基于粒计算模型生成对应对话策略；步骤S5、完成对话。本发明的方法通过粒计算模糊聚类的方法对需求库的用户需求数据进行分析从而构建合适的询问路径，并最终完成用户的完整需求构建。本发明可以在较少的几轮对话后，基于领域先验知识较为精确的构建用户的大型需求以及确保稳定的需求准确度和需求覆盖度。
-
公开(公告)号：CN118538312B
公开(公告)日：2025-05-06
申请号：CN202410655411.8
申请日：2024-05-24
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种由随机子结构特征增强的化合物异常检测方法及系统，包括：通过对节点的邻域进行采样，构造出了每个节点的子结构特征，这些特征能够显式地参与图神经网络的消息传递中，一方面使得方法不强制依赖于节点级特征，另一方面使得方法具备了捕获潜在的异常子结构的能力，进一步地，使方法在异常化合物检测问题上比现存方法拥有更优秀的准确率。
-
公开(公告)号：CN119046599B
公开(公告)日：2025-04-29
申请号：CN202411248878.7
申请日：2024-09-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了基于NPU的Strassen矩阵乘法加速方法，属于混合编程技术领域。解决了现有技术中不存在用于昇腾芯片的采用开源混合编程算子实现快速矩阵乘法方法的问题；本发明设计了Ascend_Strassen算子数据通路，对输入矩阵进行数据搬运并切分，得到分块矩阵；根据分块矩阵，进行第一次矩阵间加减运算，得到矩阵乘法阶段的输入数据，对部分分块矩阵进行加零操作，得到转换后的矩阵；进行矩阵乘法运算，得到矩阵乘法结果；根据矩阵乘法结果，进行第二次矩阵间加减运算，得到子矩阵；对子矩阵进行数据搬运并合并，得到输出矩阵。本发明有效缩短了矩阵运算时间，提高了计算精度，可以应用于昇腾芯片混合编程。
-
Patent Agency Ranking
公开(公告)号：CN119892840A
公开(公告)日：2025-04-25
申请号：CN202510049469.2
申请日：2025-01-13
Applicant: 哈尔滨工业大学
IPC: H04L67/1008 , H04L67/1012 , H04L67/51
Abstract: 本发明公开了一种基于贪婪算法的面向异构性的微服务部署方法，所述方法如下：S1、计算每个节点剩余的资源量，并且按照剩余量从多到少的顺序编号；S2、依据节点排名的顺序，在节点上尝试依次部署每个微服务功能中的微服务各一个，若某个节点上的某个微服务部署失败则之后不再在该节点部署该微服务所属的微服务功能；S3、返回S1，直到每个微服务功能的残留部署量为μ，或是每个微服务功能在所有的节点都标记为不再部署；S4、使用传统的贪婪算法部署剩余的微服务实例；S5、结束部署，判断结果是否符合约束。本发明能够按照需求在多个节点中部署多个不同功能的微服务实例，在资源限制较强的情况下获得较高的微服务异构性。
-
公开(公告)号：CN118606987A
公开(公告)日：2024-09-06
申请号：CN202410638597.6
申请日：2024-05-22
Applicant: 上海浦东发展银行股份有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习和因子分解机的纵向联邦服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的纵向联邦因子分解机算法无法应用于双方用户数据一对一的场景的问题；本发明服务提供商引入可信第三方，采用隐私集合求交技术获取双方共同的用户空间并进行用户对齐；服务提供商使用本地深度学习模型处理用户样本数据并通过注意力模型和因子分解机模型提取深度数据特征，得到中间结果；服务提供商通过掩码技术对基于纵向联邦因子分解机算法得到的密文状态计算结果进行解密，得到实际的预测结果和前向梯度并更新本地深度学习模型和因子分解机模型的参数。本发明有效提升了服务推荐的效率，可以应用于服务推荐。
-
公开(公告)号：CN118606986A
公开(公告)日：2024-09-06
申请号：CN202410638595.7
申请日：2024-05-22
Applicant: 上海浦东发展银行股份有限公司 , 哈尔滨工业大学
Abstract: 本发明公开了一种基于纵向联邦多层感知机和持续学习的服务推荐方法，属于服务计算与服务推荐技术领域。解决了现有技术中传统的服务推荐算法无法充分利用同一用户在多个服务提供商中的全部数据的问题；本发明在出现推荐任务需要进行联邦学习训练或推理时，服务提供商通过协商引入可信第三方；服务提供商之间通过可信第三方采用隐私集合求交技术进行求交，获取双方共同的用户空间；基于共同的用户空间本地采用具有动态结构的多层感知机计算得到中间结果；服务提供商对中间结果进行加密，通过密文数据交互得到计算结果和回传梯度；最终服务提供商通过掩码技术获得实际的计算结果和回传梯度。本发明有效提升了数据应用的全面性，可以应用于服务推荐。
-
公开(公告)号：CN118274709B
公开(公告)日：2024-08-23
申请号：CN202410359726.8
申请日：2024-03-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于透视变换和鱼竿测量背景板的像素坐标转世界坐标方法，所述方法如下：一、在背板上粘贴两种不同半径大小的圆形标志点，通过大圆标志点的位置确定其余所有小圆标志点的世界坐标，实现对背景板上坐标的定位；二、通过识别鱼竿测量背景板上的所有圆形标志点，根据圆形标志点的面积判断大圆标志点的像素坐标，从而确定剩余小圆标志点的像素坐标；对小圆标志点排序后与鱼竿测量背景板进行比对确定其相对位置，并与世界坐标对应；三、通过找到转换点附近的六个背景板上的圆点，并根据这些点的坐标和特征点的排序计算透视变换矩阵；根据透视变换矩阵将输入的像素坐标转换为真实物体坐标。本发明能够提供更精确的位置信息和距离测量。
-
公开(公告)号：CN118274709A
公开(公告)日：2024-07-02
申请号：CN202410359726.8
申请日：2024-03-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于透视变换和鱼竿测量背景板的像素坐标转世界坐标方法，所述方法如下：一、在背板上粘贴两种不同半径大小的圆形标志点，通过大圆标志点的位置确定其余所有小圆标志点的世界坐标，实现对背景板上坐标的定位；二、通过识别鱼竿测量背景板上的所有圆形标志点，根据圆形标志点的面积判断大圆标志点的像素坐标，从而确定剩余小圆标志点的像素坐标；对小圆标志点排序后与鱼竿测量背景板进行比对确定其相对位置，并与世界坐标对应；三、通过找到转换点附近的六个背景板上的圆点，并根据这些点的坐标和特征点的排序计算透视变换矩阵；根据透视变换矩阵将输入的像素坐标转换为真实物体坐标。本发明能够提供更精确的位置信息和距离测量。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.042 seconds)
