-
公开(公告)号：CN108009541A
公开(公告)日：2018-05-08
申请号：CN201610935224.0
申请日：2016-11-01
CPC classification number: G06K9/325 , G06K9/38 , G06K9/4604 , G06K9/6268 , G06K2209/03
Abstract: 本发明涉及一种智能变电站装置面板自动识别方法及系统，该方法包括下述步骤：(1)智能变电站装置面板图像信息的获取；(2)面板图像信息预处理；(3)面板特征抽取和选择；(4)设计面板元素及布局分类器；(5)视角无关的面板元素及布局分类决策。本发明可自动识别出装置面板基本要素及布局规则，从而达到装置面板布局的自动化测试。
-
公开(公告)号：CN108009541B
公开(公告)日：2023-07-21
申请号：CN201610935224.0
申请日：2016-11-01
IPC: G06V20/62 , G06V30/162 , G06V10/44 , G06V10/764 , G06V10/28
Abstract: 本发明涉及一种智能变电站装置面板自动识别方法及系统，该方法包括下述步骤：(1)智能变电站装置面板图像信息的获取；(2)面板图像信息预处理；(3)面板特征抽取和选择；(4)设计面板元素及布局分类器；(5)视角无关的面板元素及布局分类决策。本发明可自动识别出装置面板基本要素及布局规则，从而达到装置面板布局的自动化测试。
-
公开(公告)号：CN115290670B
公开(公告)日：2025-04-15
申请号：CN202210800767.7
申请日：2022-07-08
Applicant: 哈尔滨工业大学 , 河钢工业技术服务有限公司
IPC: G01N21/94
Abstract: 本发明提供了一种清洁度检测设备定位机械结构，属于定位结构领域。解决了手持测量危险及仅能实现局部检测，测试结果精度差以及固定设备的测量位置无法二次调节的问题。它包括水平支架、立式支架、滑台底座、两组点清洁度检测组件、两组激光组件和两组相机组件，滑台底座固定在水平支架的前端，两组点清洁度检测组件呈左右对称安装在滑台底座上，每组点清洁度检测组件均能够实现X轴方向移动、Y轴方向移动及绕X轴的摆动，立式支架固定在水平支架的后端，两组激光组件和两组相机组件均呈左右对称安装在立式支架上，激光组件和相机组件均能实现Z轴方向、Y方向移动和绕X轴摆动。本发明提高清洁度检测的精度且提高生产效率。
-
公开(公告)号：CN119169140A
公开(公告)日：2024-12-20
申请号：CN202411333395.7
申请日：2024-09-24
IPC: G06T11/00 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/047
Abstract: 基于多域联合滤波的CT图像高效去金属伪影系统，属于医学图像复原领域。解决了现有去金属伪影系统处理速度慢和去伪影效果差的问题。本发明利用多域联合对CT图像去金属伪影，系统将含有金属伪影的CT图像作为输入，经输入层编码映射到特征空间，通过编码子网络对多层特征图进行逐级维度压缩、多域滤波及深层特征编码，输出降维后的多层特征图；再通过解码子网络对降维后的多层特征图、以及跳跃式传递的编码器在编码过程中获得的部分特征图进行逐级解码，输出H×W维多层特征图再通过输出层解码得到残差图像，与输入图像相加得到输出无伪影、清晰的CT图像。本发明主要用于对CT图像去金属伪影。
-
公开(公告)号：CN117635481A
公开(公告)日：2024-03-01
申请号：CN202311399539.4
申请日：2023-10-26
Applicant: 哈尔滨工业大学
IPC: G06T5/73 , G06T5/60 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 基于深度无关数据集的图像去雾方法、计算机设备、介质和电子设备，属于图像处理技术领域，解决图像去雾处理能力低且无法同时保证去雾效果和计算速度问题。本发明的方法包括：在数据集方面，解耦雾的浓度和场景深度之间的关系，从而生成一个与深度无关的数据集，将雾的浓度和场景深度关系解耦，使图像中雾的浓度与场景完全无关，来引导模型学习雾的浓度来恢复图像；提出了一种全新的卷积跳跃连接，通过为相加的特征融合方法引入一个单独的卷积层，对编码器特征进行卷积，并将卷积后的结果于解码器的特征相加，来提高相加特征融合方法的特征表示能力，进而在几乎不增加计算复杂度的同时提高模型的去雾表现。本发明适用于图像去雾。
-
Patent Agency Ranking
公开(公告)号：CN117576672A
公开(公告)日：2024-02-20
申请号：CN202311461019.1
申请日：2023-11-06
Applicant: 哈尔滨工业大学
IPC: G06V20/62 , G06V20/70 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 一种学习实例内部语义增强的场景文字检测器和方法，属于场景文本识别技术领域，解决未考虑语义关系以及未考虑边框和中心的一致性而导致检测不准确问题。本发明的检测器包括：文本领域注意力机制TAM和边界融合模块BAG；所述文本领域注意力机制使用连通域分析的方法得到独立的文本区域，使用RoIAlign操作提取RoI特征，然后通过线性层压缩并投影为Troi∈RN×C，其中N是RoI的数量，是C通道数；将Troi和类别令牌Tcls连接起来，添加位置嵌入以形成原始ViT编码器的输入标记；所述边界融合模块根据所述文本领域注意力机制输出的特征图生成高维嵌入的卷积层。本发明适用于自动驾驶、场景文本翻译和场景理解。
-
公开(公告)号：CN116415112A
公开(公告)日：2023-07-11
申请号：CN202111630618.2
申请日：2021-12-28
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/23213 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本申请公开了一种默念口令配置方法，可以应用于配置有多个电极的可穿戴设备，方法包括：获取第一电信号，第一电信号为用户默读时从用户的目标皮肤区域上测量得到的信号，在基于第一电信号对应的第一默读口令的识别精度低于阈值时，呈现用于指示更改默读口令的内容的第一提醒。本申请可以提高默念口令识别的准确度。
-
公开(公告)号：CN115309097A
公开(公告)日：2022-11-08
申请号：CN202210800766.2
申请日：2022-07-08
Applicant: 哈尔滨工业大学 , 河钢工业技术服务有限公司
IPC: G05B19/05
Abstract: 一种高炉泥炮加泥载重无人车的控制系统和控制方法，属于机器人控制技术领域，解决现有技术针对高炉泥炮加泥工作无法实现完全无人化、自动化的问题。本发明的系统包括：所述系统包括：高炉炉前监控中心、泥炮作业系统、无人车和充电控制系统；所述泥炮作业系统包括信号传输模块、炉前PLC控制系统、炉前自动门、泥炮状态监测及控制系统、开口机控制系统、掀盖机控制系统；所述无人车包括载重无人车信息处理系统、充电控制系统、SLAM导航、视觉6自由度机械臂、车载炮泥多层存放机构、高灵敏度水平自稳装置、区域人体安防检测系统、车载显示屏、声光报警器和行走系统。本发明适用于冶炼中高炉泥炮加泥。
-
公开(公告)号：CN113160050A
公开(公告)日：2021-07-23
申请号：CN202110319609.5
申请日：2021-03-25
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于时空神经网络的小目标识别方法及系统，其中，该方法包括：运用超分辨率算法对原始模糊图像进行预处理，得到高画质图像序列；利用时空注意力机制对高画质图像序列的相邻帧间进行逻辑减操作，捕捉并高亮强调可疑区域；提取可疑区域中的深度特征，得到特征图时序序列；采用LSTM状态转移子网将特征图时序序列输入到置信输出的映射装置中，得到转移状态；利用分类器对转移状态进行分类，得到最终识别结果，其中，最终识别结果为目标种类和置信率。该方法随着帧序列的不断读入，模型进行自我修正，逐渐修正为正确的类别并不断提高置信率。
-
公开(公告)号：CN111985220A
公开(公告)日：2020-11-24
申请号：CN202010751655.8
申请日：2020-07-30
Applicant: 哈尔滨工业大学
IPC: G06F40/253 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的端到端司法文书自动校对方法，属于自然语言处理技术领域。所述自动校对方法包括以下步骤：步骤一、提出Transformer模型结构；步骤二、对所述Transformer模型进行训练，得到最大化模型在训练数据S上的似然；步骤三、在步骤二中得到的似然中引入长度惩罚项，得到解码策略。本发明使用基于自注意力机制的编码器-解码器模型——Transformer，有效地避免了循环神经网络和卷积神经网络的缺点，提出的方法远超基于循环神经网络和卷积神经网络的编码器-解码器模型的性能。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.128 seconds)
