-
公开(公告)号：CN118400491A
公开(公告)日：2024-07-26
申请号：CN202410296103.0
申请日：2024-03-15
申请人： 哈尔滨工业大学
IPC分类号： H04N7/18 , G06V10/764 , G06V20/40 , G06V20/52
摘要： 本发明涉及考场监控领域，一种大规模考场监控与智能分析系统，系统分为客户端和服务器端，客户端包含输入预处理模块、粗检测模块、客户端通信模块、显示模块、存储模块、操作模块；服务器端包含服务器通信模块、作弊检测算法模块。该系统首先在客户端通过监控摄像头实时读取视频流，对原始视频流抽帧组成集合并进行粗分类，将疑似作弊考生片段发送到服务器端使用目标检测算法进行作弊行为判断，之后将预测结果返还给客户端；本发明一种大规模考场监控与智能分析系统，可以同时辅助多名监考老师进行繁重的监考工作，对于提高学校监考工作效率，提高学校考试公平性和推动学校真实考试场景下的智能监考系统发展有着极其重要的意义。
-
公开(公告)号：CN116050503B
公开(公告)日：2023-11-10
申请号：CN202310120956.4
申请日：2023-02-15
申请人： 哈尔滨工业大学
IPC分类号： G06N3/088 , G06N3/0464 , G06N3/0442 , G06N3/048
摘要： 本发明提出一种通用化的神经网络前向训练方法，属于神经网络训练技术领域。在层结构的输出端连接辅助输出模块，包括：S1.设当前隐藏层为网络的第i层，第i层的输入为第i‑1层的输出hi‑1；S2.输入数据流经隐藏层，计算隐藏层的输出hi，并传递给下一隐藏层；S3.隐藏层i的输出hi为辅助输出模块AOMi的输入，AOMi推理隐藏层输出的含义；S4.计算当前AOM的输出与真实标签的误差，将误差传递给AOM和当前隐藏层，迭代AOM和当前隐藏层参数；S5.在下一组隐藏层和AOM上重复S1‑S4，直至训练数据流经所有隐藏层；S6.重复步骤S1‑S5，直至网络训练结束。解决现有前向训练方法中通用性弱的技术问题。
-
公开(公告)号：CN115661744A
公开(公告)日：2023-01-31
申请号：CN202211287116.9
申请日：2022-10-20
申请人： 哈尔滨工业大学
IPC分类号： G06V20/52 , G06V10/25 , G06V10/147 , G06V10/82 , G06V10/766 , G06V10/94 , G05D1/02
摘要： 本发明公开了一种移动式冰壶比赛观测小车，包括观测小车本体，观测小车本体的底端安装有移动轮，观测小车本体的一侧固定安装有ROS系统主控机，观测小车本体上固定安装有位于ROS系统主控机下方的冰壶场地观测系统，观测小车本体的顶端转动连接有若干个机械臂，每两个相邻机械臂之间均安装有舵机，本发明一种移动式冰壶比赛观测小车，通过冰壶场地观测系统使得轮式机器人在冰壶赛道中移动获取冰壶赛道场景图片，并数字化出当前冰壶赛道场景中冰壶分布状况，可广泛应用于冰壶竞技中，可为冰壶运动提供相应的训练设施，也可以应用于相关的娱乐比赛，可以完成冰壶赛场冰壶分布情况计算，为教练员指定战术提供参考。
-
公开(公告)号：CN112581510A
公开(公告)日：2021-03-30
申请号：CN202011457780.4
申请日：2020-12-11
申请人： 哈尔滨工业大学
IPC分类号： G06T7/292
摘要： 一种冰壶运动轨迹的测量系统，解决了现有冰壶的运动轨迹测量方法不够准确快速的问题，属于体育运动辅助分析技术领域。本发明包括中央控制计算机、脉冲发送节点、图像处理节点和N个图像采集节点；所有图像采集节点安装在冰壶赛道上方，视角覆盖整个冰壶赛道，每两个图像采集节点作为一组，相向安装形成交叠视野，脉冲发送节点输出脉冲控制各图像采集节点采集图像；每个图像采集节点用于采集到的图像发送至与其连接的图像处理节点；图像处理节点对图像中的冰壶进行跟踪，得到冰壶目标在图像中的位置，并将该位置映射到真实冰壶赛道上的位置；中央控制计算机根据冰壶的身份标识，对映射后位置的坐标进行串联，获得每个冰壶的运动轨迹，进行显示。
-
公开(公告)号：CN103813260B
公开(公告)日：2015-09-16
申请号：CN201410042032.8
申请日：2014-01-28
申请人： 哈尔滨工业大学
摘要： 一种基于镜像源法的长空间混响时间获得方法，涉及一种长空间混响时间的获得方法。它是为了解决现有方法获得长空间混响的误差大的问题。它通过在具有几何反射边界的长空间中，布置点声源（m,n）和距该镜像声源z位置的接收点；然后根据点声源(m,n)到接收点的距离和声能进行计算，最终获得长空间混响时间。本发明适用于获得地铁站、走廊等长空间声学混响时间。
-
公开(公告)号：CN102136166B
公开(公告)日：2012-10-03
申请号：CN201110007497.6
申请日：2011-01-14
申请人： 哈尔滨工业大学
摘要： 本发明提供一种克服现有方法局限性、实现高可靠性的多模态信息融合的纸币成像鉴伪方法及其装置。多模态信息融合的纸币成像鉴伪装置是由传感器、信号处理单元、主控单元、驱动单元和传输通道组成的，主控单元分别连接位置传感器、信号处理单元和驱动单元，驱动单元连接传输通道。方法步骤包括采集纸币的多模态特征；通过多种特征提取方法拟合人对纸币鉴伪特征的感知过程，构建多模态特征空间；针对不同的防伪特征，采用有针对性的匹配及比较算法。本发明根据模型区分纸币污损与防伪特征异常，采用多分类器融合方法，有效克服现有方法的局限性，实现高可靠性的纸币鉴伪。
-
公开(公告)号：CN102034108B
公开(公告)日：2012-06-27
申请号：CN201010573576.9
申请日：2010-12-06
申请人： 哈尔滨工业大学
摘要： 一种基于多分辨网格特征配准的清分机纸币面值面向分类方法，在进行图像识别和测量之前，首先需要对采样图像上不同点的亮度进行均衡；然后对纸币图像进行Haar小波变换，提取纸币图像近似图像分量；接着进行了网格特征的提取；接着分析网格特征对于不同纸币图像的可分性；再用网格特征建立一个综合分类器，在分类器构造中，应用了基于结构风险最小化的混合高斯模型。本方法可以满足纸币清分机的实时处理要求，能够达到每分钟处理1000张纸币的要求。同时采用局部特征配准可以有效地克服因磨损和印刷过程中造成的同一币种和面向纸币图像的不一致性，以便更好的进行识别。
-
公开(公告)号：CN118135345B
公开(公告)日：2024-08-20
申请号：CN202410272884.X
申请日：2024-03-11
申请人： 哈尔滨工业大学
IPC分类号： G06V10/766 , G06V10/44 , G06V10/80 , G06V10/764
摘要： 本发明提出一种基于核高斯混合岭回归模型的目标轮廓检测方法，属于图像处理技术领域。高斯混合模型GMM用多个高斯分布描述数据分布，内核岭回归KRR用一条曲线拟合数据集；将高斯混合模型与内核岭回归模型进行融合，令高斯混合模型GMM中每个高斯分布的均值为某个内核岭回归KRR的输出，得到一个用多条曲线拟合目标轮廓的核高斯混合岭回归模型，基于核高斯混合岭回归模型进行目标轮廓检测。解决难以用单一曲线描述多目标轮廓的问题，提升了多目标图像中轮廓检测、区域分割等的技术效果。
-
公开(公告)号：CN118485083A
公开(公告)日：2024-08-13
申请号：CN202410663865.X
申请日：2024-05-27
申请人： 哈尔滨工业大学
IPC分类号： G06F40/35 , G06N3/0455 , G06N3/047 , G06N3/08
摘要： 本发明提出一种基于生成式回报模型和大语言模型的语句交互方法，属于语句交互技术领域。包括：步骤一、使用大语言模型LLM1生成k个候选句子并构建生成式回报模型，构建生成式回报模型的方法是：使用生成式模型拟合特定环境下的某一行为的概率分布；对每一时刻行为的概率分布取对数后中心化，得到行为对应的回报。步骤二、以大语言模型LLM2作为虚拟对手，对每个候选句子进行蒙特卡洛树搜索获取动作价值函数；步骤三、将动作价值函数最大的候选句子作为结果输出。本发明可以让LLM在新的环境中自我学习，不用再有监督地微调；还可以让LLM生成的句子更有目的性。
-
公开(公告)号：CN118133236A
公开(公告)日：2024-06-04
申请号：CN202410272920.2
申请日：2024-03-11
申请人： 哈尔滨工业大学
IPC分类号： G06F18/27 , G06F18/25 , G06F18/214 , G06F17/16 , G06F18/2415
摘要： 本发明提出一种基于核高斯混合岭回归模型的逆问题求解方法，属于机器学习技术领域。高斯混合模型GMM用多个高斯分布描述数据分布，内核岭回归KRR用一条曲线拟合数据集；将高斯混合模型与内核岭回归模型进行融合，令高斯混合模型GMM中每个高斯分布的均值为某个内核岭回归KRR的输出，得到一个用多条曲线拟合数据集的核高斯混合岭回归模型；使用核高斯混合岭回归模型逆向拟合得到若干可行解，使用回归模型将得到的若干可行解进行拟合，得到可行解空间。解决逆问题只有有限数值解的问题，实现了逆问题求解的技术效果。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.033 秒)