公开(公告)号：CN117173775A

公开(公告)日：2023-12-05

申请号：CN202310984380.6

申请日：2023-08-07

Applicant: 青岛哈尔滨工程大学创新发展中心 ,  常州工学院

Inventor： 丛山 ,  苑硕 ,  王鹏 ,  姚晓辉

IPC: G06V40/18 ,  G06F3/01 ,  G06V40/16 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/766

Abstract: 本发明提出了一种基于卷积神经网络和自注意力模型的视线估计方法及系统；通过搭建神经网络对脸部图像和眼部图像进行处理，可以在没有约束的环境中回归出高精度的视线方向偏航角和俯仰角；针对普通卷积神经网络对眼部图像的细粒度特征捕捉不足的问题，本发明对ResNet神经网络模型进行了改造，去除了下采样层，将膨胀卷积核加入到神经网络中；将从眼部图像和脸部图像中提取的视觉特征输入到视觉Transformer网络模型中，利用多头自注意力机制将粗粒度特征和细粒度特征进行相关性计算；对视线角度回归过程进行改良，从全连接层中分别回归出视线的偏航角与俯仰角，提升视线估计的精度。

公开(公告)号：CN117132839A

公开(公告)日：2023-11-28

申请号：CN202311220276.6

申请日：2023-09-20

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 丛山 ,  罗昊燃 ,  姚晓辉 ,  刘冰 ,  梁洪

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于海马子区表面的图卷积辅助学习方法，属于人工智能领域；具体是：首先，从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；然后，将海马表面划分的子区域进行整合；在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；最后，经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；本发明采用了对卷积核和图池化进行改进的图卷积池化模型，取得了更高的分类准确率。

公开(公告)号：CN117637035A

公开(公告)日：2024-03-01

申请号：CN202311702871.3

申请日：2023-12-12

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 姚晓辉 ,  丛山 ,  罗昊燃 ,  梁洪 ,  贾淼 ,  袁浚博

IPC: G16B40/20 ,  G16B20/00 ,  G16B25/10 ,  G06F18/213 ,  G06F18/2415 ,  G06F18/2431 ,  G06F18/25 ,  G06N3/042 ,  G06N3/045 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明涉及一种基于图神经网络的多组学可信整合的分类模型及方法。该方法包括：针对一个样本，准备该样本的组学数据；构建每种组学数据的特异性网络；对组学特异性网络进行聚合更新，并对提取的组学特征进行降维和分类，产生每种组学的初始分类；计算每种组学的置信度，并对聚合后的特征进行增强；融合多种组学的置信增强特征，产生最终的分类结果；输出目标对象的医学分析结果。该模型包括：多组学数据准备模块、组学数据网络化构建模块、特征聚合及分类模块、置信度计算及增强模块、特征融合及分类模块、输出模块。

公开(公告)号：CN117760404A

公开(公告)日：2024-03-26

申请号：CN202311689024.8

申请日：2023-12-11

Applicant: 哈尔滨工程大学

Inventor： 梁洪 ,  赵凯 ,  丛山 ,  刘宏伟 ,  李波

IPC: G01C21/00 ,  G01C21/02 ,  G01C21/16 ,  G01C21/20

Abstract: 一种基于单星定向的全天候自主导航方法、系统、计算机设备及介质，属于天文导航技术领域，解决了现有天文导航系统处理过程繁琐、计算量大、输出频率低、对视觉传感器要求高、成本高以及对实时性要求高的问题。所述方法包括：采集星体的图像，并进行预处理，提取星体的质心点；获取天文年历中的力学时间、星体在赤道坐标系的坐标及观测点的位置坐标；采集惯性传感器的加速度和角速度，然后计算得到姿态角；进行姿态解算，得到航向角；预测得到目标的状态数据；将航向角与所述状态数据进行多源滤波融合，对目标的状态进行更新，并根据所述航向角对目标的航向进行修正，完成导航。本发明适用于大型高空远程飞机和战略导弹的导航场景。

公开(公告)号：CN117132839B

公开(公告)日：2025-05-23

申请号：CN202311220276.6

申请日：2023-09-20

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 丛山 ,  罗昊燃 ,  姚晓辉 ,  刘冰 ,  梁洪

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于海马子区表面的图卷积辅助学习方法，属于人工智能领域；具体是：首先，从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；然后，将海马表面划分的子区域进行整合；在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；最后，经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；本发明采用了对卷积核和图池化进行改进的图卷积池化模型，取得了更高的分类准确率。

公开(公告)号：CN115936983A

公开(公告)日：2023-04-07

申请号：CN202211353715.6

申请日：2022-11-01

Applicant: 青岛哈尔滨工程大学创新发展中心

Inventor： 丛山 ,  杨宇尊 ,  姚晓辉 ,  罗昊燃 ,  魏怡明 ,  刘宏伟

IPC: G06T3/40 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/08

Abstract: 本发明公开了一种基于风格迁移的核磁图像超分辨率方法，包括以下步骤：由非配对的高清图像和低清图像数据集训练改进的Transformer模型；将待配对的高清图像输入改进的Transformer模型输出对应的配对低清图像并与待配对的高清图像与所述配对低清图像组对构成对抗生成网络训练集，再由此训练集训练对抗生成网络；最后将核磁图像输入训练后的对抗生成网络得到高清核磁图像；其中改进的Transformer模型包括两个编码器、解码器和卷积神经网络上采样器，经过位置编码的高清图像分别输入两个编码器得到内容序列和风格序列再共同输入解码器解码后进行放大输出。本发明克服了传统线性下采样没有考虑图片域差导致与真实低清图像风格不一致的问题，可获得更加真实、更小色差的高清图像。