公开(公告)号：CN120067531A

公开(公告)日：2025-05-30

申请号：CN202510093842.4

申请日：2025-01-21

Applicant: 哈尔滨工业大学

Inventor： 刘冰 ,  胡文龙 ,  付平 ,  凤雷 ,  郑文斌 ,  付洪硕 ,  薛健

IPC: G06F18/10 ,  G01D18/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/094

Abstract: 一种基于对抗学习的传感器故障鲁棒多输出软测量方法及系统，它涉及一种传感器故障鲁棒多输出软测量方法及系统。本发明为了解决现有软测量模型多为单输出软测量模型，且预测性能容易受到传感器故障干扰的问题。本发明所述系统包括对抗样本生成模块、空间特征提取模块、线性注意力机制模块、时间特征提取模块和预测模块。本发明属于软测量技术领域。

公开(公告)号：CN115063352B

公开(公告)日：2025-03-28

申请号：CN202210569783.X

申请日：2022-05-24

Applicant: 哈尔滨工业大学

Inventor： 刘冰 ,  王甜甜 ,  付平 ,  高丽娜 ,  陈浩林 ,  朱玉晴 ,  付洪硕 ,  闫铮

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明是一种基于多图神经网络协同学习架构的显著性物体检测装置及方法。本发明涉及计算机视觉技术领域，确定显著性边缘特征与显著性区域特征，将显著性边缘特征与显著性区域特征分别通过图投影操作转化为边缘图节点与区域图节点；进行初始图交互，实现图间信息的传递；将交互之后的送入动态信息增强图卷积层，完成图节点信息的充分挖掘；将经过动态信息增强图卷积层处理之后的边缘图节点与区域图节点送入注意力感知融合模块，完成两种特征的互补融合，为显著性边缘特征与显著性区域特征的学习过程提供互补线索。本发明提升显著性物体检测性能，弥补传统卷积神经网络的关系学习能力不足的问题。

公开(公告)号：CN115063352A

公开(公告)日：2022-09-16

申请号：CN202210569783.X

申请日：2022-05-24

Applicant: 哈尔滨工业大学

Inventor： 刘冰 ,  王甜甜 ,  付平 ,  高丽娜 ,  陈浩林 ,  朱玉晴 ,  付洪硕 ,  闫铮

IPC: G06T7/00 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一种基于多图神经网络协同学习架构的显著性物体检测装置及方法。本发明涉及计算机视觉技术领域，确定显著性边缘特征与显著性区域特征，将显著性边缘特征与显著性区域特征分别通过图投影操作转化为边缘图节点与区域图节点；进行初始图交互，实现图间信息的传递；将交互之后的送入动态信息增强图卷积层，完成图节点信息的充分挖掘；将经过动态信息增强图卷积层处理之后的边缘图节点与区域图节点送入注意力感知融合模块，完成两种特征的互补融合，为显著性边缘特征与显著性区域特征的学习过程提供互补线索。本发明提升显著性物体检测性能，弥补传统卷积神经网络的关系学习能力不足的问题。