-
公开(公告)号：CN113792574B
公开(公告)日：2023-12-19
申请号：CN202110796949.7
申请日：2021-07-14
Applicant: 哈尔滨工程大学
IPC: G06V40/16 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提出的基于距离度量学习的方法对图像进行权重加权，它显式地减少了训练过程中表情特征之间的类内差异从而使预测的精度更高；本发明使用教师学生模型进行全监督学习从而扩大训练数据的规模和提高训练数据的标签质量，提高深度卷积神经网络模型的性能。本发明采用源数据集和目标数据集的融合在精度和泛化能力之间提供了最佳的折衷，来达到跨数据集人脸表情识别一个较好的结果，提供了一个融合数据集的可选择方案，解决了数据集规模小和跨数据集表情识别忽略源数据集性能的问题；本发明解决了数据集标签错误多的缺点，进而提高深度卷积神经网络的分类精度。
-
公开(公告)号：CN112151071A
公开(公告)日：2020-12-29
申请号：CN202011006934.8
申请日：2020-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明提供基于混合小波包特征深度学习的语音情感识别方法，S1:通过自相关函数算法对语音数据进行端点检测；S2:将语音序列数据截取成相同长度，将语音序列采样统一为1024，针对该序列用3层小波包重构算法生成新的8个重构信号，组成特征集1；S3:将语音信号直接通过快速傅里叶变换(FFT)提取140个融合了LLDs及其泛化函数的特征值，组成特征集2；S4:将特征集2用DNN的深度学习结构进行进一步提取特征，将特征集1进行进一步提取特征；S5:将两种利用不同结构所提取到的特征集融合在一起，利用Softmax损失函数进行最终分类。本发明能够混有噪声的情况下，能够充分提取语音信号的时域信息和频域信息特征，进而利用深度学习算法实现。
-
公开(公告)号：CN107253515A
公开(公告)日：2017-10-17
申请号：CN201710464316.X
申请日：2017-06-19
Applicant: 哈尔滨工程大学
IPC: B63B39/06
CPC classification number: B63B39/06
Abstract: 本发明公开一种攻角可控的液压驱动式减纵摇T型水翼，柱翼上端通过连接板安装在船体艏部龙骨下方，下端与水平固定翼垂直焊接，左右两个襟尾翼通过转轴对称地内嵌在水平固定翼中且可同步摆动，襟尾翼与水平固定翼之间留有摆动间隙；液压缸接口上端连接液压缸活塞杆，液压缸接口下端通过销轴与支臂铰链连接，支臂上端开有销轴的滑孔，下端与襟尾翼刚性连接，位置磁环和测量杆安装在密闭的液压缸缸体中。该水翼能对水翼攻角进行较为精确的控制，优化了水翼的结构，增强了稳定性、可靠性和实用性，极大地降低了制造、维修难度。该T型水翼可以与其它减摇附体联合使用，可以使船舶的减摇效果得到极大提升。
-
公开(公告)号：CN103274016A
公开(公告)日：2013-09-04
申请号：CN201310131690.X
申请日：2013-04-16
Applicant: 哈尔滨工程大学
CPC classification number: Y02T70/122
Abstract: 本发明属于水下自主航行器制造、控制领域，具体涉及一种高速水下自主航行器及其在水下高速航行期间的纵向运动的稳定控制方法。高速水下自主航行器包括高速水下自主航行器本体，圆形具有锋利边缘的气泡发生器位于水下自主航行器头部；压力平衡装置安装在水下自主航行器前部和中部按圆周布置，可喷出气体，平衡气泡内压力，促进气泡成形；压力传感器紧贴每个压力平衡装置进行安装；两个圆筒状可变角度推力装置对称安装在水下自主航行器尾部的壳体表面；6个圆筒状固定推力装置均匀的安装在水下自主航行器尾部壳体的圆周表面。本发明在AUV需要进行长时间和远距离探测时，节约了AUV自身电池的消耗，增加了AUV探测的范围，提高了续航时间。
-
公开(公告)号：CN103042971A
公开(公告)日：2013-04-17
申请号：CN201310014264.8
申请日：2013-01-15
Applicant: 哈尔滨工程大学
IPC: B60Q5/00
Abstract: 本发明的目的在于提供一种汽车喇叭智能控制装置及控制方法，包括汽车喇叭按键控制、GPS定位/授时系统、汽车喇叭、地理空间数据库系统、汽车喇叭发音控制模块、智能喇叭控制系统等几个部分组成，智能喇叭控制系统智能识别汽车所在地段/时段信息，依据相关部分设置的鸣笛控制时段及鸣笛区域信息对汽车喇叭的发音及音量进行控制。本发明自动实现汽车喇叭根据自身位置和当前时间，依据相关部门规定的号笛控制法规实现汽车喇叭的静音、低音、高音的自动控制，能够有效控制乱鸣笛、鸣高音喇叭等由汽车喇叭产生的噪音污染，同时能够从根本上杜绝交通违法行为。
-
Patent Agency Ranking
公开(公告)号：CN103021252A
公开(公告)日：2013-04-03
申请号：CN201210464928.6
申请日：2012-11-16
Applicant: 哈尔滨工程大学
IPC: G09B25/00
Abstract: 本发明提供的是一种实时负压模拟装置。计算机1内安装PCI-1711板卡2；PCI-1711板卡2通过数据线与绝压传感器Ⅰ8、真空电气比例阀3相连；大气压源5通过气体管路10经过空气过滤器4与真空电气比例阀3的管路接口相连；真空泵6通过气体管路10与真空电气比例阀3的管路接口相连；压力模拟舱7通过气体管路10与真空电气比例阀3的管路接口相连；压力模拟舱7通过螺纹连接方式与绝压传感器Ⅰ8、绝压传感器Ⅱ9相连。本发明能够根据设定的负压值快速调节压力容器内的压力，具有精度高、实时性好的特点。
-
公开(公告)号：CN113608663B
公开(公告)日：2023-07-25
申请号：CN202110783266.8
申请日：2021-07-12
Applicant: 哈尔滨工程大学
IPC: G06F3/04883 , G06V10/44 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习和K‑曲率法的指尖跟踪方法，首先利用YOLOv3网络模型训练预处理后的数据集，获取指尖检测模型；再利用摄像头获取视频流，输入检测模型并检测出检测框信息，初始化卡尔曼滤波器；然后利用卡尔曼滤波器得到预测框，计算出本帧检测框和预测框的IOU，设定IOU阈值，判断该IOU是否大于IOU阈值，若该IOU大于IOU阈值则更新卡尔曼滤波器得到指尖跟踪框；否则，利用K‑曲率法对指尖位置进行校正，并更新卡尔曼滤波器；最后设定一个时间阈值T‑max，在该时间阈值帧内未检测跟踪信息，则终止跟踪。本发明减弱了复杂环境对检测准确性的影响，提升了检测速度，增加了准确性和鲁棒性。
-
公开(公告)号：CN113177969B
公开(公告)日：2022-07-15
申请号：CN202110471464.0
申请日：2021-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于运动方向变化的候选种子的点云单目标跟踪方法，包括训练模块和测试模块，训练模块首先对点云预处理得到模板点云，其次使用高斯采样得到候选点云，再次将模板点云和候选点云输入编码器进行编码，得到对应的特征向量，最后分别计算距离损失函数与方向损失函数并且训练整个模型。测试模块首先使用预先训练的PointRcnn模型进行目标检测，其次进行候选区域采样，再次将采样的候选点云与上一帧跟踪目标点云输入到训练好的模型进行编码，最后对编码后的特征向量使用余弦相似性对比进行目标跟踪。本发明方法能够提高单目标跟踪精度，有效防止错跟踪现象出现。
-
公开(公告)号：CN111914935B
公开(公告)日：2022-07-15
申请号：CN202010766653.6
申请日：2020-08-03
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于深度学习的船舶目标检测与识别方法，包括以下步骤：S1：搭建像素注意力模型，并对船舶图像进行预处理；S2：使用K‑Means聚类生成船舶锚定框，并对标签边界框进行转换；S3：搭建基于像素注意力模型的YOLOV3网络结构；S4：使用训练优化方法训练网络；S5：使用非极大值抑制算法对网络输出进行后处理，避免出现重复检测问题。本发明提供的基于深度学习的船舶目标检测与识别方法，能够在多种复杂背景与分辨率下对实现船舶目标检测与识别，在船舶工业与海事管理等领域有较好的使用前景。
-
公开(公告)号：CN113869418A
公开(公告)日：2021-12-31
申请号：CN202111147583.7
申请日：2021-09-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于全局注意力关系网络的小样本船舶目标识别方法，包括以下步骤：S1：使用Meta‑Learning数据划分方式生成小样本任务集，并进行模型加载及训练；S2：搭建跨目标全局注意力机制模型；S3：搭建基于跨目标全局注意力机制的RN网络结构；S4：使用Cosine距离度量样本特征相似度，并对距离长度进行比较目标样本特征；S5：使用训练优化方法训练网络。本发明提供的基于全局注意力关系网络的小样本船舶目标识别方法，能够在真实海况、复杂多场景海况、目标类别样本量不均衡的情况下实现小样本船舶目标识别，在船舶工业与海事管理等领域有较好的使用前景。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.043 seconds)
