公开(公告)号：CN117237190B

公开(公告)日：2024-03-15

申请号：CN202311194024.0

申请日：2023-09-15

Applicant: 中国矿业大学

Inventor： 程德强 ,  李龙 ,  寇旗旗 ,  王晓艺 ,  韩成功 ,  刘敬敬

IPC: G06T3/4053 ,  G06V10/80 ,  G06T5/70 ,  G06T11/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开用于边缘移动设备的轻量化图像超分辨率重建系统及方法，属于图像超分辨率重建技术领域；包括输入模块、浅层特征提取层、多个堆叠蒸馏特征融合像素注意块模块、特征聚合模块、重建模块和输出模块；浅层特征提取层对低分辨率图像提取浅层特征；多个堆叠蒸馏特征融合像素注意块模块是m个以链的方式进行堆叠的DFFPA块，对浅层特征逐步细化提取深层特征；特征聚合模块聚合m个DFFPA块和浅层特征提取层的特征；重建模块经过卷积层和像素重排进行图像重建，得到超分辨率图像；本发明能够减少冗余信息，更加高效地提取图像中的高频信息，通过在像素级别上对不同尺度的特征进行加权融合，网络能够提供更优质的超分辨率重建结果。

公开(公告)号：CN113627380B

公开(公告)日：2024-03-15

申请号：CN202110959012.7

申请日：2021-08-20

Applicant: 中国矿业大学 ,  江苏华图矿业科技有限公司

Inventor： 寇旗旗 ,  程德强 ,  李云龙 ,  马尚 ,  王晓艺 ,  张皓翔

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06V10/762 ,  G06N3/0895

Abstract: 本发明是一种用于智能安防及预警的跨视域行人重识别方法及系统，方法包括如下步骤：步骤1预处理源域样本和目标域样本，步骤2通过ResNet50提取样本特征向量，步骤3特征提取后特征向量拼接，步骤4计算距离，生成伪标签，步骤5重识别，生成伪标签计算进行损失计算。本发明有效地对引入姿态估计点，对混杂背景进行遮挡处理，利用遮挡，防止网络将注意力集中在背景信息上，使网络学习能力变强，从而增加无监督行人重识别的识别精度，本发明有效利用了图片的相机索引、时间信息，考虑到在特定时间段和视角不重叠的特性，在相同相机下的行人图像置信度高和不同相机下的行人图像置信度低，为跨境头下的行人检索提供了很好的约束。

公开(公告)号：CN117579625A

公开(公告)日：2024-02-20

申请号：CN202410067840.3

申请日：2024-01-17

Applicant: 中国矿业大学

Inventor： 李爽 ,  薛广哲 ,  许锟 ,  鹿乘 ,  韩世锋 ,  黄晨晨 ,  程德强 ,  贺超 ,  梁敏富 ,  刘娇 ,  张祎

IPC: H04L67/1004 ,  H04L67/12 ,  G06Q10/0635 ,  G06Q50/02 ,  G07C1/20

Abstract: 本发明涉及一种用于双重预防机制的巡检任务预分发方法，包括远程服务器配置巡检任务，巡检任务基于配置的算法模型获取巡检任务的计算结果。边缘侧服务器根据巡检任务和算法模型的输入确定配置于巡检区域内的输入源。远程服务器根据输入源采集的历史数据构建包含风险性数据的计算任务，在边缘侧配置的计算节点执行计算任务。远程服务器根据计算任务的计算结果获取输入源数据的可靠性，确定计算任务的结果和风险型数据的预期风险属性一致的输入源为可靠输入源，并基于可靠输入源所接入的终端构建巡检序列，基于终端的负载分发巡检序列。通过随机引入噪音和风险因素来识别井下的模型是否可靠的问题。

公开(公告)号：CN117519991A

公开(公告)日：2024-02-06

申请号：CN202410008151.5

申请日：2024-01-04

Applicant: 中国矿业大学

Inventor： 李爽 ,  刘娇 ,  张祎 ,  韩世锋 ,  黄晨晨 ,  程德强 ,  薛广哲 ,  许锟 ,  鹿乘 ,  贺超

IPC: G06F9/50 ,  G06N20/00 ,  G06N5/022 ,  G06F16/36 ,  G06Q50/02 ,  G06Q90/00 ,  H04L67/12 ,  G16Y10/20 ,  G16Y20/10 ,  G16Y40/10 ,  G16Y40/20 ,  G16Y40/50

Abstract: 本发明涉及安全技术领域，具体而言，涉及一种基于边云混合的智能化安全双重预防风险识别方法，包括：根据矿井中采集的井下数据的种类生成实时的计算任务，于边缘侧至少两个边缘设备进行计算任务的卸载；且边缘设备执行的计算任务包括于云侧同步卸载计算任务；云侧还基于卸载的计算任务的类别进行关联煤矿安全数据的风险识别，且根据风险识别的结果进行风险的管理。这样就解决了矿井环境复杂，数据量大，传统的风险识别和管理方法往往无法满足需求的问题。

公开(公告)号：CN117173024A

公开(公告)日：2023-12-05

申请号：CN202311213700.4

申请日：2023-09-20

Applicant: 中国矿业大学

Inventor： 程德强 ,  程志威 ,  寇旗旗 ,  李爽 ,  陈亮亮 ,  韩成功 ,  吕晨 ,  张皓翔

IPC: G06T3/40 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明属于图像超分辨率重建技术领域，涉及一种基于整体注意力的矿井图像超分辨率重建系统及方法；浅层特征输入到深层特征提取模块，深层特征提取模块由N个信息蒸馏块堆叠组成；层间融合注意力机制模块由M个层间金字塔注意力以金字塔结构组成，并通过1×1卷积层来降低维度以减少计算量和参数量，然后输入到3×3卷积层，并引入长跳跃连接，输出融合结果作为上采样及重建模块的输入；得到高分辨率图像；以信息蒸馏网络为框架，引入增强型自校准卷积可以有效地平衡好计算效率和网络性能，更满足现实应用的需求；层间融合注意力机制对多个信息蒸馏块的输出特征图自适应地分配权重，在融合处理后输入重建模块以实现不同深度特征图地充分利用。

公开(公告)号：CN117078659A

公开(公告)日：2023-11-17

申请号：CN202311221440.5

申请日：2023-09-21

Applicant: 中国矿业大学

Inventor： 宋天舒 ,  程德强 ,  寇旗旗 ,  李雷达 ,  陈亮亮 ,  江鹤

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82 ,  G06N3/09

Abstract: 本发明属于图像质量评价技术领域，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法，借助主动学习选择少量代表性样本以减少模型对样本数量的需求。首先，从图像质量和图像内容两个方面选择少量代表性样本；其次，对选中的少量样本进行人工标注，获得图像质量分数；然后，用有标注的少量样本进行prompt调优，以提升模型对图像质量评价任务的预测能力，并重复此过程，直到被选中的样本的总数达到预期数量；最后，采用所有被选中的样本同时微调prompt和模型的少量参数，完成模型的最终训练。本发明通过主动学习选择代表性样本，减少了模型对训练样本的依赖，有效提升了模型在少样本训练场景下的预测能力和泛化能力。

公开(公告)号：CN112907582B

公开(公告)日：2023-09-29

申请号：CN202110330453.0

申请日：2021-03-24

Applicant: 中国矿业大学 ,  江苏华图矿业科技有限公司

Inventor： 寇旗旗 ,  程德强 ,  尤杨杨 ,  王振宇

IPC: G06T7/00 ,  G06T7/90 ,  G06T5/40 ,  G06T5/50 ,  G06T5/00 ,  G06V40/16 ,  G06V10/764

Abstract: 本发明涉及一种面向矿井的图像显著性提取去雾方法、装置及人脸检测，属于图像处理技术领域，解决了由于矿井下雾尘浓度、光源不均匀和图像显著程度不同造成的去雾图像失真、过饱和及边缘晕伪影的问题。方法包括：获取矿井下的原始存雾图像；基于直方图分析对原始存雾图像进行亮度降值处理，根据亮度降值后的存雾图像计算大气光估计值；根据大气光估计值、预设的小尺度的数值和大尺度的数值得到大尺度传输图和小尺度传输图；基于原始存雾图像的显著图将大尺度传输图和小尺度传输图融合得到显著性提取去雾模型；利用L2正则化对显著性提取去雾模型进行约束，得到融合后传输图；基于融合后传输图、大气光估计值，反解大气散射模型得到去雾图像。

公开(公告)号：CN110516523B

公开(公告)日：2023-08-25

申请号：CN201910539038.9

申请日：2019-06-18

Applicant: 中国矿业大学

Inventor： 程德强 ,  付新竹 ,  李海翔 ,  冯晨晨 ,  刘钊 ,  刘海 ,  张国鹏

IPC: G06V20/40 ,  G06V40/10 ,  G06V10/764 ,  G06V10/50

Abstract: 本发明公开了移动视频巡检中危险区域行人检测方法，包括以下步骤：步骤1：提取HOG特征；步骤2：构建一种(r，P，k)的中值采样方案；步骤3：训练二级级联分类器，第一级的分类器使用线性SVM，去除大部分容易区分的负样本，保留几乎所有正样本送入第二级分类器，第二级分类器是Adaboost分类器，对正样本进行检测。本发明在HOG‑LBP的基础上，通过对LBP特征的改进，采用梯度LBP特征，提取四个描述子，并采用一种新的基于训练的特征映射方法，并将多分辨率联合的梯度LBP特征进行串联，提取纹理特征信息更加全面，更加准确，更加有利于提高分类的准确性。

公开(公告)号：CN115239564B

公开(公告)日：2023-06-16

申请号：CN202210992327.6

申请日：2022-08-18

Applicant: 中国矿业大学

Inventor： 程德强 ,  王子强 ,  寇旗旗 ,  韩成功 ,  王晓艺 ,  徐飞翔 ,  吕晨 ,  张皓翔

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种结合语义信息的矿井图像超分辨率重建方法，其主要目的是通过语义分割网络所产生的概率图对超分辨率网络的深层特征提取前的输入进行调整，以此达到提高图像重建质量的结果。该方法主要包括这几部分：1.构建一个较深的超分辨率网络，其结构主要包括：浅层特征提取模块、深层特征提取模块、上采样模块；2.构建一个语义分割网络，用于产生作为深层特征提取模块的部分输入；3.确定损失函数、学习率调整策略。

公开(公告)号：CN116071229A

公开(公告)日：2023-05-05

申请号：CN202211021098.X

申请日：2022-08-24

Applicant: 中国矿业大学

Inventor： 程德强 ,  王培杰 ,  寇旗旗 ,  刘海 ,  徐飞翔 ,  王晓艺 ,  王希 ,  李雷

IPC: G06T3/40 ,  G06N3/084 ,  G06N3/0464

Abstract: 本发明公开了一种用于可穿戴头盔的图像超分辨率重建方法，该方法包括以下步骤：构建退化模型，通过退化模型获得高‑低分辨率图像对；构建深度可分离卷积神经网络模型，深度可分离卷积神经网络生成超分辨图像；训练深度可分离卷积神经网络模型，对超分辨图像与输入的高分辨率图像进行损失计算，优化深度可分离卷积神经网络模型；对重构后超分辨图像进行测试；对测试后图像进行预处理；验证深度可分离卷积神经网络模型。本发明通过使用退化模型能够有效应对低光照环境下图像采集，重建出高分辨图像；构建深度可分离卷积神经网络模型，保留图像更多的纹理细节，重构出精细的图像。