-
公开(公告)号：CN115908802A
公开(公告)日：2023-04-04
申请号：CN202211426153.3
申请日：2022-11-14
Applicant: 北京工业大学
IPC: G06V10/26 , G06N3/0464 , G06N3/08 , G06V10/60 , G06V10/74 , G06V10/764 , G06V10/82
Abstract: 本申请提供一种摄像头遮挡检测方法、装置、电子设备及可读存储介质，涉及图像识别领域，该方法包括：获取目标摄像头采集的目标图像，并计算所述目标图像的光照强度；基于所述目标图像的光照强度与预设光照强度的比较结果，使用目标模型对所述目标图像进行分析，并生成分析结果；其中，所述预设光照强度为对摄像头是否被遮挡判断错误的图像的光照强度平均值；所述分析结果用于指示所述目标摄像头是否被遮挡。本申请提供的摄像头遮挡检测方法、装置、电子设备及可读存储介质，用于根据摄像头实时采集的图像帧，在任何光照条件下都能够及时地判断出摄像头是否被遮挡，提高了遮挡检测的准确性。
-
公开(公告)号：CN115546466A
公开(公告)日：2022-12-30
申请号：CN202211201019.3
申请日：2022-09-28
Applicant: 北京工业大学
IPC: G06V10/24 , G06V10/25 , G06V10/764 , G06V10/80
Abstract: 一种基于多尺度显著特征融合的弱监督图像目标定位方法，属于计算机视觉领域。为了解决小目标图像ROI标注工作繁杂、CAM激活不足两个问题，本发明重点关注优化弱监督下分类网络输出类激活图的研究。本发明涉及两个层面的信息融合：①由于卷积神经网络中最底层的特征图语义信息弱但位置信息强，故可与最高层特征图进行融合得到分类网络最终的特征图；②由于分类网络对不同尺度ROI的敏感度不同，其得到的类激活图也有所不同，所以融合不同激活图中互补的对象信息能够完善图像中目标区域的定位，进而产生更准确的伪标签用于分割任务。
-
公开(公告)号：CN115482464A
公开(公告)日：2022-12-16
申请号：CN202211137947.8
申请日：2022-09-19
Applicant: 北京工业大学
Abstract: 一种基于双路摄像头的商品识别方法涉及到基于深度学习的商品识别方法。本发明中对两个角度的画面进行融合检测，提高了商品的识别精度。使用混合的数据对特征提取主干网络进行训练，得到的特征提取主干网络可以同时提取两个角度的画面的特征，降低了使用传统目标检测算法时特征提取主干网络的训练成本。
-
公开(公告)号：CN115049694A
公开(公告)日：2022-09-13
申请号：CN202210483057.6
申请日：2022-05-06
Applicant: 北京工业大学
Abstract: 本发明是一种基于图像特征的花粉颗粒图像提取方法。具体流程为：花粉图像输入后首先基于HSV提取前景图像，即去除气泡处理，图像去气泡后再基于霍夫变换提取前景图像，即初筛杂质处理；将初筛后的花粉图像基于检测模型提取花粉颗粒图像以去除剩余杂质的干扰，最终输出提取出的花粉颗粒图像。基于花粉图像特征对花粉图像进行去除气泡和杂质处理后，再使用基于检测模型提取花粉颗粒方法可以有效地避免气泡、杂质与花粉颗粒图像的相似信息对于提取花粉颗粒的干扰，使得最终提取花粉颗粒图像的效果良好。
-
公开(公告)号：CN114972903A
公开(公告)日：2022-08-30
申请号：CN202210393879.5
申请日：2022-04-14
Applicant: 北京工业大学
IPC: G06V10/774 , G06N3/04
Abstract: 本发明提供一种高光谱图像分类方法、装置、电子设备及存储介质，所述方法包括：针对高光谱图像的每个待分类像素，确定所述像素对应的空谱像素块；将所述空谱像素块输入到训练好的高光谱图像分类模型中，得到所述像素对应的分类结果；其中，所述训练好的高光谱图像分类模型包括级联的卷积层、深度自注意力变换网络模型的编码器和多层感知器分类头，所述级联的卷积层用于提取所述像素的空谱特征，所述编码器用于基于所述像素的空谱特征捕获所述像素的光谱序列特征，所述多层感知器分类头用于基于像素的光谱序列特征对所述像素进行分类。本发明能够很好地挖掘和表示光谱特征的序列属性，从而能够准确和精细地分类高光谱图像中的像素。
-
Patent Agency Ranking
公开(公告)号：CN110516687B
公开(公告)日：2022-02-08
申请号：CN201910724082.7
申请日：2019-08-07
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于图像融合和改进ResNet的图像识别方法。本发明设计提取图像的多种特征，对大尺寸原图像进行主成分分析，分成从大到小的三个主成分向量，保留第一主成成分，即保留原图像的最大特征；然后对于两个较小的主成分分别用提取的两个特征进行替换，生成新的大尺寸图像。用新的大尺寸图像去训练改进的ResNet模型，从而提升模型对于尺寸比较大、光线强弱以及背景的干扰比较突出的图像识别分类的准确性和敏感度。
-
公开(公告)号：CN113947575A
公开(公告)日：2022-01-18
申请号：CN202111188370.9
申请日：2021-10-12
Abstract: 本发明提供一种花粉颗粒检测方法和装置，其中方法包括：获取待检测花粉图像中多个图像区域分别对应的特征图和每个图像区域对应的置信度；对特征图进行相似度对比，确定任一目标特征图对应的最大特征相似度值；对目标特征图对应的最大特征相似度值进行加权处理，获得加权后最大特征相似度值；基于目标特征图对应的加权后最大特征相似度值以及目标特征图对应的图像区域的置信度，对目标特征图对应的图像区域进行置信度更新，并基于更新后的置信度确定对应的图像区域是否为花粉颗粒。本发明提供的花粉颗粒检测方法能够有效运用提取的特征来降低花粉颗粒漏检率，提升检测的正确率。
-
公开(公告)号：CN113724159A
公开(公告)日：2021-11-30
申请号：CN202110950010.1
申请日：2021-08-18
Applicant: 北京工业大学
Abstract: 本发明提供一种基于模糊等级的花粉图像迭代去模糊方法、装置、设备及介质，该方法包括：获取相同花粉颗粒对应的不同模糊程度的花粉图像；对所述花粉图像的模糊程度进行评估，得到各个花粉图像的模糊等级；根据所述模糊等级，将所述花粉图像输入迭代去模糊网络的对应的分支网络以对所述各个花粉图像逐步进行去模糊，以得到清晰的花粉图像，其中，所述迭代去模糊网络包括的去模糊网络分支的个数与所述模糊等级的个数对应，每级花粉图像的基本真实图像是比本级花粉图像的模糊等级更清楚一级的花粉图像。本发明通过评估花粉图像的模糊等级，按照花粉图像模糊等级由高到低的顺序将其作为模型的输入，实现了使用多模糊等级的花粉图像去模糊。
-
公开(公告)号：CN113688826A
公开(公告)日：2021-11-23
申请号：CN202110757270.7
申请日：2021-07-05
Applicant: 北京工业大学
Abstract: 本发明提供一种基于特征融合的花粉图像检测方法，包括：将经预处理的花粉图像，输入卷积神经网络得到浅层特征；基于浅层特征，通过空间注意力模块生成空间注意力加权特征图和空间注意力权值矩阵；由空间注意力加权特征图通过卷积和下采样生成深层特征图，由深层特征图经过通道注意力模块，生成通道注意力加权特征图；将空间注意力权值矩阵和通道注意力加权特征图，输入到跨连接注意力机制，得到特征融合后的特征图；将特征融合后的特征图输入预测模块，得到花粉图像中的花粉信息的检测结果。本发明通过跨连接注意力机制将浅层特征中花粉细节信息加权融合到深层特征，对深层特征进行优化后，再进行特征融合，可以恢复花粉图像更多花粉细节。
-
公开(公告)号：CN113327221A
公开(公告)日：2021-08-31
申请号：CN202110735504.8
申请日：2021-06-30
Applicant: 北京工业大学
Abstract: 本发明涉及一种融合ROI区域的图像合成方法、装置、电子设备及介质，该方法包括获取具有对应类别信息的有病和无病原始图像；使用弱监督定位网络获取有病原始图像的感兴趣区域，得到有病掩膜图像；通过相似度计算获取与无病原始图像对应的相似有病图像，得到无病掩膜图像；分别使用有病和无病掩膜图像对有病和无病原始图像进行遮挡，得到被掩膜遮挡的图像；设计基于条件生成对抗性网络模型，并使用有病和无病掩膜图像、被掩膜遮挡的图像以及对应类别信息对该网络模型进行训练，从而得到合成医疗图像。本发明通过获取医疗图像中的感兴趣区域以及使用基于条件生成对抗性网络模型，能够高效合成指定种类的医疗图像，提高图像质量。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.038 seconds)
