-
公开(公告)号：CN113034542B
公开(公告)日：2023-10-10
申请号：CN202110255763.0
申请日：2021-03-09
Applicant: 北京大学
IPC: G06T7/246 , G06V10/762 , G06N3/049 , G06N3/06
Abstract: 本申请涉及运动检测技术领域，具体而言，本申请涉及一种运动目标检测跟踪方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类；结合所述脉冲编码序列和所述聚类结果获得目标的运动信息和位置信息；根据所述目标的运动信息和位置信息进行状态预测，将预测结果反馈到进行聚类的所述脉冲神经网络，以辅助修正预测时产生的误差。本申请的所述方法可分析获取如运动物体位置、大小、运动方向、运动速度等等运动信息，从而实现对不同运动目标的检测跟踪及运动轨迹的预测。
-
公开(公告)号：CN115204356A
公开(公告)日：2022-10-18
申请号：CN202210520896.0
申请日：2022-05-13
Applicant: 北京大学
Abstract: 本申请涉及脉冲神经网络与数据处理技术领域，更为具体来说，本申请涉及基于脉冲重排深度残差神经网络的数据处理方法与装置。所述方法包括：在基于脉冲重排深度残差神经网络中配置多个紧邻的脉冲重排残差模块；将配置脉冲重排残差块后的基于脉冲重排深度残差神经网络作为第一脉冲重排模型；训练所述第一脉冲重排模型；将目标数据输入训练好的第一脉冲重排模型中进行处理，得到目标处理结果。本申请的重排处理使得参数量大为减少，降低了过拟合风险，也减轻了存储和计算开销，进而提升了数据处理的效率。同时，本申请可以获取所述目标数据对应的类别，可以获得回归序列或回归单个向量，从而适用于多种应用场景。
-
公开(公告)号：CN111275742B
公开(公告)日：2022-01-11
申请号：CN202010062434.X
申请日：2020-01-19
Applicant: 北京大学
Abstract: 本发明公开了目标识别方法、装置、系统及计算机可读存储介质，该方法包括如下步骤：获取原始脉冲数据，确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络，对输入至脉冲神经网络的脉冲进行映射，满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递，确定识别结果；该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；该系统包括上述装置；本发明能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，并能兼顾识别准确率与计算量。
-
公开(公告)号：CN108647725A
公开(公告)日：2018-10-12
申请号：CN201810449021.X
申请日：2018-05-11
Applicant: 国家计算机网络与信息安全管理中心 , 北京大学
Abstract: 本发明公开了一种实现静态隐马尔科夫模型推理的神经电路，本发明赢者通吃电路(Winner-take-all,WTA)电路可以实现静态隐马尔可夫模型的近似最优推理，网络中的脉冲神经元可以不断地累积证据，即通过新的证据更新后验概率；WTA电路中的竞争机制可以对分布进行归一化。
-
公开(公告)号：CN108647715A
公开(公告)日：2018-10-12
申请号：CN201810437038.3
申请日：2018-05-09
Applicant: 国家计算机网络与信息安全管理中心 , 北京大学
CPC classification number: G06K9/6278 , G06N5/04
Abstract: 本发明公开了一种基于概率矩阵分解的贝叶斯网络推理方法，包括概率矩阵分解、概率矩阵分解算法和基于概率矩阵分解的贝叶斯网络推理方法三个步骤，该方法可以用于分析变量间的独立性和确定性关系，本文证明了贝叶斯网络的联合概率分布可以等价表示为一系列子图联合概率分布的线性组合，在此基础上，提出了一个新的推理框架，在这个新的框架下，任意贝叶斯网络可以分解为若干带权重的贝叶斯子网络，如果原图被分解为树状子图，可以得到精确的推理结果；如果原图被分解为若干仍然带环的子图，近似推理的准确性高于主流的信度传播算法。
-
Patent Agency Ranking
公开(公告)号：CN114743078A
公开(公告)日：2022-07-12
申请号：CN202210213372.7
申请日：2022-03-04
Applicant: 北京大学
Abstract: 本发明公开了一种生物神经信号的视觉解码方法、装置、存储介质及终端，方法包括：获取双光子钙成像信号的数据阵列；将双光子钙成像信号的数据阵列输入预先训练的V1视觉皮层视觉信息神经解码模型中；其中，V1视觉皮层视觉信息神经解码模型是由神经信号转换模块和自动编码模块构成的；自动编码模块包含跳层结构，跳层结构用于在不同深度的神经网络层之间，融合整个神经网络在不同层上提取出来的特征；输出双光子钙成像信号对应的重构图像。由于本申请通过神经信号转换模块和自动编码模块进行信号数据处理，并通过自动编码模块中的跳层结构融合整个神经网络在不同层上提取出来的特征，从而提升了重构图像的精确度。
-
公开(公告)号：CN113554726A
公开(公告)日：2021-10-26
申请号：CN202110626842.8
申请日：2021-06-04
Applicant: 北京大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于脉冲阵列的图像重构方法，包括：将待监测区域的脉冲阵列输入短时可塑性模型中，计算各像素位置的计算单元剩余量和单元连接概率；根据各像素位置的计算单元剩余量和单元连接概率反推出各像素位置的第一脉冲发放率和第二脉冲发放率；加权平均各像素位置对应的第一脉冲发放率和第二脉冲发放率，生成各像素位置的目标脉冲发放率；计算各像素位置连续两个脉冲发放时刻的差值，并基于各像素位置连续两个脉冲发放时刻的差值划分出监控区域的静止区域和运动区域；根据目标脉冲发放率计算静止区域的空间位置的像素值，并根据预设时间步长或目标脉冲发放率计算运动区域的空间位置的像素值，生成重构图像。采用本申请实施例，可以实现物体高速运动场景下的图像重构。
-
公开(公告)号：CN113112521A
公开(公告)日：2021-07-13
申请号：CN202110254930.X
申请日：2021-03-09
Applicant: 北京大学
Abstract: 本申请涉及运动检测技术领域，具体而言，本申请涉及一种基于脉冲阵列的运动检测方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络中的脉冲神经元处理具有运动特征的时空脉冲序列并产生对应的脉冲；根据所述脉冲神经网络产生的所述脉冲获得不同空间位置的运动信息。本申请的方法利用高频率视网膜相机获得的脉冲阵列本身具有的时空特性，直接以视觉脉冲序列为输入，获取监测区域中存在的各种运动状态，获取各个运动状态对应的参数信息，输出的运动信息可用于物体跟踪及运动补偿等，从而更有利于后续基于脉冲信号的高速视觉对象的检测、识别及跟踪等高级视觉任务。
-
公开(公告)号：CN108615264A
公开(公告)日：2018-10-02
申请号：CN201810437147.5
申请日：2018-05-09
Applicant: 国家计算机网络与信息安全管理中心 , 北京大学
Abstract: 本发明公开了一种基于对偶分解的三维相位解缠方法，包括问题定义和子问题并行求解，本发明一种基于对偶分解的三维相位解缠方法，提出了一个基于对偶分解的快速求解方法，利用对偶分解将原问题分解为若干可并行独立求解的简单子问题，通过优化对偶问题快速逼近原问题的解，实验表明，该算法在保证相同的求解准确度下，相比于直接优化原问题显著减少了运行时间。
-
公开(公告)号：CN117111751B
公开(公告)日：2024-04-02
申请号：CN202311393039.X
申请日：2023-10-25
Applicant: 北京大学
Abstract: 本申请提供一种基于脉冲阵列的姿态变化检测方法、装置、设备和介质，涉及图像处理技术领域。基于脉冲阵列的姿态变化检测方法包括：获取监测区域内的各个空间位置的光信号，得到脉冲阵列；基于所述脉冲阵列，得到包含检测对象的目标数据；基于所述目标数据，得到所述检测对象的姿态变化数据。本申请可以提高对高速姿态变化检测的稳健性与实时性，可适用于复杂的人机交互姿态识别场景。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.016 seconds)
