-
公开(公告)号：CN115761451A
公开(公告)日：2023-03-07
申请号：CN202211338266.8
申请日：2022-10-28
Applicant: 北京工业大学
IPC: G06V10/98 , G06V10/20 , G06V10/30 , G06V10/32 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种花粉分类方法、装置、电子设备及存储介质，其中方法包括：确定待分类花粉图像；基于待分类花粉图像，应用质量分类网络，确定图像质量结果；若图像质量结果为模糊，则基于待分类花粉图像，应用图像增强网络，确定待分类清晰花粉图像；基于待分类清晰花粉图像，应用分类模型，得到分类结果；分类网络是基于花粉样本图像和花粉类别标签训练得到的；合成清晰花粉图像是将模糊花粉图像输入至图像增强网络中得到的；清晰花粉图像和模糊花粉图像是将花粉图像输入至质量分类网络中确定的，实现了自动判断图像质量，并将模糊花粉图像生成对应的合成清晰花粉图像，降低了人工筛选的时间成本，且充分利用了离焦模糊花粉图像。
-
公开(公告)号：CN119626457A
公开(公告)日：2025-03-14
申请号：CN202411812605.0
申请日：2024-12-10
Applicant: 北京工业大学
IPC: G16H20/60 , G06F16/9535 , G06F16/9537 , G06N5/022 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/0895
Abstract: 一种基于时空知识图谱和用户未来状态指导的饮食方案推荐方法属于知识图谱领域，具体设计深度学习，图卷积神经网络，图自注意力机制，对比学习等技术。本发明首先利用图卷积神经网络和图自注意力机制对用户与菜品的空间信息进行建模。随后利用双向长短期记忆网络(BiLSTM)对建模得到的空间信息进行建模，得到用户与菜品的时空信息。在此基础上，通过全连接层计算用户的健康状态，并将其与时空信息进行合并。最后，利用对比学习的方法，系统可以从大量的饮食方案中筛选出最符合用户个性化需求的推荐方案。
-
公开(公告)号：CN113723470B
公开(公告)日：2024-08-27
申请号：CN202110908383.2
申请日：2021-08-09
Applicant: 北京工业大学
IPC: G06N3/084 , G06N3/0464 , G06T5/50 , G06T5/60
Abstract: 本发明提供一种融合多层信息的花粉图像合成方法、装置及电子设备，该方法包括：获取通过扫描同一花粉内容得到的与焦平面对应的多层花粉图像；计算多层花粉图像各自的真实感知分数，将多层花粉图像分为多对图像，在每对图像中进行真实感知分数大小的对比，并将对比结果作为标签；将每对图像和标签输入孪生神经网络进行处理，得到多层花粉图像的质量分数排序信息；将多层花粉图像及其质量分数排序信息输入条件生成对抗网络进行处理，得到合成的花粉图像。本发明达到了在合成过程中充分融合图像的深度信息、保留重要信息和提高多层信息利用率的目的。
-
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：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。
-
Patent Agency Ranking
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：CN119579986A
公开(公告)日：2025-03-07
申请号：CN202411675594.6
申请日：2024-11-21
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/09
Abstract: 一种基于渐进式特征学习的多目标图像识别方法，属于图像识别领域。该方法：(1)图像增强预处理：构建质量分类器自动筛选出需要进行质量优化的模糊图像，然后使用循环一致性生成对抗网络完成模糊图像域到清晰图像域的复原。(2)多尺度融合的关键目标定位：采用多尺度特征金字塔融合高层特征图和低层特征图不同特征尺度上所蕴含的互补信息，实现对图像中每一个关键目标的精确定位，从而确保每一个关键目标都能作为一个独立的样本被分析识别。(3)领域知识引导的目标分类：本发明将领域知识(包括颜色和轮廓两种)，结合注意力机制将领域知识嵌入到图像分类模型中，增强分类模型对关键特征的捕捉能力，从而获得准确的类别预测结果。
-
公开(公告)号：CN119445642A
公开(公告)日：2025-02-14
申请号：CN202411374955.3
申请日：2024-09-30
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/26 , G06N3/0464
Abstract: 一种基于拓扑交并约束损失的人眼多类分割方法属于计算机视觉领域，解决不同标签之间的拓扑结构表示。在分割模型的基础上，引入人体眼睛结构的先验知识，以拓扑交并约束损失函数形式来指导多类标签的分割图像。分割模型外部再接入一个最大池化层，在最大池化层中引入拓扑约束，最大池化差异和拓扑区域约束组成拓扑交并约束损失。此损失分为两个模块，模块一是最大池化差异，包括归一化输入和目标张量，以及使用不同的内核和步幅对预测图像和标注图像进行最大池化，计算池化预测与各通道标签的差值。模块二是拓扑区域约束，引入附加拓扑条件保证巩膜包含虹膜，虹膜包含瞳孔，巩膜与瞳孔互斥。将池化差异和拓扑约束组合成最终的拓扑交并约束损失。
-
公开(公告)号：CN115049694B
公开(公告)日：2024-06-11
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：CN118097233A
公开(公告)日：2024-05-28
申请号：CN202410096615.2
申请日：2024-01-23
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/096 , G06V10/30 , G06V10/54 , G06V10/74 , G06V10/34
Abstract: 一种数据与知识联合驱动的图像分类方法，属于计算机视觉领域。本发明包括：(1)目标对象定位：(2)形状‑纹理感知：设计预定义的特征提取器来提取目标对象的形状和纹理特征，从而分别得到形状和纹理的特征图和特征向量。这些特征被用于构建两种类型的先验知识：将形状特征图和纹理特征图进行融合以得到形状‑纹理注意力图；基于形状特征向量和纹理特征向量，通过模板匹配来获得目标对象的类间相似度。(3)图像分类：使用卷积神经网络完成图像分类任务。本发明设计预定义的特征提取器提取目标对象的形状和纹理，这些特征将被作为先验知识指导深度网络聚焦于图像的关键区域、提高深度模型对关键特征的关注程度，从而提升图像识别性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
