-
公开(公告)号：CN113887737A
公开(公告)日：2022-01-04
申请号：CN202111118016.9
申请日：2021-09-23
Applicant: 北京工商大学 , 南京数联空间测绘科技有限公司
Abstract: 本发明公开了一种基于机器学习的样本集自动生成方法，将样本集自动生成过程分为：1)根据目标分布特性切分原始图像，得到切分小图；2)选择待识别目标图像区域作为模式，调整参数列表进行模式匹配，自动生成样本标注文件，得到标注好的样本集；3)利用样本增强方法，平衡扩充样本集，生成新增样本标注文件，得到扩充样本集。本发明从原始图像的处理出发，实现了样本自动切割与目标定位，并辅以样本增强方法平衡样本数量，为样本集的构建提供了自动化解决方案，提高了样本集构建效率，有较高的应用价值和推广价值。
-
公开(公告)号：CN113807356A
公开(公告)日：2021-12-17
申请号：CN202111011127.X
申请日：2021-08-31
Applicant: 北京工商大学 , 中煤科工集团沈阳研究院有限公司
Abstract: 本发明公开了一种端到端的低能见度图像语义分割方法，本发明将模型分为低能见度图像清晰化和图像语义分割两个部分，其中，图像语义分割部分是将清晰化后的低能见度图像进行语义分割，将边缘信息设计为一个单独的处理分支，该分支与传统特征提取分支并行处理信息，以提高轮廓处的分割精度。最后，合理设计多个损失函数，对网络参数进行优化，除了均方差损失函数和CE损失函数，还加入了感知损失、GAN损失等其他损失函数优化，根据每个损失函数的作用与贡献设置不同损失函数的权重，从而更有效的优化模型，以达到更好的分割效果。
-
公开(公告)号：CN110309867B
公开(公告)日：2021-09-24
申请号：CN201910541654.8
申请日：2019-06-21
Applicant: 北京工商大学 , 煤科集团沈阳研究院有限公司
Abstract: 本发明公布了一种基于卷积神经网络的混合气体识别方法，将利用传感器获得的原始气体时序数据根据不同的方式映射为类图片矩阵，再利用卷积神经网络模型CNN进行特征提取和分类，由此实现对混合气体的分类。本发明基于卷积神经网络的分类优势，应用于时序的混合气体的分类领域，利用CNN的卷积操作提取出矩阵数据更全面的特征，不仅速度快，还能够得到较高的准确率。本发明能够解决现有的混合气体分类技术由于输入数据的限制而无法直接应用图像分类的VGG，Google‑Net等CNN网络针对混合气体数据进行分类的问题。
-
公开(公告)号：CN112924410A
公开(公告)日：2021-06-08
申请号：CN202110125211.8
申请日：2021-01-29
Applicant: 北京工商大学
IPC: G01N21/3586 , G06N3/08 , G06N3/04
Abstract: 本发明公布了一种发芽葵花籽的太赫兹光谱快速识别方法，利用太赫兹衰减全反射技术进行发芽葵花籽的检测，无需将葵花籽样本研磨压片，采用光谱预处理方法结合机器学习算法，建立基于折射率的正常粒葵花籽与发芽葵花籽的极限学习机定性模型，实现快速、准确、无污染检测葵花籽的品质。
-
公开(公告)号：CN112198524A
公开(公告)日：2021-01-08
申请号：CN202011076454.9
申请日：2020-10-10
Applicant: 北京工商大学 , 南京数联空间测绘科技有限公司
IPC: G01S17/89
Abstract: 本发明提出一种基于激光雷达扫描点云数据的隧道管缝分析方法，该方法的步骤为：1)提取隧道管缝两侧的断面数据；2)对隧道断面数据进行拟合过滤；3)分析管缝两侧的隧道断面数据得到管缝错台量字典；4)筛选管缝的错台弧；5)生成管缝分析断面图。本发明的优点是根据轨道检测小车获取的里程值、时间、激光雷达扫描的隧道断面数据，对隧道中的管缝两侧的隧道断面进行错台分析；加快了分析时间，提高了分析的准确性和效率，具有更高的应用价值及经济效益。
-
Patent Agency Ranking
公开(公告)号：CN111476302A
公开(公告)日：2020-07-31
申请号：CN202010269277.X
申请日：2020-04-08
Applicant: 北京工商大学 , 煤科集团沈阳研究院有限公司
Abstract: 本发明公布了一种基于深度强化学习的Faster-RCNN目标物体检测方法，采用深度强化学习的经验池保存每个时刻的区域建议网络RPN的状态，采用卷积门控循环单元输出两个动作，采用随机策略选择执行相应的动作，同时采用自定义的非极大值抑制方法去除冗余的检测框，获得与标注框最接近的检测框；采用分类网络对检测框进行分类，对检测框进行二次回归，实现对目标物体的检测与识别。采用本发明技术方案，目标定位准确，目标检测精度高。
-
公开(公告)号：CN110020682A
公开(公告)日：2019-07-16
申请号：CN201910251691.5
申请日：2019-03-29
Applicant: 北京工商大学 , 煤科集团沈阳研究院有限公司
Abstract: 本发明公布了一种注意力机制关系对比网络模型方法，构建在少量有标签样本数据下进行小样本学习的注意力关系对比网络模型。基于关系网络架构，将模型分为特征编码、特征组合和关系编码部分，特征编码模块的作用是进行图像特征信息提取，特征组合部分是将提取的查询图像特征信息分别与每组的训练图像特征信息进行重新组合，形成新的组合特征图。关系编码模块进行网络的非线性度量学习，通过在端到端的深度卷积神经网络模型中引入注意力机制和谱归一化的方法，实现模型在小样本学习情况下具有更高的分类准确率，并且提升模型最终训练结果的稳定性，提高现有模型在小样本学习中的图像分类准确率。
-
公开(公告)号：CN106131860B
公开(公告)日：2019-04-16
申请号：CN201610456891.0
申请日：2016-06-22
Applicant: 北京工商大学
Abstract: 本发明提供了一种利用有向移动传感器网络节点覆盖三维空间大目标的方法，其中，该方法包括：根据三维空间大目标的所有外凸点获得所述三维空间大目标的质心；以所述质心为球心获得所述三维空间大目标的外接球；根据移动节点之间的虚拟力，以及所述移动节点与所述三维空间大目标的外接球之间的虚拟力围绕所述三维空间大目标的外接球部署所述移动节点；根据所述移动节点和所述质心的连线调整所述移动节点的朝向，以使所述朝向指向所述球心。本发明能够利用有向传感器移动网络节点对三维空间大目标表面进行均匀覆盖，移动节点部署快、智能化程度高，节省了大量人力资源。
-
公开(公告)号：CN109325469A
公开(公告)日：2019-02-12
申请号：CN201811234319.5
申请日：2018-10-23
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于深度神经网络的人体姿态识别方法，该方法包括：转发服务器从网络视频录像机上接收实时视频流，从实时视频流中抓取视频帧，发送给识别服务器；识别服务器使用深度卷积姿态神经网络模型提取关节点信息特征，合成人体骨架的结构信息，形成特征向量；通过多分类支持向量机进行分类识别，将识别结果返回转发服务器；转发服务器将识别结果与视频帧发送至客户端显示，实现实时的人体姿态识别。本方法可提高智能视频监控系统综合性能，改善用户的实时体验，更实用、可行性更高，有广泛的应用价值和经济效益。
-
公开(公告)号：CN108898244A
公开(公告)日：2018-11-27
申请号：CN201810593593.5
申请日：2018-06-11
Applicant: 北京工商大学
Abstract: 本发明公布了一种高效科学的耦合多源要素的数字标牌位置推荐方法，通过要素处理、区域划分、位置推荐、模型验证，自动地完成对数字标牌的位置推荐，实现数字标牌的准确选址。本发明方法综合考虑多源要素，推荐位置的参考依据强、时效性高、精准性高、数字标牌影响效果佳，能够满足众多广告主和媒体商的利益需求，可推广到具有数字标牌位置选址需求的多种应用领域。
-
-
-
-
-
-
-
-
-
Search Results
155
records
(took 0.058 seconds)
