-
公开(公告)号：CN119006557A
公开(公告)日：2024-11-22
申请号：CN202411023312.4
申请日：2024-07-29
Applicant: 北京理工大学珠海学院
IPC: G06T7/50 , G06T7/514 , G06T17/00 , G06N3/0464 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于TOF相机的非视域目标三维重建方法及系统，方法包括：搭建非视域成像场景；通过TOF相机从非视域成像场景采集数据集；对数据集进行预处理，消除TOF相机的图像畸变并保留中介面的散射退化特性；采用预处理后的数据集，对搭建的三维重建模型MRS‑Net进行训练；三维重建模型MRS‑Net采用基于深度学习的变尺度编码‑解码架构搭建得到；将待重建的深度退化图像输入三维重建模型，输出非视域场景的深度重建图像。本发明成本低、速度快且成像结果优秀，在中介面为反射率为90％的漫反射板时能够从深度退化图完全模糊的情况下重建出成像目标的轮廓，且存在着较少的阴影，可广泛应用于三维成像技术领域。
-
公开(公告)号：CN117636426B
公开(公告)日：2024-11-22
申请号：CN202311573364.4
申请日：2023-11-23
Applicant: 北京理工大学珠海学院
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本公开涉及一种基于注意力机制的面部和情景情感识别方法，通过引入注意力机制，使模型在特征提取过程中将更多的注意力用于关键信息的学习，在两个支路的情感识别中都有效提升了模型的识别率。在面部表情识别支路，通道注意力机制的引入提升了模型对关键信息的表达能力，特征选择融合方法缓解了面部表情不确定性引起的模型表现差的问题。在情景支路使用多尺度融合的方式增强模型对图像高级语义和空间信息的表达能力，通过高级特征和低级特征的互补，提升了模型的情景情感识别效果，并在最后的对比实验中证明，本申请的情感识别方法在数据集上能够得到比其他方法更好的识别效果。
-
公开(公告)号：CN118534466A
公开(公告)日：2024-08-23
申请号：CN202410662230.8
申请日：2024-05-27
Applicant: 北京理工大学珠海学院 , 广东纳睿雷达科技股份有限公司
IPC: G01S13/95 , G01W1/10 , G01W1/14 , G06F18/20 , G06F18/2431 , G06N3/006 , G06N3/0464
Abstract: 本发明公开了一种基于人工智能的测雨雷达系统及方法，本发明先通过对极化探测数据进行校准分析，解决了双极化相控阵雷达波束参数一致性及稳定性差的难题；在此过程中，通过对远程方向图与标准方向图之间的分布差异，采用粒子群优化方法，赋予权重参数值，同时生成优化信号生成优化方向图；进而通过雷达探测数据确定目标探测物的相态类型，同时，设置卷积神经网络模型对其他多源数据进行数据同化，进而生成预测降雨信息，在此过程中，通过相应的数值分析出目标探测物所对应的雷达格点与地面落区不匹配的情况，进而对预测降雨信息进行及时修正，并将预测降雨信息和目标探测信息映射关系进行保存，可以达到短时预报效果，实现智能预警。
-
公开(公告)号：CN118038550A
公开(公告)日：2024-05-14
申请号：CN202410162481.X
申请日：2024-02-05
Applicant: 北京理工大学珠海学院
IPC: G06V40/20 , G06V10/80 , G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/764 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种基于ViT和ST‑GCN的红外人体行为识别方法，其包括获取红外视频数据；构建Lite‑ViTAPose姿态估计模块，利用Lite‑ViTAPose姿态估计模块提取红外视频中每一帧的人体姿态，将提取到的人体姿态经过处理、转换形成骨骼序列，作为网络输入；其中，Lite‑ViTAPose姿态估计模块包括基于多尺度特征融合的MobileViT模块和基于残差双头注意力机制的多人姿态估计器DAs‑MPPE；构建2s‑ViTGCN行为估计模块，基于输入的骨骼序列，利用2s‑ViTGCN提取该骨骼序列的时空特征，从而识别出人体的动作；其中，2s‑ViTGCN行为估计模块包括双流神经网络、ViTGCN块以及ViTGCN层。本发明将Lite‑ViTAPose模块和2s‑ViTGCN行为估计模块结合进行红外人体行为识别，有效克服了现有红外人体行为识别技术中存在的弊端。
-
公开(公告)号：CN117935330A
公开(公告)日：2024-04-26
申请号：CN202311787209.2
申请日：2023-12-22
Applicant: 北京理工大学珠海学院
Abstract: 本发明提供一种基于图卷积网络多源域融合的行人重识别方法，其包括在选取数据集，分为目标域数据集和源域数据集；构建基于ViT的特征提取模型；基于图卷积网络进行多源域融合；为不同的源域分别设置有分类器，通过将目标域中的所有特征分别与所有类别中心计算距离，并按照该距离将其伪标签分配给最近的类别中心所属的类别；将提取后的特征分为两个支路计算损失函数，在使用多个损失函数训练学习行人重识别网络模型，输入图像数据至训练好的模型，输出行人重识别结果。应用本发明可以有效实现对不同领域特征的深度融合，以及达到高精度的无监督域适应行人重识别的目的。
-
Patent Agency Ranking
公开(公告)号：CN117636426A
公开(公告)日：2024-03-01
申请号：CN202311573364.4
申请日：2023-11-23
Applicant: 北京理工大学珠海学院
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06V20/40 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本公开涉及一种基于注意力机制的面部和情景情感识别方法，通过引入注意力机制，使模型在特征提取过程中将更多的注意力用于关键信息的学习，在两个支路的情感识别中都有效提升了模型的识别率。在面部表情识别支路，通道注意力机制的引入提升了模型对关键信息的表达能力，特征选择融合方法缓解了面部表情不确定性引起的模型表现差的问题。在情景支路使用多尺度融合的方式增强模型对图像高级语义和空间信息的表达能力，通过高级特征和低级特征的互补，提升了模型的情景情感识别效果，并在最后的对比实验中证明，本申请的情感识别方法在数据集上能够得到比其他方法更好的识别效果。
-
公开(公告)号：CN118534466B
公开(公告)日：2024-11-29
申请号：CN202410662230.8
申请日：2024-05-27
Applicant: 北京理工大学珠海学院 , 广东纳睿雷达科技股份有限公司
IPC: G01S13/95 , G01W1/10 , G01W1/14 , G06F18/20 , G06F18/2431 , G06N3/006 , G06N3/0464
Abstract: 本发明公开了一种基于人工智能的测雨雷达系统及方法，本发明先通过对极化探测数据进行校准分析，解决了双极化相控阵雷达波束参数一致性及稳定性差的难题；在此过程中，通过对远程方向图与标准方向图之间的分布差异，采用粒子群优化方法，赋予权重参数值，同时生成优化信号生成优化方向图；进而通过雷达探测数据确定目标探测物的相态类型，同时，设置卷积神经网络模型对其他多源数据进行数据同化，进而生成预测降雨信息，在此过程中，通过相应的数值分析出目标探测物所对应的雷达格点与地面落区不匹配的情况，进而对预测降雨信息进行及时修正，并将预测降雨信息和目标探测信息映射关系进行保存，可以达到短时预报效果，实现智能预警。
-
公开(公告)号：CN118070208B
公开(公告)日：2024-11-05
申请号：CN202311573511.8
申请日：2023-11-23
Applicant: 北京理工大学珠海学院
IPC: G06F18/25 , G06F18/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06V40/16 , G06V20/40 , G10L25/63 , G10L25/57 , G10L25/24 , G10L25/18 , G10L19/02
Abstract: 本公开涉及一种多模态多分支融合的宽时间范畴情感识别系统构建方法；基于注意力机制的思想设计了鲁棒性较强的多模态多分支融合网络，该网络实现决策级的多模态融合，根据不同分支的识别结果对最终预测的贡献，动态的分配每个分支的权重。为多模态情感识别系统设计了一个基于注意力机制的多模态多分支融合网络。此外，将宽时间范畴的情境信息融入了多模态情感识别系统中，实现了宽时间范畴下的多模态情感识别。实验证明该网络能够有效的实现多模态多分支融合，且在多模态融合过程中，输入的分支越多，情感识别的效果越好，情境描述使实验结果实现了大幅提升，实验证明了多模态融合网络能够提升模型在复杂环境下的识别效果。
-
公开(公告)号：CN118071227A
公开(公告)日：2024-05-24
申请号：CN202410189738.0
申请日：2024-02-20
Applicant: 珠海市格努信息技术有限公司 , 北京理工大学珠海学院
IPC: G06Q10/083 , G06Q10/047 , G06Q10/0631 , G06N3/006 , G06F17/16 , G05D1/00
Abstract: 本发明公开了一种基于数字孪生的异构调度系统，包括构建模块、云调度模块以及第一连接模块；构建模块用于构建数字孪生虚拟车间；第一连接模块用于与异构AGV进行通信连接，其中异构AGV包括多个不同种类的AGV；云调度模块包括优先级单元以及路径规划单元，优先级单元用于为各个AGV设置不同的优先级，路径规划单元用于根据优先级的高低而先后规划各个AGV的最优路径。本发明能够提高调度系统的兼容性以实现控制的集中化，还能够保证紧急运输任务的正常执行，以及通过构建模块构建数字孪生虚拟车间，实现对实际的物理车间进行可视化映射，使得用户能够方便地查看实时的车间状态；提升AGV调度系统的可靠性、兼容性与适应性，从而使得车间生产效率最优化。
-
公开(公告)号：CN118070208A
公开(公告)日：2024-05-24
申请号：CN202311573511.8
申请日：2023-11-23
Applicant: 北京理工大学珠海学院
IPC: G06F18/25 , G06F18/24 , G06N3/0464 , G06N3/045 , G06N3/048 , G06V40/16 , G06V20/40 , G10L25/63 , G10L25/57 , G10L25/24 , G10L25/18 , G10L19/02
Abstract: 本公开涉及一种多模态多分支融合的宽时间范畴情感识别系统构建方法；基于注意力机制的思想设计了鲁棒性较强的多模态多分支融合网络，该网络实现决策级的多模态融合，根据不同分支的识别结果对最终预测的贡献，动态的分配每个分支的权重。为多模态情感识别系统设计了一个基于注意力机制的多模态多分支融合网络。此外，将宽时间范畴的情境信息融入了多模态情感识别系统中，实现了宽时间范畴下的多模态情感识别。实验证明该网络能够有效的实现多模态多分支融合，且在多模态融合过程中，输入的分支越多，情感识别的效果越好，情境描述使实验结果实现了大幅提升，实验证明了多模态融合网络能够提升模型在复杂环境下的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.029 seconds)
