-
公开(公告)号：CN119048884A
公开(公告)日：2024-11-29
申请号：CN202411546683.0
申请日：2024-10-31
Applicant: 北京科技大学
IPC: G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/74
Abstract: 本公开提供一种基于深度学习的移动应用截图来源识别方法和系统，涉及人工智能领域。方法包括数据采集和模型构建与训练两个步骤：数据采集步骤构建移动应用样本库；模型构建与训练步骤包括四个步骤：步骤1，改进MobileNetV3网络并构建相应损失函数形成改进的MobileNetV3‑Large网络；步骤2，利用设置的对比损失函数训练内核参数，得到训练好的移动应用匹配模型；步骤3，移动应用样本库中的图片进行处理；步骤4，利用所述训练好的移动应用匹配模型，计算所述特定特征与移动应用特征库中的每个特征的欧式距离，得到所有欧氏距离中的最小值，如果低于阈值，则返回与之对应的移动应用名称，能够持续实现对最新移动应用的准确识别能力。
-
公开(公告)号：CN118628876A
公开(公告)日：2024-09-10
申请号：CN202411115733.X
申请日：2024-08-14
Applicant: 珠海亿智电子科技有限公司 , 北京科技大学 , 中国科学院自动化研究所
IPC: G06V10/778 , G06V10/764 , G06V10/766 , G06V10/774
Abstract: 本发明适用计算机视觉感知领域和模型压缩技术领域，提供了一种目标检测模型的量化感知训练方法，该方法包括：构建待量化的目标检测模型的目标损失函数，该目标损失函数包括分类损失函数、回归损失函数以及任务和谐约束损失函数，基于目标损失函数，对目标检测模型进行量化感知训练，直至该目标损失函数收敛，从而使得分类任务和回归任务之间的关系变得越来越和谐，避免了不和谐的预测框的出现，提高了量化后目标检测模型在NMS后的检测性能。
-
公开(公告)号：CN112329689A
公开(公告)日：2021-02-05
申请号：CN202011280953.X
申请日：2020-11-16
Applicant: 北京科技大学
Abstract: 本发明提供了一种车载环境下基于图卷积神经网络的异常驾驶行为识别方法，涉及计算机视觉技术领域，能够对人体细微行为和相似性行为做出有效识别，提高异常驾驶行为的识别能力；该方法采用改进型时空卷积网络和新型循环神经网络相结合的方式识别人体行为；改进型时空卷积网络在原有时空卷积网络的基础上进一步增加关节数量来改进空间拓扑图，提取多帧骨架序列片段的时空特征信息，再使用引入了长短期记忆的神经网络提取不同骨架序列片段的时间语义信息，以提取出的所有信息为依据进行驾驶行为的识别。本发明提供的技术方案适用于人体行为识别的过程中。
-
公开(公告)号：CN120067295A
公开(公告)日：2025-05-30
申请号：CN202510157046.2
申请日：2025-02-12
Applicant: 北京科技大学
IPC: G06F16/334 , G06F16/335 , G06F16/36 , G06F40/16
Abstract: 本公开涉及自然语言处理领域，更具体地，本公开涉及一种调研报告的生成方法、装置、电子设备及存储介质。方法包括：响应于用户输入的关键词，从预设数据源中获取与所述关键词相关的数据信息；基于预设筛选损失函数筛选所述数据信息中与所述关键词关联的内容；基于所述关键词关联的内容生成与所述关键词相关的调研报告。
-
Patent Agency Ranking
公开(公告)号：CN118628876B
公开(公告)日：2024-10-15
申请号：CN202411115733.X
申请日：2024-08-14
Applicant: 珠海亿智电子科技有限公司 , 北京科技大学 , 中国科学院自动化研究所
IPC: G06V10/778 , G06V10/764 , G06V10/766 , G06V10/774
Abstract: 本发明适用计算机视觉感知领域和模型压缩技术领域，提供了一种目标检测模型的量化感知训练方法，该方法包括：构建待量化的目标检测模型的目标损失函数，该目标损失函数包括分类损失函数、回归损失函数以及任务和谐约束损失函数，基于目标损失函数，对目标检测模型进行量化感知训练，直至该目标损失函数收敛，从而使得分类任务和回归任务之间的关系变得越来越和谐，避免了不和谐的预测框的出现，提高了量化后目标检测模型在NMS后的检测性能。
-
公开(公告)号：CN119902496A
公开(公告)日：2025-04-29
申请号：CN202411907962.5
申请日：2024-12-23
Applicant: 北京科技大学
IPC: G05B19/418
Abstract: 本公开涉及智能调度领域，更具体地，本公开涉及一种家装场景的智能调度系统、方法、电子设备及存储介质。系统包括：解析模块，所述解析模块基于大语言模型解析用户输入的信息，获得输入特征；模型选择模块，所述模型选择模块基于所述解析模块获得的所述输入特征，从预存储的多个模型中确定与所述用户输入的信息相关的目标模型；处理模块，所述处理模块通过所述目标模型对所述用户输入的信息进行处理，获得对应的处理结果。
-
公开(公告)号：CN119810806A
公开(公告)日：2025-04-11
申请号：CN202411756387.3
申请日：2024-12-02
Applicant: 北京科技大学
Abstract: 本公开涉及壁纸检测领域，更具体地，本公开涉及一种保护壁纸类型的识别方法、装置、电子设备及存储介质。方法包括：通过预训练的目标检测模型检测识别目标图像，获得第一检测框、第二检测框和第三检测框，其中，第一检测框用于标记门在目标图像中对应的区域，第二检测框用于标记窗户在目标图像中对应的区域，第三检测框用于标记保护壁纸在目标图像中的对应的区域；基于第一检测框、第二检测框和第三检测框的相对位置关系，确定每个第三检测框对应的保护壁纸的类型，保护壁纸的类型包括门的保护壁纸、窗户的标准壁纸或其他类型的保护壁纸。
-
公开(公告)号：CN117495679B
公开(公告)日：2024-09-03
申请号：CN202311460075.3
申请日：2023-11-03
Applicant: 北京科技大学
IPC: G06T3/4053 , G06T5/50 , G06N3/0442 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本公开涉及一种基于非局部稀疏注意力的图像超分辨率方法和装置，属于图像处理的技术领域，该方法包括：获取被压缩的低分辨率图像；提取所述低分辨率图像的浅层特征，得到低分辨率图像的浅层特征图；对所述浅层特征图进行至少一次的通道稀疏处理和至少一次的空间稀疏处理，得到双维度稀疏特征图；将所述双维度稀疏特征图与所述浅层特征图进行融合，得到所述低分辨率图像的特征融合图；对所述特征融合图进行卷积和上采样处理，得到超分辨率图像。
-
公开(公告)号：CN110458203A
公开(公告)日：2019-11-15
申请号：CN201910654454.3
申请日：2019-07-19
Applicant: 北京科技大学
Abstract: 本发明提供一种广告图像素材检测方法，能够实现精细的广告图像素材检测。所述方法包括：获取广告图像素材检测训练集；构建多尺度实例分割网络，利用获取的训练集中的图像训练所述多尺度实例分割网络，其中，所述多尺度实例分割网络，用于对提取的语义信息和连接信息进行带孔空间金字塔池化处理，得到不同尺度的素材特征，基于得到的每一尺度的素材特征进行语义预测，并级联得到的素材特征得到表示像素间连接关系的连接预测和表示广告图像素材边界的轮廓预测，将语义损失、连接损失和轮廓损失组成损失函数，联合优化所述多尺度实例分割网络，将连接预测结果和任一语义预测结果进行连接，输出图像中的广告图像素材。本发明涉及计算机视觉领域。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.028 seconds)
