-
公开(公告)号：CN120070865A
公开(公告)日：2025-05-30
申请号：CN202510191072.7
申请日：2025-02-20
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/80 , G06V10/771 , G06V10/44 , G06V10/764 , G06V10/52
Abstract: 本发明公开了一种基于多尺度特征融合和特征增强的小目标检测方法，属于目标检测技术领域，所述方法包括：通过引入特征融合模块、特征增强模块以及特征重建模块，构建基于多尺度特征融合和特征增强的小目标检测模型；对构建的小目标检测模型进行训练；利用训练好的小目标检测模型实现小目标检测。本发明提供的基于多尺度特征融合和特征增强的小目标检测方法利用特征融合和特征增强方法，并且借助特征重建来解决现有小目标检测算法的特征信息不足，以及小目标易于被遮挡，难以与复杂背景区分的问题，提高了小目标检测性能。
-
公开(公告)号：CN119992129A
公开(公告)日：2025-05-13
申请号：CN202510205028.7
申请日：2025-02-24
Applicant: 北京科技大学
IPC: G06V10/72 , G06N3/0464 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/766 , G06V10/82
Abstract: 本发明提供了一种小目标检测方法和系统，属于计算机视觉领域。所述方法先获取历史图像及真实标注样本，样本类别包括极端小目标、相对小目标、普通小目标和正常尺寸目标；构建小目标检测模型；将历史图像输入卷积神经网络提取特征图；再将特征图输入改进的CRPN，基于不同的样本类别，得到候选样本，再映射在特征图上，获得感兴趣区域及特征，再基于特征得到样本的预测类别和回归位置；同时，从感兴趣区域的特征中筛选出正样本和典型负样本，基于预测类别、回归位置、正样本教师集和典型负样本教师集对小目标检测模型进行训练，最后将当前待检测的图像输入训练完成的小目标检测模型，输出检测结果。本发明提高了小目标检测的精度和准确度。
-
公开(公告)号：CN118135503B
公开(公告)日：2024-11-08
申请号：CN202410236795.X
申请日：2024-03-01
Applicant: 北京科技大学
IPC: G06V20/54 , G06V10/764 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/82 , G08G1/01 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及自动驾驶领域，特别是指一种双向动态地图与智能体交互的轨迹预测方法及装置，包括：根据智能体轨迹、地图数据以及轨迹预测模型，得到智能体未来的轨迹预测结果，模型包括智能体、地图编码器，多个双向互动模块，智能体、地图解码器。本发明开发了一种能够动态整合地图信息和智能体行为，考虑环境动态性和智能体间复杂交互的轨迹预测方法。采用智能体与地图环境双向交互机制，结合环境变化的额外的监督信号，动态整合地图和智能体间的交互。引入辅助任务，如交通流预测、智能体路径预测和道路节点的特征重构，以指导地图特征的演化并与轨迹预测对齐。突破了传统的静态地图范式，为轨迹预测领域带来了新的视角和可能性。
-
公开(公告)号：CN117237475B
公开(公告)日：2024-11-01
申请号：CN202311024393.5
申请日：2023-08-14
Applicant: 北京科技大学
IPC: G06T11/20 , B60W60/00 , G06N3/0464 , G06N3/042 , G06N3/0475 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/62 , G06V10/30 , G06V10/82
Abstract: 本发明公开了一种基于扩散生成模型的车辆交通轨迹生成方法及装置，涉及交通场景生成技术和自动驾驶技术领域。包括：对于待生成轨迹的任意全新无轨迹地图场景，根据地图场景所需生成的轨迹数量以及轨迹所需时间跨度得到纯噪声，将纯噪声作为初始中心位置和初始速度；将初始中心位置和初始速度输入到训练好的噪声预测网络；根据初始中心位置、初始速度以及噪声预测网络，得到预测的中心位置噪声和相对位置噪声，进而得到地图场景的车辆交通轨迹。本发明能够生成更长且完整的在不同场景接近真实分布的驾驶轨迹，丰富已有的数据集，为自动驾驶轨迹预测模型训练和大规模自动驾驶系统评估提供数据支撑，提高自动驾驶决策算法的可靠性和准确性。
-
公开(公告)号：CN116664867B
公开(公告)日：2024-10-18
申请号：CN202310582786.1
申请日：2023-05-22
Applicant: 北京科技大学
IPC: G06V10/44 , G06V10/80 , G06V10/774
Abstract: 本发明公开了一种基于多证据融合选取训练样本的特征提取方法及装置，该方法包括：在特征提取网络的训练阶段引入多种不同的图像检索算法；对特征提取网络进行训练；训练过程包括：在输入图像中确定锚点、正样本点和负样本点；分别利用每一图像检索算法计算锚点和正样本点之间的正样本相似度，以及锚点与负样本点之间的负样本相似度；基于计算出的正样本相似度和负样本相似度更新负样本点，得到更新后的负样本点；将利用多种不同的图像检索算法所得到的更新后的负样本点进行融合，计算损失函数；利用训练好的特征提取网络对待处理图像进行特征提取，得到提取结果。本发明可提高描述子可靠性，进而提高匹配准确率和数量，有利于视觉定位等下游任务。
-
Patent Agency Ranking
公开(公告)号：CN118038095A
公开(公告)日：2024-05-14
申请号：CN202410151230.1
申请日：2024-02-02
Applicant: 北京科技大学
IPC: G06V10/75 , G06V10/74 , G06V10/26 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于分割大模型与注意力融合的图像匹配方法和装置，属于图像匹配技术领域，所述方法包括：通过骨干网络确定待匹配图像对间的相似度图；通过分割大模型对待匹配图像对进行全图像区域分割；将所述相似度图用于分割后的图像区域，得到前景匹配区域对；将前景匹配区域对以及所述骨干网络输出的低分辨率特征图对输入融合注意力模块，得到相似区域图像特征图对；计算所述相似区域图像特征图对的相似性，确定粗匹配特征点；并依据所述高分辨率特征图对和所述粗匹配特征点，确定图像匹配点结果。本申请提供的基于分割大模型与注意力融合的图像匹配方案，能够有效提高图像匹配精度。
-
公开(公告)号：CN117237475A
公开(公告)日：2023-12-15
申请号：CN202311024393.5
申请日：2023-08-14
Applicant: 北京科技大学
IPC: G06T11/20 , B60W60/00 , G06N3/0464 , G06N3/042 , G06N3/0475 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/62 , G06V10/30 , G06V10/82
Abstract: 本发明公开了一种基于扩散生成模型的车辆交通轨迹生成方法及装置，涉及交通场景生成技术和自动驾驶技术领域。包括：对于待生成轨迹的任意全新无轨迹地图场景，根据地图场景所需生成的轨迹数量以及轨迹所需时间跨度得到纯噪声，将纯噪声作为初始中心位置和初始速度；将初始中心位置和初始速度输入到训练好的噪声预测网络；根据初始中心位置、初始速度以及噪声预测网络，得到预测的中心位置噪声和相对位置噪声，进而得到地图场景的车辆交通轨迹。本发明能够生成更长且完整的在不同场景接近真实分布的驾驶轨迹，丰富已有的数据集，为自动驾驶轨迹预测模型训练和大规模自动驾驶系统评估提供数据支撑，提高自动驾驶决策算法的可靠性和准确性。
-
公开(公告)号：CN117057985A
公开(公告)日：2023-11-14
申请号：CN202310891103.0
申请日：2023-07-20
Applicant: 北京科技大学
IPC: G06T3/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/50
Abstract: 本发明公开了一种基于隐式神经网络的图像超分辨率重建方法及装置，该方法包括：构建样本数据集；所述样本数据集包括多组训练图像组，每一训练图像组均包括第一图像和第二图像，其中，所述第二图像为所述第一图像的超分图像；在隐式神经网络增加双阶段注意力机制，构建图像超分辨率重建模型；基于所述样本数据集对所述图像超分辨率重建模型进行训练；获取待处理图像，将待处理图像输入训练好的图像超分辨率重建模型，利用训练好的图像超分辨率重建模型对待处理图像进行处理，得到重建后的图像。本发明解决了目前图像超分辨率重构精度提升问题，并且可以实现任意尺度超分辨率重建。
-
公开(公告)号：CN117009787A
公开(公告)日：2023-11-07
申请号：CN202311029806.9
申请日：2023-08-15
Applicant: 北京科技大学 , 宁波弗浪科技有限公司
IPC: G06F18/213 , G06F40/30 , G06F16/29 , G06N3/0455 , G06N3/045 , G06N3/09
Abstract: 本发明涉及轨迹预测技术领域，特别是指一种跨模态语义信息监督的轨迹预测方法及装置。一种跨模态语义信息监督的轨迹预测方法包括采集车辆信息、行驶信息和地图信息，获得语义监督信息以及未来轨迹真值信息；根据地图特征和历史轨迹特征获得全局背景信息特征；根据未来轨迹特征进行映射变换，获得距真值最近预测轨迹特征；根据语义特征、全局背景信息特征和距真值最近预测轨迹特征，对待训练语义监督轨迹预测模型进行对比学习训练，基于未来轨迹真值信息，获得语义监督轨迹预测模型，根据语义监督轨迹预测模型进行轨迹预测。本发明是一种针对场景语义信息的准确、高效的语义监督轨迹预测方法。
-
公开(公告)号：CN111210422B
公开(公告)日：2023-03-24
申请号：CN202010033737.9
申请日：2020-01-13
Applicant: 北京科技大学
Abstract: 本发明提供一种基于红外图像的对空目标检测方法，能够较为有效地对红外图像序列中的对空小目标进行检测。所述方法包括：提取红外图像各像素点邻域的对比度特征，生成对比度图像；提取红外图像各像素点的邻域亮度差分特征，生成邻域亮度差分图像；融合对比度图像和邻域亮度差分图像；对融合后的图像进行置零操作的双阈值处理，提取目标位置。本发明适用于基于红外图像的对空目标检测。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.057 seconds)
