-
公开(公告)号：CN113762166A
公开(公告)日：2021-12-07
申请号：CN202111055754.3
申请日：2021-09-09
Applicant: 中国矿业大学
Abstract: 一种基于可穿戴式装备的小目标检测改善方法及系统，提出的可穿戴式的小目标检测装备，简便易携，可以迅速准确的检测出对象目标；改进了SSD网络结构，将空洞卷积空间金字塔模块和特征金字塔融合模块加入到SSD结构中，考虑到上下文的语义信息、位置信息，更加准确的检测目标；将视觉推理模型引入到基于SSD的小目标检测中，可以改善SSD类算法识别准确较低的问题。
-
公开(公告)号：CN113627380A
公开(公告)日：2021-11-09
申请号：CN202110959012.7
申请日：2021-08-20
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明是一种用于智能安防及预警的跨视域行人重识别方法及系统，方法包括如下步骤：步骤1预处理源域样本和目标域样本，步骤2通过ResNet50提取样本特征向量，步骤3特征提取后特征向量拼接，步骤4计算距离，生成伪标签，步骤5重识别，生成伪标签计算进行损失计算。本发明有效地对引入姿态估计点，对混杂背景进行遮挡处理，利用遮挡，防止网络将注意力集中在背景信息上，使网络学习能力变强，从而增加无监督行人重识别的识别精度，本发明有效利用了图片的相机索引、时间信息，考虑到在特定时间段和视角不重叠的特性，在相同相机下的行人图像置信度高和不同相机下的行人图像置信度低，为跨境头下的行人检索提供了很好的约束。
-
公开(公告)号：CN111639212A
公开(公告)日：2020-09-08
申请号：CN202010464038.X
申请日：2020-05-27
Applicant: 中国矿业大学
IPC: G06F16/583 , G06K9/40 , G06K9/46 , G06K9/62
Abstract: 本发明涉及一种矿用智能视频分析中的图像检索方法，属于图像检索技术领域，解决了现有技术检索准确率低、效率低，导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括，对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像；从第一图像中获得方差自适应量化颜色直方图；从第二图像中提取梯度信息和符号信息；将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征；对融合特征进行降维获得融合主特征；利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时，提高了矿井异常监控效率，提升矿井的安全检测水平。
-
公开(公告)号：CN113065516B
公开(公告)日：2023-12-01
申请号：CN202110436855.9
申请日：2021-04-22
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
IPC: G06V20/52 , G06V10/44 , G06V10/774 , G06V10/74 , G06V10/764 , G06N3/0464 , G06N3/047 , G06N3/088
Abstract: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法，属于行人重识别技术领域，解决了现有行人重识别方法识别精度低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，用于获得分类损失函数和样本不变性损失函数，根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数，根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目(56)对比文件谢川 等.基于对抗生成网络的蒙特卡罗噪声去除算法《.模式识别与人工智能》.2018,第31卷(第11期),1047-1060.Jiahan Li 等.Unsupervised Person Re-Identification Based on Measurement Axis.《IEEE SIGNAL PROCESSING LETTERS》.2021,第28卷379-383.Alexander Hermans 等.In Defense ofthe Triplet Loss for Person Re-Identification《.https://arxiv.org/pdf/1703.07737.pdf》.2017,1-17.Nazia Perwaiz 等.Person Re-Identification Using HybridRepresentation Reinforced by MetricLearning《.IEEE Access》.2018,第6卷77334-77349.
-
公开(公告)号：CN110276389B
公开(公告)日：2023-04-07
申请号：CN201910513747.X
申请日：2019-06-14
Applicant: 中国矿业大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T7/12 , G06T7/13
Abstract: 本发明公开了一种基于边缘修正的矿井移动巡检图像重建方法，包括以下步骤：步骤1：图像预处理，对输入图像进行不同程度的下采样以及图像分割处理；步骤2：图像特征提取和表示；在每个卷积层后面分别使用改进的激活函数；步骤3：图像重建；采用本发明方法重建Y通道；步骤4：边缘误差区域信息修正。本发明中在预处理阶段对训练集图像做不同尺度的放大处理，以方便后期的交叉训练，使得网络模型适用于2、3、4等不同缩放倍数的重建过程；适当加深网络层次，提取到更丰富的图像特征信息；提取边缘修正系数，对重建好的HR图像进行边缘信息修正，解决边缘细节模糊的问题；引入改进的激活函数，提高非线性表达能力，激活更多非线性区域特征。
-
Patent Agency Ranking
公开(公告)号：CN115239564A
公开(公告)日：2022-10-25
申请号：CN202210992327.6
申请日：2022-08-18
Applicant: 中国矿业大学
Abstract: 本发明提供一种结合语义信息的矿井图像超分辨率重建方法，其主要目的是通过语义分割网络所产生的概率图对超分辨率网络的深层特征提取前的输入进行调整，以此达到提高图像重建质量的结果。该方法主要包括这几部分：1.构建一个较深的超分辨率网络，其结构主要包括：浅层特征提取模块、深层特征提取模块、上采样模块；2.构建一个语义分割网络，用于产生作为深层特征提取模块的部分输入；3.确定损失函数、学习率调整策略。
-
公开(公告)号：CN115115686A
公开(公告)日：2022-09-27
申请号：CN202211004903.8
申请日：2022-08-22
Applicant: 中国矿业大学
Abstract: 本发明提供一种基于细粒度多特征融合的矿井图像无监督单目深度估计方法，包括以下步骤：步骤1：对原图多次采样，将不同尺度的图像输入到编码器网络；步骤2：将编码器的输出通过扩展卷积模块进行融合并输入到解码器网络；步骤3：将解码器网络输出的视差图进行多尺度融合；步骤4：重建视图；通过采用多尺度图像输入到网络，同时将解码器输出的视差图进行逐层的尺度融合，加强弱纹理区域的深度估计效果，并且增加中间扩展卷积模块，加大对全局信息的理解。
-
公开(公告)号：CN113095229A
公开(公告)日：2021-07-09
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
公开(公告)号：CN113065516A
公开(公告)日：2021-07-02
申请号：CN202110436855.9
申请日：2021-04-22
Applicant: 中国矿业大学 , 江苏华图矿业科技有限公司
Abstract: 本发明涉及一种基于样本分离的无监督行人重识别系统及方法，属于行人重识别技术领域，解决了现有行人重识别方法识别精度低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，用于获得分类损失函数和样本不变性损失函数，根据目标域样本子集中各行人图片间的相似度方差获得样本分离损失函数，根据目标域样本子集中正样本组、负样本组分别与存储的目标域样本间的相似度获得无监督三元组损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，根据优化好的行人重识别网络模型对待识别行人图片进行识别。该系统能够很好的区分目标域中正样本和负样本，从而降低网络精度损失，提高识别精度。
-
公开(公告)号：CN111767928A
公开(公告)日：2020-10-13
申请号：CN202010597462.1
申请日：2020-06-28
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于卷积神经网络提取图像特征信息的方法及装置，属于图像处理技术领域，解决了现有卷积神经网络中的卷积核基于系统随机生成造成浪费大量时间的问题。获取原始图像对应的原始图像矩阵，对原始图像矩阵进行分块，得到N个像素块；基于像素值依次为N个像素块添加标签，得到M个标签；获取每个标签中的1个像素块对应的像素值概率矩阵，基于像素值概率矩阵得到M个标签对应的M个卷积核；将原始图像矩阵输入卷积神经网络，基于M个标签及M个卷积核对原始图像矩阵进行卷积，得到原始图像对应的特征信息。实现了图像特征信息的提取，节省了卷积的时间。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.045 seconds)
