-
公开(公告)号：CN114549492A
公开(公告)日：2022-05-27
申请号：CN202210183020.1
申请日：2022-02-27
Applicant: 北京工业大学
Abstract: 一种基于多粒度图像信息内容的图像质量评价方法，属于计算机视觉领域。针对图像局部纹理信息的质量评价模块，首先将单颗花粉图像集合中每张花粉颗粒图片针对不同方向进行纹理特征的提取，然后平均加权求和求每张花粉颗粒图片的总纹理特征分数，其次将其纹理评价指标平均加权求和作为单颗花粉基于图像纹理内容信息的质量评价得分，之后将所有花粉颗粒得分进行平均加权求和作为基于图像局部纹理信息的质量评价得分。最终，我们将图像全局内容信息的质量分数和图像局部纹理信息的质量分数进行加权求和来得到花粉图片的最终得分。本发明更关注花粉颗粒质量的效果，比以往只考虑基于粗粒度的图像内容信息质量评价结果更加准确。
-
公开(公告)号：CN110363162B
公开(公告)日：2022-03-08
申请号：CN201910648037.8
申请日：2019-07-18
Applicant: 北京工业大学
Abstract: 一种聚焦关键区域的深度学习目标检测方法，属于深度学习领域。该方法是在一种典型的深度检测网络基础上，提出了一种通过聚焦关键区域来自动检测图像中目标的方法。在很多情况下，所需检测的目标往往都处于特定的区域内，这些与目标息息相关的区域即是关键区域。由于关键区域是少量、局部且与目标存在因果关系，因此可以将目标的检测范围限定在这样的区域内。具体的是在Faster R‑CNN框架中，修改区域提议网络的损失函数，即根据提议区域与关键区域的位置关系对提议区域设置不同的惩罚权重，促使提议区域更接近于关键区域，从而提高了目标检测的准确度。
-
公开(公告)号：CN113962899A
公开(公告)日：2022-01-21
申请号：CN202111327342.0
申请日：2021-11-10
Applicant: 北京工业大学
Abstract: 本发明提供一种眼底图像处理方法、装置、电子设备及存储介质，眼底图像处理方法包括：获取眼底图像对应的初始特征矩阵，并基于所述初始特征矩阵，得到横向和纵向的两个特征向量；所述两个特征向量分别输入至两个残差收缩模块，得到两个池化向量以及两个激活向量；其中，所述残差收缩模块包括全局平均池化层和第一激活层；基于所述两个激活向量以及所述两个池化向量，得到两个卷积通道阈值，并基于所述两个卷积通道阈值以及所述两个特征向量，得到两个新特征矩阵；基于所述两个新特征矩阵以及所述初始特征矩阵，得到除噪后的眼底图像。本发明提供的眼底图像处理方法、装置、电子设备及存储介质，可以实现去除眼底图像中的噪声的功能。
-
公开(公告)号：CN113889150A
公开(公告)日：2022-01-04
申请号：CN202111205089.1
申请日：2021-10-15
Applicant: 北京工业大学
Abstract: 本发明提供一种语音情感识别方法及装置，其中方法包括：获取原始语音集，所述原始语音集包括待识别语音和上下文语音；将所述原始语音集输入至语音情感识别模型，获得所述语音情感识别模型输出的所述待识别语音的识别结果；其中，所述语音情感识别模型是基于语音样本以及对应的识别标签进行训练后得到的，用于基于所述上下文语音对所述待识别语音进行语音情感识别；所述识别标签是根据所述语音样本预先确定的，并与所述语音样本一一对应；所述语音样本包括待识别语音样本和上下文语音样本。本发明提供的语音情感识别方法，通过结合上下文语音情感特征和待识别语音的语音情感特征，提高了语音情感识别正确率。
-
公开(公告)号：CN113724196A
公开(公告)日：2021-11-30
申请号：CN202110807424.9
申请日：2021-07-16
Applicant: 北京工业大学
Abstract: 本发明提供一种图像质量评价方法、装置、设备及存储介质，方法包括获取包括有花粉颗粒的待检测图像；计算所述待检测图像的第一质量分数；确定所述待检测图像中的所述花粉颗粒；基于所述花粉颗粒，分割所述待检测图像，得到至少一个目标检测图像；计算所述至少一个目标检测图像对应的第二质量分数；基于所述第一质量分数和所述第二质量分数，评价所述待检测图像的质量。本发明用以解决现有技术不能精确评价花粉图像的质量的缺陷，以能够实现精确评价花粉图像的质量。
-
Patent Agency Ranking
公开(公告)号：CN113723448A
公开(公告)日：2021-11-30
申请号：CN202110807370.6
申请日：2021-07-16
Applicant: 北京工业大学
Abstract: 本发明涉及一种图像中对象分类和计数方法、装置、电子设备及介质，所述方法包括：获取花粉图像；使用对象分类和计数网络对所述花粉图像进行处理，得到所述花粉图像中花粉的类别和数目，其中所述对象分类和计数网络包括卷积神经网络、分类分支和计数分支，由所述卷积神经网络对所述花粉图像进行特征提取得到特征图，将所述特征图分别输入所述分类分支和所述计数分支，由所述分类分支判断所述花粉的类别，并由所述计数分支计算所述花粉的数目。本发明通过在卷积神经网络的基础上增加用于计数的计数分支，在不显著提升参数和计算量的基础上一次性完成了对花粉类别和数目的检测，满足了花粉识别任务对于实时性和准确性的要求。
-
公开(公告)号：CN109726589B
公开(公告)日：2021-11-12
申请号：CN201811575825.0
申请日：2018-12-22
Applicant: 北京工业大学
IPC: G06F21/62
Abstract: 本发明公开了一种面向众智云环境的隐私数据访问方法，包括：对众智云环境中数据属性根据类型进行区分，得到不同类型属性类别；针对不同类型属性类别识别它们的隐私程度，获得不同隐私程度数据属性集合；根据数据属性隐私程度纵向划分数据属性，得到数据属性集合。本发明提出的对面向众智云环境的隐私数据访问方法，在现有的研究成果的基础上，将现有的统计学和密码学模型结合起来，能够自动识别分区数据属性并垂直分区，保护了敏感信息的隐私安全和用户的信息获取便捷的同时，也节省了人工和时间成本。
-
公开(公告)号：CN113409326A
公开(公告)日：2021-09-17
申请号：CN202110600755.5
申请日：2021-05-31
Applicant: 北京工业大学
Abstract: 本发明提供一种图像分割方法及系统，其中，图像分割方法，包括：将待分割图像输入图像分割模型中，得到所述图像分割模型输出分割后的目标图像；其中，所述图像分割模型由样本图像集训练得到的；所述图像分割模型用于基于注意力机制和残差网络确定所述待分割图像对应的目标特征图，基于所述目标特征图和金字塔场景解析网络，确定所述分割后的目标图像。能够有效的关注待分割图像中重要的特征，抑制不必要的特征，避免分割图像模糊，提高图像分割的分割精度。
-
公开(公告)号：CN110287826B
公开(公告)日：2021-09-17
申请号：CN201910499786.9
申请日：2019-06-11
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于注意力机制的视频目标检测方法，涉及计算机视觉。本发明包括如下步骤：步骤S1，提取当前时间帧的候选特征图；步骤S2，在过去时间段设定融合窗口，计算窗口内各帧的拉普拉斯方差，将方差归一化作为窗口内各帧的权重，将窗口内所有帧的候选特征图进行加权求和得到时序特征，将当前时间帧的候选特征与时序特征相连接，得到待检测特征图；步骤S3，利用卷积层在待检测特征图上提取出额外尺度的特征图；步骤S4，在不同尺度的特征图上利用卷积层进行目标类别及位置预测。本发明的特征融合方法对过去时间段内不同质量的帧特征分配了不同的权重，使得时序信息的融合更加充分，提高了检测模型的性能。
-
公开(公告)号：CN113361543A
公开(公告)日：2021-09-07
申请号：CN202110642694.9
申请日：2021-06-09
Applicant: 北京工业大学
Abstract: 本发明提供一种CT图像特征提取方法、装置、电子设备和存储介质，所述方法包括：基于特征提取模型，获取样本CT图像的样本图像序列的特征权重参数；基于特征权重参数，提取CT图像特征；其中，特征提取模型是基于样本CT图像的样本图像序列对以及样本图像序列对对应的样本光流图进行对比学习得到的。本发明对比学习得到的特征提取模型能够学习无标签的样本CT图像的样本图像序列对上图像的通用表示形式，进而在基于特征提取模型的特征权重参数提取CT图像特征时，可以快速且准确从待提取特征的CT图像中提取出能够表达该CT图像本质的通用特征，从而可以避免传统方法中人工标注量大且周期长的问题。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.034 seconds)
