-
公开(公告)号：CN105160884A
公开(公告)日：2015-12-16
申请号：CN201510459196.5
申请日：2015-07-30
Applicant: 北京工业大学
IPC: G08G1/017
Abstract: 公开了一种融合视频监控和RFID的车辆识别方法，其将视频监控系统获取的车辆影像等信息与RFID检测系统获取的车辆电子车牌信息进行关联和融合，解决了目前单独依靠视频监控或RFID系统无法准确检测车辆并获取车辆影像资料的问题，从而满足交通管理和车辆监测的应用需求。其包括步骤：(1)从视频监控系统获取识别的车辆信息；(2)从RFID系统获取识别的电子车牌信息；(3)根据步骤(1)的车辆信息和步骤(2)的电子车牌信息，建立并动态更新待匹配车辆列表；(4)实时匹配步骤(1)的车辆信息和步骤(2)的电子车牌信息，获取融合后的车辆识别信息。还提供了一种融合视频监控和RFID的车辆识别装置。
-
-
公开(公告)号：CN104616030A
公开(公告)日：2015-05-13
申请号：CN201510029085.0
申请日：2015-01-21
Applicant: 北京工业大学
CPC classification number: G06K9/6259 , G06N3/08
Abstract: 本发明公开了一种基于极限学习机算法的识别方法，其提高网络的泛化性能，使解析求得的输出权值更加利于分类，从而大大提高了识别率。该方法包括训练阶段，对于给定训练集N＝{(xi,ti)|xi∈Rn,ti∈Rm,i＝1,…,N},激活函数g(x)＝log(1+ex)，隐单元个数L，其包括步骤：(1)随机生成输入单元与隐单元之间的权值wj，隐单元的偏置bj，其中j＝1,…,L；(2)计算隐单元的输出矩阵；(3)分别计算H中同一类别分量的类内距Sw和不同类别分量的类间距Sb对输出权值β求导中的S1,S2；(4)通过公式(20)计算隐单元到输出单元的输出权值β。
-
公开(公告)号：CN102708359B
公开(公告)日：2014-06-04
申请号：CN201210140366.X
申请日：2012-05-08
Applicant: 北京工业大学
Abstract: 有效利用彩色图像的彩色信息、基于CSDA准则将彩色图像转换为单一颜色图像、得到的彩色人脸表示对随后的CSDA识别方法是最优的基于彩色图像的人脸识别方法，在训练阶段利用训练图像样本通过相似特征提取模型得到特征空间，然后将训练图像样本在该特征空间的投影系数作为该训练图像样本的特征，在测试阶段将测试图像样本投影到该特征空间，然后将测试图像样本在该特征空间投影后得到的系数作为该测试图像样本的特征，最后将训练图像样本的特征和测试图像样本的特征通过一种分类方法进行匹配而得到分类结果，相似特征提取模型根据最优化组合系数向量X*将训练集中的彩色图像转换为单一颜色图像，根据最优化投影矩阵W*得到训练图像的特征。
-
公开(公告)号：CN1844797A
公开(公告)日：2006-10-11
申请号：CN200610080882.2
申请日：2006-05-19
Applicant: 北京工业大学
CPC classification number: Y02E10/10
Abstract: 本发明涉及一种利用微波加热技术使用地热资源的方法及其加热装置，属于一种提升地热资源温度的方法和装置。本发明将地热水从井抽出后直接在供暖管道上加装微波加热器，通过加热器末端水温传感器数据，在控制面板设定微波发生器功率大小，进行水温控制。或者将地热水从井抽出后采用换热板多次换热，把热能传递给常温地表水加热后输送到供暖管道，此时在供暖管道中加装微波加热器，进行加热。加热装置包括控制面板(1)、微波发生器(2)、金属多面体(3)、非金属内胆(4)、进水口(5)和出水口(6)。本发明解决了进一步利用地热资源提供高温热水供暖的问题。具有安全环保，加热速度快，节约能源等优点。
-
Patent Agency Ranking
公开(公告)号：CN119625500A
公开(公告)日：2025-03-14
申请号：CN202411844156.8
申请日：2024-12-15
Applicant: 北京工业大学
IPC: G06V10/82 , G06V10/764 , G06N3/045 , G06V20/70 , G06V10/26
Abstract: 本发明公开了一种基于参数共享的Vision Transformer简化方法，步骤一：精简视觉骨干模型；步骤二：预训练图像分类模型；步骤三：训练目标检测和语义分割模型；本发明设计了一种新的参数共享MLP结构来减少ViT模型的参数，通过对线性层的镜像结构进行参数共享来减少MLP块的一半参数，将其与提出的轻量级注意力块相结合，构建一个高效的PSM‑Former模型。
-
公开(公告)号：CN119580001A
公开(公告)日：2025-03-07
申请号：CN202411743524.X
申请日：2024-11-30
Applicant: 北京工业大学
Abstract: 本发明公开了基于视觉语义提示协作的泛化零样本学习方法，借助类语义信息识别可见和不可见类别的图像，其中类属性和文本描述被广泛用于将知识从可见类转移到新颖类；包括步骤一：浅层的弱提示融合；步骤二：深层的强提示融合；步骤三：视觉提示发散损失和语义蒸馏损失优化；该方法设计视觉提示来整合内部视觉信息以进行判别特征学习，并设计一种语义提示来整合外部语义形成以进行视觉语义对齐。针对网络中的不同层次设计了弱提示融合机制和强提示融合机制，通过视觉提示和语义提示的协作，可以获得语义丰富的特征，用于广义零样本图像识别。大量实验表明，该方法框架在传统零样本学习和广义的零样本学习基准中始终取得优异的性能。
-
公开(公告)号：CN119251548A
公开(公告)日：2025-01-03
申请号：CN202411243579.4
申请日：2024-09-05
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/778 , G06N5/04 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于隐属性增强网络的小样本类增量学习方法，本方法将隐属性应用到小样本图像数据的泛化中，运用自注意力机制和隐属性记忆模块，对图像中的可泛化信息进行捕捉，将此信息作为可学习的隐属性。之后构建隐属性记忆池，运用从基类中学习到的隐属性，实现对新类图像识别的泛化。与现有的小样本类增量学习方法相比，基于隐属性增强网络的小样本类增量学习方法能提高分类准确率并且提高识别新类的泛化能力，对于新类的泛化能力优于传统的小样本类增量学习方法。
-
公开(公告)号：CN112307980B
公开(公告)日：2024-12-13
申请号：CN202011199557.4
申请日：2020-10-28
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/762
Abstract: 本发明涉及一种基于不完整多视聚类的图像识别方法，用于解决图像分类识别问题，属于模式识别和机器学习领域，尤其是面向图像数据的不完整多视角聚类任务。本方法从以下两个方面进行分析:1)多个graph模型对同一图像样本从不同角度描述，将其共享的一致性信息最大化；2)每个视角具有其他视角所不具有的个性化信息，有效利用这些固有的差异来进行聚类。具体的，本方法对于由不同特征所描述的不完整多视角图像数据集，构造每个视角下的初始图模型，用指示矩阵标记丢失图像的位置，提取关联矩阵从而实现不完整多视数据的聚类任务，从而有效提升图像识别的准确性与鲁棒性。
-
公开(公告)号：CN118747552A
公开(公告)日：2024-10-08
申请号：CN202410763286.2
申请日：2024-06-13
Applicant: 北京工业大学
IPC: G06Q10/04 , G08G1/01 , G06Q10/0637 , G06Q50/26 , G06N5/01 , G06F18/23213
Abstract: 本发明提出了一种基于子超图和自蒸馏的交通预测方法。本发明首先根据不同的交通特征对整个数据进行聚类来构建子超图。随后，利用这些子超图构建教师网络，提取数据中蕴含的不同属性特征。同时，基于整体数据和交通道路拓扑结构构建学生网络，学习交通路网的全局结构特征。最后，利用自蒸馏方法将教师网络学习到的数据特征迁移到学生网络的训练过程中，得到最终的预测结果。本发明在几个真实世界交通数据集上进行了评估。实验结果证明了本发明的有效性，减小了预测误差。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.027 seconds)
