-
公开(公告)号：CN116416253B
公开(公告)日：2023-08-29
申请号：CN202310689836.6
申请日：2023-06-12
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/60 , G06T7/70 , G06V10/766 , G06V10/77
Abstract: 本发明公开一种基于亮暗通道先验景深估计的神经元提取方法及装置，方法包括：输入原始图像视频数据；计算原始图像视频数据的亮暗通道先验，利用两种先验估计原始图像视频数据景深对应的传输率；将原始图像视频数据以像素为单位点除景深对应的传输率，构建约束性非负矩阵分解的神经元提取框架；迭代求解神经元的相关参数，包括：空间位置及形状大小、动作电位及时序变化、背景，直至迭代结束，最终输出神经元的提取信息，包括：空间位置及形状大小、动作电位和时序变化。本发明能够快速估计与利用原始数据景深，有效地去除原始数据的散射，准确地提取神经元的空间位置及形状大小、动作电位和时序变化等特征信息。
-
公开(公告)号：CN119942061A
公开(公告)日：2025-05-06
申请号：CN202411841865.0
申请日：2024-12-13
Applicant: 北京科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/771 , G06V10/77 , G06V10/80 , G06V10/774 , G06V10/74 , G06V10/764 , G06V10/766 , G06V10/82 , G06V20/70 , G06F16/583 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明提供一种基于自适应典型样本学习技术的跨场景皮带缺陷识别方法及装置，涉及缺陷检测技术领域。该方法包括：构建支持图像数据集以及查询图像数据集；将支持图像数据集以及查询图像数据集输入缺陷识别基础模型，获得第一支持图像特征以及第一查询图像特征；将第一支持图像特征以及第一查询图像特征输入原型自适应模块进行特征增强；根据支持图像数据集、查询图像数据集和检测缺陷图像数据集构建损失函数；对原型自适应模型进行优化，获得优化原型自适应模型；根据待识别皮带图像数据集，基于缺陷识别基础模型以及优化原型自适应模型进行皮带缺陷识别。本发明是一种基于典型样本学习的仅需少量标注的高效且准确的跨场景皮带缺陷识别方法。
-
公开(公告)号：CN119478423B
公开(公告)日：2025-05-02
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
公开(公告)号：CN118552878B
公开(公告)日：2025-04-18
申请号：CN202410820785.0
申请日：2024-06-24
Applicant: 北京科技大学
IPC: G06V20/40 , G06V10/82 , G06F18/213 , G06F18/22 , G06N3/0895 , G06F123/02
Abstract: 本发明公开一种基于跨模态对齐的弱监督扒渣终点判断方法和系统，包括：接入当前扒渣现场摄像头，将实时视频流数据输入训练完成的视频数据处理器；视频数据处理器以每一当前帧为基准，将包括当前帧在内向前共若干帧数据进行切割打包，输出当前帧的实时视频片段，作为训练完成的跨模态特征提取器的视频模态输入，同时以当前钢种文本编号和“非终点”文本作为跨模态特征提取器的文本模态输入；跨模态特征提取器提取视频片段特征和文本特征，将提取的视频片段特征和文本特征输入特征比对决策模块进行特征比对，最终输出当前帧是否为对应当前钢种扒渣终点的判断结果。本发明可以对扒渣终点进行准确判断。
-
公开(公告)号：CN119741558A
公开(公告)日：2025-04-01
申请号：CN202510241315.3
申请日：2025-03-03
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V20/10 , G06F17/16
Abstract: 本发明提供一种融合曼巴与切比雪夫图卷积的高光谱图像分类方法，涉及高光谱图像检测技术领域。所述方法包括：收集高光谱图像数据集，并进行预处理，将每张图像以每个像素点为中心划分为预定数量的图像块；将图像块输入异构空间卷积块进行处理，获得具有不同感受野的输出数据；将输出数据分为两个分支，其中一个分支通过波段选择增强双向曼巴分支进行处理，获取空间特征与光谱特征的长程依赖关系，得到第一输出；另一个分支输入重参数化切比雪夫图卷积分支进行处理，获取不同像素之间的相似关系，得到第二输出；对第一输出和第二输出进行融合，得到双分支融合特征，输入分类器中得到最终分类结果。本发明能够提升分类精度，并降低计算成本。
-
Patent Agency Ranking
公开(公告)号：CN119600648A
公开(公告)日：2025-03-11
申请号：CN202411637433.8
申请日：2024-11-15
Applicant: 北京科技大学
Abstract: 本发明公开一种基于3D牙齿点云多特征融合的身份识别方法和系统，包括：采集待识别身份的3D牙齿点云；将待识别身份的3D牙齿点云和身份数据库中每个已注册身份的3D牙齿点云输入训练完成的牙齿多特征融合的身份识别主干网络，输出得到待识别身份的3D牙齿点云和每个已注册身份的3D牙齿点云之间的配准结果；这个主干网络，包括：颜色特征提取模块、结构特征提取模块、特征融合模块、局部采样特征提取模块、特征聚合模块、粗对应预测模块、点云解码模块、精对应预测模块、预测配准模块；将与待识别身份的3D牙齿点云进行最佳配准的已注册身份的3D牙齿点云的身份信息，作为待识别身份的3D牙齿点云的身份标识。本发明可以基于3D牙齿点云进行身份识别。
-
公开(公告)号：CN119228329B
公开(公告)日：2025-03-07
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
公开(公告)号：CN119478423A
公开(公告)日：2025-02-18
申请号：CN202510046546.9
申请日：2025-01-13
Applicant: 北京科技大学
IPC: G06V10/26 , G06V20/13 , G06V20/17 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提供一种基于开放域的跨模态遥感图像目标分割方法及装置，涉及遥感图像分割技术领域。该方法包括：对俯瞰遥感大图进行数据处理，获得文本引导遥感图像数据集；基于物体掩码标注获得前景标签数据以及背景标签数据；根据文本引导遥感图像数据集，通过开放域图像分割模型进行图像分割预测，获得分类预测结果；根据分类损失、图像特征重构损失和文本特征重构损失，对开放域图像分割模型进行参数优化，获得优化开放域图像分割模型；将待分割标注遥感图像输入优化开放域图像分割模型，获得遥感图像分割结果。本发明是一种开放性的分割类别灵活且分割目标精准的跨模态遥感图像目标分割方法。
-
公开(公告)号：CN119228329A
公开(公告)日：2024-12-31
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
公开(公告)号：CN119625138A
公开(公告)日：2025-03-14
申请号：CN202510162501.8
申请日：2025-02-14
Applicant: 北京科技大学
Abstract: 本发明提供一种文本引导的弱标注浮选泡沫分割与计数方法及系统，涉及人工智能与计算机视觉技术领域。方法包括：采集浮选池中泡沫的图像，进行预处理和点级别标注，收集对浮选泡沫的文本描述并进行预处理；将预处理后的图像输入点热图生成模块，识别图像中的关键点，并以关键点为中心形成预设尺寸的边界框；将关键点和边界框输入基于弱标注的层次化掩码生成模块，指导其生成整体、部分和子部分的层次化掩码；将文本描述和少样本示例图像输入视觉‑语言特征映射模块，将两者映射到同一个嵌入空间中进行特征拼接，得到分类指导特征；利用层次化掩码提取区域特征，并与分类指导特征进行相似度对齐，从而实现对图像中特定类别泡沫的精确分割和计数。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.026 seconds)
