-
公开(公告)号：CN117593522A
公开(公告)日：2024-02-23
申请号：CN202311462401.4
申请日：2023-11-03
申请人： 北京科技大学顺德创新学院
IPC分类号： G06V10/26 , G06V10/28 , G06V10/44 , G06V10/46 , G06T5/80 , G06V10/762 , G06V10/764 , G06V10/82
摘要： 本发明公开了一种基于拓扑关键错误识别的边缘矫正损失的图像分割方法，包括：获取标注好的金相图像数据集；利用所述金相图像数据集对预设的基于机器学习算法的图像分割模型进行训练；其中，在对基于机器学习算法的图像分割模型进行训练时，通过计算基于拓扑关键错误识别的边缘矫正损失项，将所述边缘矫正损失项与损失函数相加，获得损失值，并根据所述损失值实现所述图像分割模型的参数的优化；利用训练好的图像分割模型对待分割的金相图像进行分割，得到分割结果。本发明方案可降低图像分割应用中的分割错误率。
-
公开(公告)号：CN112241940B
公开(公告)日：2023-12-19
申请号：CN202011036730.9
申请日：2020-09-28
申请人： 北京科技大学
IPC分类号： G06F7/544
摘要： 本发明公开了一种多张多聚焦图像融合方法，属于图像处理和人工智能技术领域。包括：用图像特征提取算法提取待融合图像集中所有图像的特征，并选择任意二张图像的特征作为第一级基线特征和第二级基线特征；采用图像特征融合算法分别将第一级基线特征与待融合图像集中其余图像的特征进行特征融合，并形成多张聚焦水平图；采用矫正算法，基于第一级基线特征和第二级基线特征形成的聚焦水平图，矫正其余聚焦水平图，并将矫正后的多张聚焦水平图拼合成聚焦水平集；采用决策算法将聚焦水平集换算成决策图；采用图像像素融合算法，基于决策图，将待融合图像集中的所有图像融合成最终的单张融合结果。采用本发明，可以提高多张多聚焦图像融合的效率。
-
公开(公告)号：CN117058355A
公开(公告)日：2023-11-14
申请号：CN202310919685.9
申请日：2023-07-25
申请人： 北京科技大学
IPC分类号： G06V10/24 , G06V10/30 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明涉及智能制造技术领域，特别是指一种高速线材图像横向抖动矫正方法及装置，方法包括：获取高速线材训练样本，高速线材训练样本包括高速线材样本图像以及对应的真值边界点位置；根据高速线材样本图像以及对应的真值边界点位置，对待训练的边界识别模型进行训练，得到训练完毕的边界识别模型；获取高速线材原始图像，将高速线材原始图像输入到训练完毕的边界识别模型，得到高速线材原始图像左右两侧的边界线位置信息；根据高速线材原始图像左右两侧的边界线位置信息，对高速线材原始图像进行抖动矫正。采用本发明，可以处理高速线材原始图像的横向抖动，使得处理后的高速线材侧拍图更加稳定、清晰。
-
公开(公告)号：CN116681934A
公开(公告)日：2023-09-01
申请号：CN202310631202.5
申请日：2023-05-30
申请人： 北京科技大学
IPC分类号： G06V10/764 , G06V10/40 , G06V10/26 , G06V10/774 , G06V10/82
摘要： 本发明提供一种基于多分支网络的图像分析方法及系统，涉及智慧医疗技术领域。包括：获取多任务数据及标注；构建多分支图像识别网络模型，该模型包括特征提取主分支、关键点提取分支、图像分割分支和目标检测分支；利用形态感知损失函数训练所述多分支图像识别网络模型。该方法相对于先进行目标检测再进行图像分割或关键点识别的两阶段网络，具有更快的运算速度，即在不增加网络个数以及大量识别时间的情况下，使用单个神经网络完成对多个视觉识别任务的分析，且不会对识别结果造成准确度上的损失。
-
公开(公告)号：CN111784595B
公开(公告)日：2023-08-29
申请号：CN202010525632.5
申请日：2020-06-10
申请人： 北京科技大学 , 中国人民解放军总医院海南医院
摘要： 本发明提供一种基于历史记录的动态标签平滑加权损失方法及装置，属于图像处理技术领域。所述方法包括：S1，为每个图像分别建立一个固定长度的历史队列，其中，历史队列中的初始值为相应图像真实的标签类别；S2，在机器学习模型每次迭代训练时，根据历史队列计算相应的图像属于真实类别和属于其他类别的权重，并将得到的权重与交叉熵函数相结合计算损失，以优化所述机器学习模型；S3，在每次迭代训练完成后，利用所述机器学习模型预测到的每个图像所属的类别更新相应的历史队列并返回S2继续迭代，直至训练完成。采用本发明，能够解决分类任务中因各类别间存在相似性而导致机器学习模型识别准确率低的问题。
-
公开(公告)号：CN115731519A
公开(公告)日：2023-03-03
申请号：CN202211487680.5
申请日：2022-11-25
申请人： 北京科技大学
IPC分类号： G06V20/52 , G06V10/26 , G06V10/82 , G06V10/20 , G06V10/94 , G06N3/045 , G06N3/084 , G06N3/0985
摘要： 本发明提供一种非接触式全尾砂膏体搅拌均匀度监测方法及系统，属于矿山充填技术领域。所述方法包括：在连续式搅拌机进行膏体制备的过程中，持续采集膏体表面图像；使用深度学习方法对采集的膏体表面图像进行处理，分割出非膏体区域和膏体不均匀区域；根据分割出的非膏体区域和膏体不均匀区域，确定膏体搅拌均匀度。采用本发明，能够在保证膏体搅拌均匀度量化精度的同时，实现膏体搅拌均匀度的实时量化。
-
公开(公告)号：CN112285105B
公开(公告)日：2022-05-24
申请号：CN202011026025.0
申请日：2020-09-25
申请人： 北京科技大学
IPC分类号： G01N21/84 , G01N21/01 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明提供一种膏体浓度非接触式自动检测方法，属于尾矿膏体处置及图像处理技术领域。该方法涉及装置包括采集模块、分类模块及检测模块，该方法使用成像装置，采集膏体的图像或视频，采用图像或视频分析方法对所述膏体的图像或视频进行分类；根据所述膏体的图像或视频分类结果，获得当前膏体的浓度。本发明不仅能够在非接触式的测量情形下大幅度提高膏体浓度的测量精度，同时操作简单，不需要复杂的硬件设备，减少人工压力的同时也能进一步降低膏体浓度测量成本，可为矿山充填综合应用提供思路，具有重要的实用价值和理论意义。
-
公开(公告)号：CN109993773B
公开(公告)日：2020-11-13
申请号：CN201910242995.5
申请日：2019-03-28
申请人： 北京科技大学
摘要： 本发明提供一种系列截面图像多目标追踪方法及装置，能够提高识别精度。所述方法包括：获取系列截面图像，其中，所述系列截面图像是指物体沿某一方向的系列截面形貌；根据层间图像的相似性，采用机器学习的方法对获取的系列截面图像逐层地进行多目标追踪；根据追踪结果，得到追踪后的三维标记图像。本发明涉及测量显微镜技术领域。
-
公开(公告)号：CN111861915A
公开(公告)日：2020-10-30
申请号：CN202010654030.X
申请日：2020-07-08
申请人： 北京科技大学
摘要： 本发明提供一种显微成像场景下失焦扩散效应消除方法及装置，属于图像处理及人工智能领域。所述方法包括：根据待融合图像集生成决策矩阵；建立与待融合图像尺寸相同的背景矩阵，根据所述待融合图像集和决策矩阵得到所述待融合图像集中像素值低的背景像素并将其记录到背景矩阵中；根据决策矩阵生成图像初步融合结果图，将背景矩阵中记录的结果覆盖到所述图像初步融合结果中，得到消除失焦扩散效应后的图像融合结果图。采用本发明，能够在不改变原有聚焦拍摄区间和亮度情况下，解决显微成像场景下的多聚焦图像融合任务中，前景的失焦扩散效应引发融合结果中背景处产生伪影的问题，从而提高成像准确度。
-
公开(公告)号：CN118941919A
公开(公告)日：2024-11-12
申请号：CN202410991720.2
申请日：2024-07-23
申请人： 北京科技大学 , 中国科学院过程工程研究所
摘要： 本发明涉及通讯信号跟踪控制领域，特别涉及一种基于动量更新的多任务小粒度权重平均方法及系统。方法包括：依据原始多任务学习模型，对每个任务在每个训练批次计算预测输出与真值的损失值，通过计算前两个批次的损失值的比率并进行归一化，得到当前批次的任务权重；使用动量策略结合当前批次的任务权重和前一批次的损失权重计算得到当前批次的损失权重；将当前批次的损失权重与该任务的损失值相乘并求和，获得最终损失值，用以优化多任务学习模型的参数；迭代多个批次直到最终损失值收敛，获得多任务学习模型。本发明提供的方法基于动量更新的多任务小粒度权重平均方法没有超参数，不需要根据任务类型手动调整参数，可方便移植到不同的数据上。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.029 秒)
